في عالم الذكاء الاصطناعي، تزداد أنظمة الوكلاء متعددة النماذج تعقيدًا، حيث تتفاعل نماذج من مزودين مختلفين. لكن ماذا يحدث عندما تتعرض هوية كل نموذج على حدة لوكلاء آخرين؟ دراسة جديدة تعرض نتائج مدهشة حول التأثير السلبي لكشف هوية النماذج على التعاون بين الوكلاء.

تظهر الدراسة أن وجود الوكلاء المعرفين بجنسيتهم النموذجية يسبب انقسامًا في المجموعات، حيث يميل الوكلاء إلى التفاعل مع الآخرين الذين يحملون نفس التصنيف. هذا الانقسام، الذي يعرف باسم "الفصائلية" (Factionalism)، يتسبب في زيادة وقت اتخاذ القرارات وقلل من معدل النجاح بشكل ملحوظ.

تم قياس هذه الظاهرة خلال لعبتين تعاونية ومعيار تفكير، حيث أظهرت النتائج أن المجموعات التي كانت تعرف هويتها تحتاج إلى 30% جولات إضافية و55% رموز أكثر للوصول إلى قرار، بينما انخفض معدل النجاح من 96% إلى 81%.

الغريب أن هذا السلوك لا يظهر عند حذف الهوية بالكامل أو استبدالها بتسميات عشوائية. في النهاية، يشير البحث إلى أن إخفاء تسميات الهوية عن الوكلاء يعد طريقة بسيطة وفعالة لتحسين التعاون وزيادة الأداء. فهل لا زلتم تعتقدون أن الهوية تلعب دورًا أهم مما يبدو؟ شاركونا آراءكم في التعليقات!