في عالم الذكاء الاصطناعي، يبرز مفهوم الذكاء الجماعي كأحد مجالات البحث المثيرة، حيث يبرز السؤال: هل يمكن لنماذج اللغة الكبيرة (Large Language Models) أن تحاكي تأثيرات هذا الذكاء الجماعي؟ دراسة جديدة تم نشرها تبحث في هذا المفهوم وتلقي الضوء على إمكانيات مذهلة في تحقيق دقة لافتة في التقديرات.

في هذه الدراسة، تم إجراء تجربة محكومة باستخدام 960 طلبًا يدويًا عبر ثلاثة نماذج معروفة: جي بي تي-5 (GPT-5)، وجيميناي 2.5 برو (Gemini 2.5 Pro)، وكلود سونات 4.5 (Claude Sonnet 4.5). هدف الدراسة كان فحص كيفية تقليل الأخطاء من خلال تقنيات التجميع داخل النموذج (intra-model sampling) وبين النماذج المختلفة (inter-model aggregation) عبر ثمانية مهام تقدير.

أظهرت النتائج أن تقنيات التجميع، سواء داخل النموذج أو بين النماذج، أدت إلى تقليل الأخطاء بشكل ملحوظ، حيث وصلت نسبة تقليل الأخطاء حتى 37 نقطة مئوية في متوسط نسبة الخطأ النسبية (MAPE) حسب استراتيجيات التجميع المختلفة. من المثير للاهتمام أنه لوحظت علاقات إيجابية واضحة بين عرض نطاق الثقة النسبي وأخطاء التقدير النسبية.

تشير هذه النتائج إلى أن نماذج اللغة الكبيرة تمتلك نوعًا من الوعي المعرفي عندما يتعلق الأمر بتقييم عدم اليقين، مما يعكس إمكانية استخدامها في صنع القرارات داخل المنظمات. تقدم هذه الدراسة رؤى عملية يمكن أن تساعد في تطوير استراتيجيات الذكاء الاصطناعي الجماعي وتطبيقه بشكل فعال لمواجهة التحديات المعقدة في بيئات العمل الحديثة.

ما رأيكم في هذه التطورات المثيرة؟ هل تعتقدون أن الذكاء الاصطناعي سيغدو ركيزة أساسية في اتخاذ القرار داخل المؤسسات؟ شاركونا آراءكم وتجاربكم في التعليقات.