الذكاء الاصطناعي بوصفه أداة مساعدة على التداول: أدلة من منصة Polis إلى آلة هابرماس

لطالما واجهت الديمقراطية التداولية مشكلة النطاق: فالنقاش المتأني ينجح في غرف تضم بضع عشرات من الأشخاص، في حين تُعدّ الجماعات السياسية بالملايين. وتَعِد البرمجيات، ومنذ عام 2022 نماذج اللغة الكبيرة (LLMs)، بتخفيف هذا القيد من خلال تجميع الآراء، والإشراف على النقاشات، وتلخيص الحجج، وصياغة بيانات يمكن لكثيرين قبولها. تستعرض هذه الدراسة أبرز التطبيقات الواقعية والتجارب المضبوطة: منصة Polis وعملية vTaiwan في تايوان؛ وجمعيات المواءمة التي يديرها مشروع الذكاء الجماعي، بما في ذلك الذكاء الاصطناعي الدستوري الجماعي بالتعاون مع Anthropic؛ ومنصة ستانفورد للمداولات عبر الإنترنت ومشرفها الآلي؛ و«آلة هابرماس» التابعة لـGoogle DeepMind، التي عُرضت في مجلة Science عام 2024. ثم تقارن هذه التطبيقات بالأدلة التجريبية على المخاطر، ومنها أن الذكاء الاصطناعي يغيّر الآراء، ويقنع بفاعلية أكبر من البشر، ويضيّق نطاق الأفكار. وتتمثل الصورة العامة في أدوات تساعد الناس، على نحو قابل للقياس، على إيجاد أرضية مشتركة والتعبير عنها، وقد استُخدمت حتى الآن في الغالب ضمن سياقات استشارية، مع أدلة قوية على إمكان توظيف القدرات نفسها للتوجيه بقدر ما يمكن توظيفها للمساعدة. لذلك، لا يتمثل سؤال التصميم في ما إذا كان الذكاء الاصطناعي قادرًا على دعم التداول، بل فيمن يسيطر على الأداة، وما المسموح لها بفعله، وكيف يجري تدقيق تأثيرها.

النتائج الرئيسية

• يمكن للذكاء الاصطناعي صياغة بيانات تفضّلها الجماعات. في تجارب شملت 5,734 مشاركًا، فُضّلت البيانات التي أنتجها وسيط يعمل بالذكاء الاصطناعي على تلك التي صاغها وسطاء بشريون، وقُيّمت بأنها أكثر إفادة ووضوحًا وأقل تحيزًا؛ وكثيرًا ما عدّل المشاركون آراءهم باتجاه موقف مشترك، وتكررت النتيجة في جمعية مواطنين افتراضية اختير أعضاؤها من عينة بريطانية ممثلة ديموغرافيًا (Tessler and colleagues, 2024).
• أثّرت أدوات رسم خرائط الآراء في السياسات الفعلية، أساسًا من خلال المشاورات. تُستخدم منصة Polis في عملية vTaiwan في تايوان منذ 2014، وهي تصنّف المشاركين بحسب طريقة تصويتهم على بيانات قصيرة، وتبرز البيانات التي تحظى بتأييد عابر للمجموعات. وقد أسهمت في التشريعات واللوائح التنظيمية، ولا سيما في قضية UberX، لكن مخرجاتها تظل استشارية.
• يمكن للمدخلات العامة أن تغيّر سلوك النموذج من دون الإضرار بقدراته. قدّم نحو 1,000 أمريكي 1,127 بيانًا و38,252 صوتًا لصياغة «دستور عام» لنموذج من Anthropic؛ وأظهر النموذج الناتج تحيزًا أقل على تسعة أبعاد اجتماعية من نموذج دُرّب على دستور Anthropic نفسه، مع أداء مكافئ في معايير قياس القدرات (Huang and colleagues, 2024).
• يُستخدم الإشراف الآلي بالفعل على نطاق واسع. تدير منصة ستانفورد للمداولات عبر الإنترنت قوائم المتحدثين وجداول الأعمال المحددة بوقت والسلوك غير الحضاري، وتفيد بوجود أكثر من 50,000 مستخدم فريد في أكثر من 40 دولة؛ واستضافت، من بين فعاليات أخرى، منتدى مجتمع Meta لعام 2023 (1,545 مشاركًا في أربع دول) ومداولة تايوانية عام 2024 حول الذكاء الاصطناعي ونزاهة المعلومات (447 مشاركًا).
• يمكن للأدوات نفسها أن توجّه الآراء. أدّت الكتابة باستخدام نموذج لغوي ذي موقف محدد إلى تغيير آراء المشاركين أنفسهم (N=1,506)؛ وكان المناظرون المخصصون بتقنية GPT-4 أكثر إقناعًا من نظرائهم البشر في 64.4% من الحالات غير المتعادلة (N=900)؛ كما أتاح الوصول إلى أفكار الذكاء الاصطناعي تحسين جودة الأعمال الإبداعية على المستوى الفردي، لكنه جعلها أكثر تشابهًا على المستوى الجماعي.
• الأدلة على الشرعية محدودة. تقيس جميع الدراسات تقريبًا تقييمات المشاركين وتغير مواقفهم في تجارب أو مشاورات تُجرى لمرة واحدة. ولا تتوفر إلا أدلة قليلة على ما إذا كان غير المشاركين يرون العمليات المدعومة بالذكاء الاصطناعي شرعية، أو على أثرها في القرارات الفعلية.

سؤال البحث والنطاق

تطرح الدراسة السؤال الآتي: ماذا تُظهر الأدلة بشأن أدوات الذكاء الاصطناعي بوصفها وسائل مساعدة للمداولات الديمقراطية، وما المخاطر التي تحددها؟ يشمل مصطلح «وسيلة مساعدة للمداولة» أربع وظائف: (1) رسم خرائط الآراء لدى عدد كبير من السكان (Polis)؛ (2) تيسير النقاش (الإشراف الآلي)؛ (3) تركيب الآراء في ملخصات أو بيانات جماعية (تلخيص النماذج اللغوية الكبيرة، وHabermas Machine)؛ و(4) تجميع المدخلات العامة وتحويلها إلى قواعد لأنظمة الذكاء الاصطناعي نفسها (Collective Constitutional AI، وAlignment Assemblies). ويقع خارج نطاق الدراسة استخدام الذكاء الاصطناعي لاتخاذ القرارات نيابة عن المواطنين، والمرشحون المدعومون بالذكاء الاصطناعي، واستخدام الذكاء الاصطناعي في إدارة الانتخابات.

الخلفية

ترى النظرية التداولية، من عرض يورغن هابرماس للفعل التواصلي إلى استطلاعات الرأي التداولية التي وضعها جيمس فيشكين، أن شرعية القرارات الجماعية تعتمد على جودة الاستدلال الذي يسبقها: الشمول، وتكافؤ فرص التعبير، والاحتكام إلى الحجج بدلًا من القوة، والانفتاح على مراجعة الرأي. وتعتمد أشكالها المؤسسية (جمعيات المواطنين، وهيئات المحلفين، واستطلاعات الرأي التداولية) على الاختيار العشوائي والميسّرين البشريين المدرّبين، كما أنها مكلفة لكل مشارك. أما المشاورات عبر الإنترنت، فعلى النقيض، فهي منخفضة التكلفة، لكنها تميل إلى مكافأة أصحاب الأصوات الأعلى وجذب المتصيدين.

دخلت الأدوات الحاسوبية هذه الفجوة على مراحل. فقد تجنّب «بوليس» (Polis)، وهو «استطلاع ويكي» مفتوح المصدر طُوّر في أوائل العقد الثاني من القرن الحادي والعشرين، الردود المتسلسلة بالكامل: إذ يقدّم المشاركون عبارات قصيرة ويصوّتون بالموافقة أو الرفض أو التجاوز على عبارات الآخرين، ويستخدم البرنامج اختزال الأبعاد والتجميع لإظهار بنية الآراء. واعتمد عليه مجتمع التكنولوجيا المدنية في تايوان ضمن vTaiwan، وهي عملية تشاور مرتبطة بالحكومة. ومنذ 2022، أضافت نماذج اللغة الكبيرة (LLMs) القدرة على قراءة اللغة الطبيعية وكتابتها على نطاق واسع، ما يتيح التلخيص والإشراف عبر النصوص وصياغة عبارات توافقية مرشحة.

المنهج والمصادر

هذه مراجعة منظّمة للتجارب المحكّمة والأوراق الأولية والوثائق الأصلية الصادرة عن المنظمات التي تدير هذه العمليات. المصادر الرئيسية هي: أبحاث سمول وزملائه عن Polis (2021) وعن نماذج اللغة الكبيرة في Polis (2023)؛ وهسياو وزملائه عن vTaiwan (2018)؛ ووصف مشروع الذكاء الجماعي (Collective Intelligence Project) لجمعيات المواءمة لعام 2023؛ وهوانغ وزملائه عن الذكاء الاصطناعي الدستوري الجماعي (Collective Constitutional AI) (FAccT 2024) وتقرير أنثروبيك المرافق؛ ومختبر الديمقراطية التداولية ومعهد الذكاء الاصطناعي المتمحور حول الإنسان في ستانفورد بشأن منصة المداولات عبر الإنترنت؛ وتيسلر وزملائه في Science (2024)؛ وأرغايل وزملائه في PNAS (2023)؛ وبشأن المخاطر، جاكش وزملائه (CHI 2023)، وكوستيلو وبينيكوك وراند (Science 2024)، وهاكنبرغ ومارجيتس (PNAS 2024)، وسالفي وزملائه (Nature Human Behaviour 2025)، ودوشي وهوزر (Science Advances 2024). ويشير النص إلى الحالات التي تكون فيها المنظمة القائمة على العملية هي نفسها الجهة التي تقيّمها.

النتائج

رسم خريطة الآراء: Polis وvTaiwan

يصف سمول وزملاؤه Polis بأنه تطبيق ويب مفتوح المصدر «قادر على جمع ملاحظات الناس وتركيبها بطريقة قابلة للتوسع وموزعة»، ويذكرون أنه بنى فهماً مشتركاً، وردع التصيّد، وأظهر نقاط التوافق في الصحافة والبحوث الأكاديمية وهيئات صنع القرار على المستويين المحلي والوطني. ويتمثل خيار التصميم الأهم في غياب الردود: فلا يستطيع المشاركون مهاجمة بعضهم بعضاً مباشرة، ويكافئ البرنامج العبارات التي تحظى بالموافقة عبر مجموعات الآراء، لا داخل مجموعة واحدة فحسب.

جمع vTaiwan، الذي أُطلق في 2014، بين Polis والاجتماعات المفتوحة والمشاورات المنقولة بالبث المباشر ومشاركة المسؤولين. ووثّق هسياو ولين وتانغ ونارايانان وساراهي العملية، بدءاً من المقترح وجمع الآراء مروراً بالتأمل وانتهاءً بالتشريع، واتخذوا مشاورة UberX لعام 2015 دراسة حالة، إذ أفضى «توافق تقريبي» بين السائقين ومشغّلي سيارات الأجرة والركاب والمسؤولين إلى تنظيم. وأصبحت أودري تانغ، المشاركة في vTaiwan ثم وزيرة الشؤون الرقمية في تايوان، أبرز المدافعين عن هذا النهج.

هناك حدّان موثّقان جيداً في الأدبيات المتعلقة بـvTaiwan. فقد اعتمدت نتائجها على اختيار الوزارات المشاركة واتخاذها إجراءات؛ ولم تكن للعملية قوة مُلزمة. كما أن المشاركة كانت ذاتية الاختيار: إذ كانت مفتوحة للجميع، وهذا يختلف عن أن تكون ممثّلة للجميع.

تيسير النقاش: الإشراف الآلي

أنشأ مختبر الديمقراطية التداولية وفريق الديمقراطية الجماهيرية في ستانفورد منصة المداولات عبر الإنترنت لإجراء نقاشات بالفيديو ضمن مجموعات صغيرة. ووفقاً لوصف معهد الذكاء الاصطناعي المتمحور حول الإنسان في ستانفورد لعام 2020، يدير المشرف الآلي قائمة انتظار المشاركين الراغبين في التحدث، ويحدّ كل مداخلة بـ45 ثانية، ويدير جدول أعمال محدد التوقيت، ويسأل المجموعة إن كانت تريد الاستمرار أم الانتقال إلى البند التالي، ويحث المشاركين قليلي الكلام على المشاركة، ويفرّغ الكلام ويقيّمه من حيث السمية باستخدام واجهة برمجة التطبيقات Perspective من Google؛ وإذا تجاوز أحد المتحدثين عتبة محددة، يُستطلع رأي المشاركين الآخرين، وإذا وافق معظمهم، يُكتم صوت المتحدث لبضع دقائق. وأقرّ المطورون بأنه لا يستطيع قراءة لغة الجسد أو استشعار الموضوعات الحساسة كما يفعل مشرف بشري.

أفادت الصفحة الخاصة بالمنصة في 2026 بأنها تعمل بأكثر من 40 لغة واستخدمت في أكثر من 40 بلداً، وأن لديها أكثر من 50,000 مستخدم فريد وأكثر من 100,000 ساعة من المداولات. ومن أمثلتها:

• منتدى مجتمع ميتا بشأن الذكاء الاصطناعي التوليدي، 28-29 October 2023: تداول 1,545 مشاركاً من مجموعات مختارة بأساليب أخذ العينات العلمية في البرازيل وألمانيا وإسبانيا والولايات المتحدة بشأن الذكاء الاصطناعي التوليدي؛ وعُقد منتدى آخر في October 2024 تناول وكلاء الذكاء الاصطناعي.
• الاستطلاع التداولي في تايوان بشأن استخدام الذكاء الاصطناعي لتعزيز نزاهة المعلومات، 23 March 2024: ناقش 447 مواطناً تايوانياً، بتنظيم من وزارة الشؤون الرقمية ومختبر الديمقراطية التداولية في ستانفورد والجامعة الوطنية يانغ مينغ تشياو تونغ، التنظيم الذاتي للمنصات مقابل الإشراف الحكومي، وكيف ينبغي للمنصات الكبرى استخدام الذكاء الاصطناعي لمكافحة المعلومات الزائفة والتزييف العميق.

نشر مطورو المنصة تقييماً واحداً. حلّل غيلوف وزملاؤه استطلاعات الرأي ومقاييس المشاركة من استطلاع تداولي ياباني أُجري باستخدام المنصة، وذكروا أن أداءها كان مماثلاً لأداء مداولة سابقة وجاهية أدارها مشرف بشري حول موضوع شديد الشبه، مع أدلة أولية على مشاركة أكثر تكافؤاً بين الجنسين وإنصاف مماثل عبر مستويات الدخل والتعليم. والمقارنة بين فعاليتين منفصلتين، لا تجربة عشوائية، كما أجراها الفريق الذي أنشأ الأداة.

استخدمت تجربة ذات صلة أجراها أرغايل وزملاؤه نموذجاً لغوياً كبيراً لاقتراح إعادة صياغة الرسائل في الوقت الفعلي ضمن محادثات عبر الإنترنت حول موضوع خلافي، بهدف جعل الطرف الآخر يشعر بأن كلامه مفهوم. وحسّنت التدخلات جودة المحادثة المبلّغ عنها و«المعاملة بالمثل الديمقراطية»، كما حسّنت النبرة، «من دون تغيير محتوى المحادثة بصورة منهجية أو تحريك المواقف السياسية للناس». وهذا عون أضيق نطاقاً من الإشراف، لكنه يبيّن أن تدخلات الذكاء الاصطناعي المحدودة يمكن أن تغيّر طريقة حديث الناس من دون تغيير ما يعتقدونه.

تركيب الآراء: آلة هابرماس

درّب تيسلر وزملاؤه في Google DeepMind نظامًا قائمًا على نموذج لغوي كبير، أطلقوا عليه اسم آلة هابرماس، للوساطة في المداولات الجماعية في المملكة المتحدة. كتب المشاركون آراءهم بشأن مسألة اجتماعية أو سياسية؛ وصاغ الذكاء الاصطناعي بيانًا جماعيًا؛ وانتقده المشاركون؛ ثم أنتج الذكاء الاصطناعي بيانات منقّحة؛ وصنّف المشاركون النتائج. في تجارب شملت 5,734 مشاركًا، فضّل الناس البيانات التي أنتجها الذكاء الاصطناعي على تلك التي صاغها وسطاء بشريون، وقيّموها بأنها أكثر إفادة ووضوحًا وحيادًا. وكثيرًا ما حدّث المتناقشون آراءهم بعد المداولة، وتقاربوا نحو منظور مشترك. وأظهر تحليل تمثيلات النصوص أن البيانات الناجحة استوعبت الأصوات المخالفة مع احترام موقف الأغلبية. وأُعيدت نتائج الدراسة في جمعية افتراضية للمواطنين، باستخدام عينة ممثلة ديموغرافيًا لسكان المملكة المتحدة.

تُعد الدراسة أقوى دليل مضبوط على قدرة الذكاء الاصطناعي على أداء وظيفة «الأرضية المشتركة» التي يضطلع بها الميسّر. ولها أيضًا حدود مهمة. فالعملية تجري كتابةً لا شفهيًا؛ ولم يتداول المشاركون مباشرةً بعضهم مع بعض؛ وحُسّن النظام لإنتاج بيانات تؤيدها المجموعات، وهو ما لا يعادل إنتاج بيانات صحيحة أو حكيمة؛ كما أن التقارب الذي يحققه قد يتحول، في أيدٍ أخرى، إلى أداة لصناعة القبول.

تجميع المدخلات لصالح الذكاء الاصطناعي نفسه: جمعيات المواءمة والذكاء الاصطناعي الدستوري الجماعي

أدار مشروع الذكاء الجماعي (CIP) سلسلة من «جمعيات المواءمة» في 2023 لإدراج مدخلات الجمهور في القرارات المتعلقة بالذكاء الاصطناعي: تجربة أولية مرتبطة بقمة الديمقراطية (مارس 2023)؛ وتمرين لتصنيف المخاطر مع OpenAI (يونيو 2023)؛ وعملية مع وزارة الشؤون الرقمية في تايوان، كيّفت vTaiwan لطرح سؤال حول كيفية استجابة السياسات الحكومية للذكاء الاصطناعي التوليدي، في موضوعات شملت حقوق النشر والتعويض والتحيز والخدمات العامة (يوليو 2023)؛ والذكاء الاصطناعي الدستوري الجماعي مع Anthropic (أكتوبر 2023)؛ ومشاورة لصالح Creative Commons حول استخدام الأعمال المرخّصة في تدريب الذكاء الاصطناعي.

الذكاء الاصطناعي الدستوري الجماعي هو الأكثر توثيقًا. استخدم نحو 1,000 بالغ أمريكي، اختيروا بما يعكس السكان من حيث العمر والنوع الاجتماعي والدخل والجغرافيا، وخضعوا لفحص للتأكد من إلمامهم الأساسي بالذكاء الاصطناعي، منصة Polis لتقديم مبادئ لمساعد ذكاء اصطناعي والتصويت عليها. وقدّموا 1,127 بيانًا وأدلوا بـ 38,252 صوتًا. وأُبقي على البيانات التي حظيت بتوافق في كلتا مجموعتي الآراء اللتين حددتهما Polis؛ وحذف CIP البيانات التي تنطوي على كراهية أو التكرار أو عدم الصلة، فتبقى 275 بيانًا، دُمجت وأعيدت صياغتها في الشكل المستخدم في تدريب الذكاء الاصطناعي الدستوري لدى Anthropic. وتقاطعت مسودة الدستور العام مع مسودة Anthropic الخاصة في المفاهيم والقيم بنحو النصف، وأولت وزنًا أكبر للموضوعية وإمكانية الوصول، ومالت إلى تعزيز السلوك المرغوب بدلًا من حظر السلوك غير المرغوب.

المصدر: هوانغ وزملاؤه (2024) وتقرير Anthropic/CIP (أكتوبر 2023).

يسرد المؤلفون التحفظات بأنفسهم: عينة صغيرة تقتصر على الولايات المتحدة؛ وأحكام تقديرية ذاتية عند تحويل البيانات إلى مبادئ؛ وتقييمات محدودة وأولية؛ وعملية تدريب اتضح أنها أكثر تعقيدًا مما كان متوقعًا. وكانت العملية أيضًا تشاورية بمعنى قوي: إذ قررت الشركة إجراءها، واختارت السؤال، وأشرفت على البيانات، وقررت ما ستفعله بالنتيجة.

القواسم المشتركة بين التطبيقات

لم تكن أي من هذه العمليات مُلزِمة لهيئة تشريعية أو شركة. لذا، تتعلق الأدلة بما إذا كان الذكاء الاصطناعي يحسّن تجربة المداولة وجودة المخرجات، لا بما إذا كان يغيّر طريقة ممارسة السلطة.

المخاطر: التوجيه والإقناع والتجانس

إن القدرات التي تجعل الذكاء الاصطناعي مفيدًا في المداولة تجعله خطرًا محتملًا عليها.

• الإقناع الكامن. طلب جاكيش وزملاؤه من 1,506 مشاركين كتابة منشور عن مدى جودة وسائل التواصل الاجتماعي للمجتمع، واستخدم بعضهم مساعدًا للكتابة بالذكاء الاصطناعي مهيأً للدفاع عن أحد الجانبين. أدى استخدام المساعد ذي التوجه الواضح إلى تغيير الآراء المعبر عنها في الكتابة ومواقف المشاركين في استطلاع لاحق. ويمكن لميسّر أو ملخّص منحاز بطبيعته أن يوجّه مجموعة من دون أن يلاحظ أحد ذلك.
• القوة الإقناعية. أجرى كوستيلو وبينيكوك وراند حوارات شخصية قائمة على الأدلة مع GPT-4 Turbo مع 2,190 شخصًا يؤمنون بنظريات المؤامرة؛ فانخفض الإيمان بها بنحو 20% واستمر الأثر شهرين على الأقل. ووجد سالفي وزملاؤه أن المناظرين باستخدام GPT-4، ممن توفرت لديهم معلومات أساسية عن الخصائص الاجتماعية والديموغرافية لخصومهم، كانوا أكثر إقناعًا من المناظرين البشر في 64.4% من الحالات التي لم يكن فيها الطرفان متساويين في الإقناع (N=900). ووجد هاكنبرغ ومارجيتس، في تجربة مسجلة مسبقًا شملت 8,587 مشاركًا، أن رسائل GPT-4 كانت مقنعة بوجه عام في القضايا السياسية، لكن لم تظهر أفضلية ذات دلالة إحصائية للاستهداف الدقيق. لهذه النتائج وجهان: فالذكاء الاصطناعي قادر على تصحيح المعتقدات الخاطئة، كما يمكنه تغيير المعتقدات الصحيحة.
• التجانس. وجد دوشي وهوزر أن الكتّاب الذين تلقوا أفكارًا لقصص من نموذج لغوي كبير (LLM) أنتجوا قصصًا قُيّمت بأنها أكثر إبداعًا وأفضل كتابة، لكنها كانت أشد تشابهًا بعضها مع بعض من القصص المكتوبة من دون ذكاء اصطناعي. وفي المداولات، يتمثل الخطر المناظر في تقارب البيانات التي يصوغها الذكاء الاصطناعي نحو مركز باهت وإقصائها الأطر التي تتبناها الأقليات، حتى حين يشعر كل مشارك بأنه ممثّل على نحو أفضل.
• الغموض والتحكم. أظهر العمل التجريبي الأولي لسمول وزملائه بشأن استخدام النماذج اللغوية الكبيرة في Polis أن التلخيص والإشراف يمكن أن يجعلا المحادثات أكثر كفاءة، لكن محدودية كمية النص التي يستطيع النموذج معالجتها أثّرت «بشكل ملحوظ» في عمق النتائج وجودتها، وحددوا مخاطر تستلزم وضع مبادئ لتوصيفها والحد منها. فاختيار النموذج وتعليماته وبيانات تدريبه كلها عوامل تشكّل المخرجات.

ما لا تثبته الأدلة

• الآثار على القرارات. لا تقيس أي دراسة مستعرضة هنا ما إذا كانت المداولات المدعومة بالذكاء الاصطناعي قد أفضت إلى سياسة أفضل، أو غيّرت ما قامت به حكومة أو شركة، مقارنةً بعملية لا تستخدم الذكاء الاصطناعي.
• الشرعية لدى غير المشاركين. قاست آلة هابرماس والذكاء الاصطناعي الدستوري الجماعي تفضيلات المشاركين. ولم يُختبر ما إذا كان الجمهور الأوسع سيقبل بيانًا لأن الذكاء الاصطناعي ساعد في صياغته؛ وتشير استطلاعات اتجاهات الجمهور إلى التشكيك في الذكاء الاصطناعي بوصفه صانعًا للقرارات الحكومية.
• الإشراف الآلي مقابل الإشراف البشري. المقارنة المنشورة الوحيدة بين المشرف الآلي في ستانفورد والإشراف البشري، التي أعدّها مطوّروه، تقارن بين استطلاع تداولي واحد عبر الإنترنت وفعالية سابقة أُقيمت حضوريًا؛ ولم تُنشر مقارنات عشوائية.
• الاستدامة. قِيست التغيرات في المواقف على مدى ساعات أو، في أقصى تقدير، أسابيع؛ ولا يُعرف ما إذا كان التقارب يستمر.
• التعميم عبر الثقافات. أُجريت معظم التجارب في الولايات المتحدة والمملكة المتحدة، باللغة الإنجليزية، باستخدام عينات عبر الإنترنت.

الآثار المترتبة على تصميم المؤسسات

1. أبقوا الذكاء الاصطناعي في دور الميسّر، لا متخذ القرار. رسم الخرائط والإشراف والصياغة وسائل مساعدة؛ وينبغي أن يظل إقرار المشاركين، واتخاذ الهيئات الخاضعة للمساءلة للقرارات.
2. افصلوا بين مالك الأداة وأصحاب المصلحة في القضية. ينبغي ألا تتحكم الشركة التي تدير مداولة بشأن منتجها، أو الحكومة التي تدير مداولة بشأن سياستها، في الوقت نفسه في النموذج الذي يصوغ التوافق.
3. انشروا إعدادات النظام. ينبغي أن تكون التعليمات وإصدار النموذج وقواعد الإشراف وكيفية تحويل البيانات الأولية إلى مخرجات متاحةً وقابلةً للتدقيق، كما هو الحال جزئيًا في الشفرة مفتوحة المصدر لـPolis ووثائق CIP.
4. احموا الأطر التي تتبناها الأقليات. اشترطوا أن تعرض مخرجات التوليف المواقف المخالفة وحجم المجموعات التي تتبناها، بدلًا من بيان واحد عن «القواسم المشتركة».
5. اختبروا التوجيه. أجروا عمليات مدعومة بالذكاء الاصطناعي مقابل ضوابط عشوائية (التيسير البشري، وعدم التلخيص)، وقيسوا تغير المواقف، لا الرضا فحسب.
6. اجمعوا ذلك بالاختيار بالقرعة. يخفض الذكاء الاصطناعي التكلفة لكل مشارك؛ ويحقق الاختيار العشوائي التمثيل. ويبيّن منتدى ميتا لعام 2023 والاستطلاع التداولي في تايوان لعام 2024 إمكانية الجمع بين الأمرين.

أسئلة مفتوحة

• هل ستستخدم جمعية للمواطنين ذات صلاحيات ملزمة أداة صياغة بالذكاء الاصطناعي، وكيف سيتحقق أعضاؤها مما فعلته الأداة؟
• هل يمكن للمجموعات المنسقة التلاعب بخوارزميات «التجسير» التي تكافئ الاتفاق بين المجموعات، مثلما حدث مع أنظمة ترتيب أخرى؟
• هل ينبغي أن تتضمن مخرجات المداولات المدعومة بالذكاء الاصطناعي إفصاحًا، وهل يغيّر الإفصاح طريقة تلقيها؟
• من ينبغي أن يعتمد نموذجًا للمداولات باعتباره محايدًا، ووفق أي معيار؟
• إذا كان الذكاء الاصطناعي قادرًا على الحد من المعتقدات الخاطئة عبر الحوار، فهل ينبغي للمؤسسات العامة نشره، وما الضمانات اللازمة لمنع استخدامه في المناصرة؟

المصادر

1. Small, C., Bjorkegren, M., Erkkilä, T., Shaw, L. وMegill, C. (2021). Polis: Scaling Deliberation by Mapping High Dimensional Opinion Spaces. Recerca. Revista de Pensament i Anàlisi 26(2).
2. Hsiao, Y. T., Lin, S.-Y., Tang, A., Narayanan, D. وSarahe, C. (2018). vTaiwan: An Empirical Study of Open Consultation Process in Taiwan. SocArXiv.
3. Small, C. T., Vendrov, I., Durmus, E., Homaei, H., Barry, E., Cornebise, J., Suzman, T., Ganguli, D. وMegill, C. (2023). Opportunities and Risks of LLMs for Scalable Deliberation with Polis. arXiv:2306.11932.
4. Tessler, M. H., Bakker, M. A., Jarrett, D., Sheahan, H., Chadwick, M. J., Koster, R. والزملاء (2024). AI can help humans find common ground in democratic deliberation. Science 386(6719), eadq2852.
5. Huang, S., Siddarth, D., Lovitt, L., Liao, T. I., Durmus, E., Tamkin, A. وGanguli, D. (2024). Collective Constitutional AI: Aligning a Language Model with Public Input. في Proceedings of the 2024 ACM Conference on Fairness, Accountability, and Transparency، ص. 1395-1417.
6. Anthropic and Collective Intelligence Project (2023). Collective Constitutional AI: Aligning a Language Model with Public Input، 17 October 2023.
7. Collective Intelligence Project. Alignment Assemblies.
8. Stanford Deliberative Democracy Lab. Online Deliberation Platform.
9. Stanford HAI (2020). A Moderator ChatBot for Civic Discourse، 6 February 2020.
10. Stanford Deliberative Democracy Lab. Meta Community Forum on Generative AI: results (منتدى October 2023).
11. Stanford Deliberative Democracy Lab. Taiwan Deliberative Poll on Utilizing AI to Enhance Information Integrity (23 March 2024).
12. Argyle, L. P., Bail, C. A., Busby, E. C., Gubler, J. R., Howe, T., Rytting, C., Sorensen, T. وWingate, D. (2023). Leveraging AI for democratic discourse: Chat interventions can improve online political conversations at scale. PNAS 120(41), e2311627120.
13. Jakesch, M., Bhat, A., Buschek, D., Zalmanson, L. وNaaman, M. (2023). Co-Writing with Opinionated Language Models Affects Users' Views. في Proceedings of the 2023 CHI Conference on Human Factors in Computing Systems.
14. Costello, T. H., Pennycook, G. وRand, D. G. (2024). Durably reducing conspiracy beliefs through dialogues with AI. Science 385(6714), eadq1814.
15. Hackenburg, K. وMargetts, H. (2024). Evaluating the persuasive influence of political microtargeting with large language models. PNAS 121(24), e2403116121.
16. Salvi, F., Horta Ribeiro, M., Gallotti, R. وWest, R. (2025). On the conversational persuasiveness of GPT-4. Nature Human Behaviour 9(8), 1645-1653.
17. Doshi, A. R. وHauser, O. (2024). Generative AI enhances individual creativity but reduces the collective diversity of novel content. Science Advances 10(28), eadn5290.
18. Gelauff, L., Nikolenko, L., Sakshuwong, S., Fishkin, J., Goel, A., Munagala, K. وSiu, A. (2023). Achieving parity with human moderators: A self-moderating platform for online deliberation. في The Routledge Handbook of Collective Intelligence for Democracy and Governance. Routledge.