التحقق من إجابات الذكاء الاصطناعي: نموذج من عائلة أخرى يراجع الإجابة.

للمناظرة وضعان، ويختار لك التطبيق أحدهما: تتحقق من الوقائع على الويب إذا كانت الإجابة تحتوي عليها؛ وإلا فيعيد ذكاء اصطناعي ثانٍ قراءتها دون ويب. في «تحقق من الحقائق» يستخرج التطبيق الادعاءات الواردة في الإجابة، ويبحث عنها على الويب، ويضع لكل منها وسمًا، ويذكر في النسخة النهائية مصادر قابلة للنقر، ولا يختلق مصدرًا أبدًا. وفي «مراجعة» يقرأ نموذج من عائلة أخرى الإجابة وينتقدها دون تصفح الويب. يبدأ التحقق من الحقائق عندما تحتوي الإجابة عن سؤال واقعي على وقائع يمكن التحقق منها (أرقام، تواريخ)، أو عندما تقول إنها لا تستطيع التأكيد؛ أما الكود وأسئلة الرأي فيذهبان إلى المراجعة. ويمكنك أيضًا اختيار الوضع بنفسك.

قسنا «مراجعة» على 20 سؤالًا لا يمكن التحقق منها. قبل تحسيننا، كانت النسخة النهائية تختلق واقعة في 10 أسئلة من 20؛ وبعده في سؤال واحد من 20، ودون أي مصدر مختلق. سؤال من 20 ليس صفرًا: ولهذا يذهب التحقق من الحقائق إلى الويب ما إن تحتوي الإجابة على وقائع تستحق الفحص، ولهذا يستحق الأمر أن تفتح المصادر.

«وجهات النظر» تبويب بنماذج مميّزة للموضوعات التي تنقسم حولها الآراء. مدافعان من عائلتين مختلفتين، يدافع كل منهما عن موقف بمصادره الخاصة من الويب، ثم تجمع خلاصة بينهما. تبلغ تكلفته نحو 21 رصيدًا للموضوع في المتوسط، وهو للمشتركين. وأمام إجابة متوازنة من نموذج واحد، فضّل حَكَم «وجهات النظر» في 83 إلى 90% من الحالات التي قسناها (6 موضوعات ثم 15)، وفي الفخاخ الأربعة التي تكون فيها الوقائع محسومة، عُرضت جميعها على أنها محسومة، أي 4 من 4.

النموذج الذي يعيد قراءة إجابته لا يصحّح شيئًا إضافيًا: قِسنا ذلك. الأخطاء نفسها، والهفوات نفسها، ولم يفضّل الحَكَم النسخة المعاد قراءتها إلا في 15% من المهام المفتوحة. والنموذج الذي فاته شيء في المرة الأولى يفوته غالبًا في الثانية، ولعل السبب أن الثغرة آتية من طريقة تدريبه لا من العجلة.

ولم يكن ناقد من العائلة نفسها أفضل، بل أسوأ أحيانًا. حين كُلّف ناقد DeepSeek بمراجعة إجابة من DeepSeek، أثار نقاطًا أكثر، وأطلق إنذارات كاذبة أكثر، وانتهى الكود المصحّح بـ46 خطأً مزروعًا مصحّحًا من 49، مقابل 47 للإجابة وحدها. كما فاته لغز معكوس وقعت فيه الإجابة: نماذج العائلة الواحدة تتشارك البقع العمياء.

أما ناقد من عائلة أخرى فقد انتبه إلى اللغز، وأعاد عدّ مسألة حساب أخطأت فيها الإجابة (155 بدل 153)، ووجد آخر خطأين في الكود. ولهذا لا يسمح التطبيق أبدًا لنموذج بمراجعة عائلته: يُختار الناقد على خادمنا، ولا يرسل المتصفح إلا العمق الذي اخترته.

مراجع يوافق على كل شيء لا قيمة له، ومن يختلق مشكلات ليبدو دقيقًا أسوأ. لذلك يعمل الناقد بقواعد صارمة: يقتبس السطر أو الادعاء بدقة، ويشرح لماذا هو خاطئ بدليل (مثال مضاد، حساب، شرط انتُهك)، ويقترح التصحيح، ويتجاهل الأسلوب. وإن لم يجد شيئًا جسيمًا بعد فحص حقيقي كتب ذلك وذكر ما تحقّق منه.

في الدراسة، أثار الناقد من العائلة الأخرى نحو نقطتين في كل مراجعة. وفي الكود، كانت 17 نقطة من 19 نقطة ذكرت دالّة بعينها تشير إلى خطأ مزروع حقيقي. وفي ثلث الحالات قال إنه لا يوجد ما هو جسيم؛ فتبقى الإجابة كما هي وتُتخطّى الخطوة الأخيرة.

والكاتب لا يطيع بلا تفكير أيضًا. فتعليماته ألا يقبل نقطة إلا بعد التحقق منها، وأن يعلّل كل رفض. وفي 15 من 20 نسخة نهائية، استُبعدت نقطة واحدة على الأقل مع سببها. وترى القائمتين تحت النسخة النهائية: ما تغيّر، والنقاط المستبعدة.

قِسنا أيضًا تبادلًا أطول: نموذجان يردّ كل منهما على الآخر نقطة نقطة طوال جولتين أو ثلاث، ثم خلاصة. لم يتفوق على المراجعة الواحدة في الكود، وأخطأ في سؤال إضافي، ولم يفضّله الحَكَم إلا في نصف المهام المفتوحة، وكلّف ثلاثة أضعاف واستغرق ضعفين إلى ثلاثة أضعاف من الوقت.

لذلك يجري التطبيق جولة واحدة، لكن متقنة: مسودة، وناقد من عائلة أخرى، ونسخة نهائية مصحّحة. وحين لا يجد الناقد شيئًا يتوقف التبادل هناك، وهذا ما حدث في ثلث حالات الاختبار.

النصائح المعتادة ما زالت صالحة. اطلب المصادر وافتحها. أعد الحساب بنفسك. شغّل الكود قبل أن تثق به، ويُفضَّل أن تختبره بحالات حدّية: قائمة فارغة، تواريخ حول يوم ميلاد، قيم ليست أرقامًا. أعد صياغة السؤال لترى هل تصمد الإجابة. واسأل نموذجًا آخر، فنموذجان من عائلتين مختلفتين نادرًا ما يرتكبان الخطأ نفسه.

«مناظرة» تؤتمت هذه الخطوة الأخيرة وتحتفظ بأثر مكتوب لها. وهي أنفع حيث يكلّف الخطأ شيئًا: كود توشك أن تنشره، حساب وراء قرار، ملخص عقد، خطة فيها مفاضلات، بريد إلكتروني مهم. أما الحوار القصير أو مسألة الذوق فتكفي فيهما الإجابة وحدها غالبًا، وتصل أسرع.

وهي لا تحلّ محل حكمك. ففي وضع «مراجعة» لا يتصفح الناقد الويب، وقد تكون نقطة اتفق عليها النموذجان خاطئة. ما تفعله أنها تضع أمامك قراءة ثانية مستقلة، وأسبابها مكتوبة على الصفحة.