ما الذي فقدته وكلاء الذكاء الاصطناعي عندما أعادوا بناء التجربة الإبداعية الأكثر إبداعًا على الإنترنت

في أوائل العقد الأول من القرن الحادي والعشرين، سمح موقع ويب يُدعى Picbreeder للمستخدمين بتطوير الصور بشكل تعاوني دون أي هدف محدد. كان الناس ببساطة يختارون صورًا يجدونها مثيرة للاهتمام، وعلى مدى أجيال عديدة وبأيدي متعددة، ظهرت وجوه وحيوانات ومركبات وجماجم مما كان في الأساس انجرافًا مشتركًا عبر الفضاء البصري. اختفى الموقع في النهاية، لكن السؤال الذي طرحه لم يختف: ما الذي يجعل الاستكشاف المفتوح يعمل، وهل يمكن للآلات فعله؟

أعادت شركة Sakana AI، بالتعاون مع باحثين من MIT وNYU، بناء Picbreeder من الألف إلى الياء باستخدام وكلاء نموذج اللغة المرئي ونشرت النتائج في ورقة بحثية في مؤتمر GECCO 2026 بعنوان "في البحث عن مكونات الانفتاح: إعادة إنتاج Picbreeder باستخدام نماذج اللغة المرئية الكبيرة"، والتي تم ترشيحها لجائزة أفضل ورقة بحثية. كان الإعداد ترجمة مباشرة للتصميم الأصلي: أرشيف مشترك للصور، وكلاء يختارون صورًا للتفرع منها، تطوير مرشحين جدد، نشر المفضلات، وتقييم عمل بعضهم البعض. لا صورة مستهدفة، لا تعريف للتقدم، مجرد مجتمع من الوكلاء يقرر ما يستحق الاحتفاظ به.

صُممت التجربة لاختبار ما إذا كانت نماذج VLM يمكنها إعادة إنتاج نوع الاكتشاف المفتوح الذي جادل كينيث ستانلي وآخرون بأنه أساسي للإبداع البشري. الإجابة المختصرة هي أنها يمكنها الاقتراب منه في ظل ظروف خاضعة للرقابة معينة، لكنها تصطدم بسقف لا يصطدم به البشر.

طغيان المألوف

بالمقارنة مع البشر، مال وكلاء VLM إلى العودة إلى نفس أنواع الصور والمفاهيم. لقد اختاروا بشكل متكرر آباءً متشابهين، وقاموا بقفزات مفاهيمية أصغر، وغالبًا ما قاموا بتحسين فكرة موجودة بدلاً من التخلي عنها بحثًا عن شيء غير متوقع حقًا. تصف الورقة كيف كان الوكلاء يلاحظون نمطًا مثيرًا للاهتمام ثم يثبتون عليه، مما يؤدي إلى تحسين زخم بصري تدريجيًا حتى يصبح طريقًا مسدودًا للتحسين المتزايد.

هذا السلوك مهم لأن سحر Picbreeder الأصلي كان عكس ذلك تمامًا: تعامل المستخدمون البشريون مع كل صورة مثيرة للاهتمام كنقطة انطلاق. قد يطور مستخدم وجهًا ثم، دون أي خطة، يأخذ مستخدم آخر ذلك الوجه في اتجاه مختلف تمامًا. اعتمدت العملية على رغبة المستخدمين في التخلي عن خط واعد من الاستكشاف. على النقيض من ذلك، بدا وكلاء VLM غير راغبين في التخلي عما وجدوه واعدًا بالفعل.

الشخصيات تحسن الاستكشاف

أدى إدخال مجموعة متنوعة من شخصيات الوكلاء إلى تحسين النتائج بشكل كبير. عندما تم إعطاء الوكلاء مسبقات سلوكية مختلفة بعضها أكثر استكشافًا، وبعضها أكثر تحفظًا زاد التنوع الدلالي للنظام. في بعض الجولات، اقتربت هذه المجموعات المتنوعة من أو طابقت الأرشيف البشري في مقاييس التغطية الدلالية، وأنتجت أشجارًا تطورية أكثر توازنًا. المغزى هو أنه على المستوى الجماعي، يمكن لتنوع الذوق أن يعوض عن ميل الفرد الواحد إلى التثبيت.

وتفيد الورقة أيضًا أن التمثيلات المطورة كانت أكثر قوة من تلك المنتجة بواسطة التحسين المباشر القائم على التدرج. جمجمة طورها الوكلاء تغيرت بسلاسة عند تغيير تمثيلها العصبي الأساسي، وأقل تشظيًا من جمجمة تم تحسينها مباشرة باستخدام نزول التدرج. لكنها لا تزال متخلفة عن سلاسة التمثيلات التي طورها البشر، مما يشير إلى أن التعاون البشري يقدم شكلاً من أشكال التنظيم الذي لا يكرره الذكاء الاصطناعي الحالي.

الفجوة المتبقية

ربما تكون النتيجة الأكثر إثارة للاهتمام ليست ما فعله الوكلاء، بل المكان الذي توقفوا فيه. يبدو البشر أفضل في تحويل الحوادث السعيدة إلى اكتشافات إبداعية مستدامة: التعرف على الوقت الذي يستحق فيه شيء غير متوقع المتابعة، وتحسينه، ثم القيام بقفزة مفاهيمية أكبر. غالبًا ما لاحظ وكلاء الذكاء الاصطناعي أنماطًا مثيرة للاهتمام أيضًا، لكنهم كانوا أكثر عرضة للوقوع فيها. تصوغ الورقة هذا كسؤال مفتوح للمجال.

"ما زلنا لا نفهم تمامًا ما الذي يمكّن البشر من التنقل في البحث المفتوح بهذه الطريقة، أو ما هي المكونات التي تفتقدها أنظمة الذكاء الاصطناعي الحالية،" يكتب المؤلفون. "في الوقت الحالي، تشير النتائج إلى أنه لا يزال هناك شيء مهم في الإبداع البشري لم تتعلم وكلاء الذكاء الاصطناعي إعادة إنتاجه بعد."

يكمل هذا العمل البحث الجاري في Sakana AI حول الذكاء الجماعي في مجالات أخرى، مثل الطوب المعياري الروبوتي الذي يتعرف على شكله بنفسه ونظام Fugu متعدد الوكلاء. في كلتا الحالتين، الدرس هو أن التنسيق بين العديد من الوكلاء البسطاء يمكن أن ينتج نتائج متطورة، لكن تجربة Picbreeder تضيف تطورًا: التنسيق وحده قد لا يكون كافيًا للإبداع. قد يكون هناك مكون مفقود لا علاقة له بحجم النموذج أو بنيته وكل علاقة له بالاستعداد للتخلي عن فكرة ناجحة لصالح فكرة غير مؤكدة.