الجينوم المعرفي للذكاء الجمعي: دليل لبناء نظم ذكية عبر إعادة تركيب عناصر الذكاء التعاوني بحسب طبيعة العمل

توماس دبليو. مالون، روبرت لاوباشر، وكريسانثوس ديلاروكاس

جوجل. ويكيبيديا. ثريدلس (Threadless). جميعها نماذج حية للذكاء الجماعي في التطبيق، اثنان منها مشهوران، أما الثالث فهو في طريقه إلى الشهرة.

كل واحد من هذه الأمثلة يُظهر كيف يمكن لمجموعات كبيرة من الناس، منظَّمة بشكل غير محكم، أن تعمل معًا إلكترونيًّا بطرق فعالة على نحو مدهش وأحيانًا حتى دون أن يدرك الأفراد أنهم يعملون معًا، كما في حالة جوجل. إذ يستفيد جوجل من الأحكام التي يصدرها ملايين الأشخاص أثناء إنشائهم للروابط إلى صفحات الإنترنت، ويوظف تلك المعرفة الجمعية حول الويب بأكمله ليقدم إجابات ذكية بشكل مذهل للأسئلة التي نكتبها في شريط البحث الخاص بجوجل.

أما في ويكيبيديا، فقد أسهم آلاف المشاركين من مختلف أنحاء العالم في إنشاء أكبر موسوعة في العالم بشكل جماعي، بمقالات ذات جودة عالية بشكل لافت، وقد تم تطوير ويكيبيديا مع وجود قدر ضئيل جدًّا من التحكم المركزي؛ إذ يمكن لأي شخص أن يغيّر تقريبًا أي شيء، وتُتخذ القرارات بشأن التعديلات التي يُحتفظ بها عبر توافق مرن بين المهتمين، والأهم من ذلك، أن الأشخاص الذين يقومون بهذا العمل لا يتقاضون أجرًا؛ فهم متطوعون.

وفي ثريدلس (Threadless)، يمكن لأي شخص أن يصمم قميصًا (T-shirt)، ويقدم هذا التصميم لمسابقة أسبوعية، ثم يقوم بتقييم التصاميم المفضلة لديه، ومن بين المشاركات التي تحصل على أعلى التقييمات، تختار الشركة التصاميم الفائزة، وتشرع في إنتاجها وتمنح الجوائز والحقوق المالية للمصممين الفائزين، وبهذه الطريقة، توظف الشركة الذكاء الجماعي لمجتمع يزيد على 500,000 شخص لتصميم القمصان واختيارها.

إن هذه الأمثلة للذكاء الجماعي المدعوم بالويب تلهم القارئ عند الاطلاع عليها، بل وأكثر من ذلك؛ فقد أصبحت تبدو كأنها تحقيق لأمنيات الإدارة دليل على أن تبني الذكاء الجماعي بشكل جاد هو كل ما يتطلبه الأمر حتى تتمكن الشركة من استشراف رغبات السوق، وابتكار ما يلبي تلك الرغبات بدقة، وكل ذلك بتكلفة زهيدة أو دون تكلفة تذكر. دع الحشد ينجز عملك نيابة عنك بشكل رخيص، ومتقن، وفوري.

لكن في الواقع، ربما أصبح الذكاء الجماعي يبدو أقرب إلى السحر في نظر كثير من المديرين، فالسحر جميل، كما قد يقول المدير، لكنه شديد الصعوبة في التقليد، وإذا كان الذكاء الجماعي وسيلة قوية لإنجاز الأعمال في عصر حكمة الحشود واقتصاديات الويكي (wikinomics)، فلماذا لا تستفيد المزيد من الشركات منه؟

نعتقد أن الجواب هو أنهم لا يعرفون الكيفية. للاستفادة من الإمكانيات الجديدة التي تمثلها تلك الأمثلة الملهمة، لا يكفي النظر إليها كمجموعة غامضة من الأفكار “الرائعة”، فلكي نفتح إمكانات الذكاء الجماعي، يحتاج المديرون إلى فهم أعمق لكيفية عمل هذه الأنظمة، إنهم بحاجة إلى العلم الذي ينتج عنه السحر، لا إلى السحر ذاته.

في عملنا بمركز الذكاء الجماعي (Center for Collective Intelligence) بمعهد ماساتشوستس للتكنولوجيا (MIT)، جمعنا ما يقرب من 250 مثالًا للذكاء الجماعي المدعوم بالويب. وعند النظرة الأولى، فإن أكثر ما يلفت الانتباه في هذه المجموعة هو تنوعها، إذ تعرض الأنظمة مجموعة واسعة جدًّا من الأهداف والطرق. لكن بعد دراسة هذه الأمثلة بعمق، حددنا مجموعة صغيرة نسبيًّا من اللبنات الأساسية التي يتم جمعها وإعادة جمعها بطرق مختلفة في أنظمة الذكاء الجماعي المتنوعة. ولتصنيف هذه اللبنات الأساسية، نستخدم أربعة أسئلة:

ما الذي يُنجز؟

من الذي ينجزه؟

لماذا يُنجز؟

كيف يُنجز؟

(هذا الإطار مشابه للأطر التي تم تطويرها في مجال تصميم المنظمات، وأبعاده مهمة في تصميم أي نظام للعمل الجماعي، سواء كان منظمة تقليدية أو نوعًا جديدًا من المجموعات المتصلة إلكترونيًّا). وباستخدام تشبيه من علم الأحياء، نطلق على هذه اللبنات الأساسية اسم “جينات” (genes) أنظمة الذكاء الجماعي. ونعرّف الجين بأنه إجابة محددة على أحد الأسئلة الرئيسية (ماذا، من، لماذا، أو كيف) المتعلقة بمهمة واحدة في نظام الذكاء الجماعي، وكما تتطور الكائنات الحية من جيناتها، فإن هذه الجينات التنظيمية هي العناصر الجوهرية التي تُبنى منها أنظمة الذكاء الجماعي، ويمكن عدّ مجموعة الجينات المرتبطة بمثال محدد للذكاء الجماعي بمثابة “الجينوم” (genome) لذلك النظام.

في هذا المقال، سنقدم إطارًا جديدًا لفهم هذه الأنظمة والأهم من ذلك، لفهم كيفية بنائها، فهو يحدد اللبنات الأساسية الكامنة”الجينات” التي تقع في صميم أنظمة الذكاء الجماعي، كما يستكشف الظروف التي يكون فيها كل جين مفيدًا، ويبدأ في اقتراح إمكانيات الجمع وإعادة الجمع بين هذه الجينات، ليس فقط للاستفادة من الحشود بشكل عام، بل أيضًا لتوظيفها بالطريقة التي تحتاجها منظمتك تحديدًا.

خطوات نحو جينوم شهير

تخيل أنّ السنة هي 1991م، وأنك لينوس تورفالدس، طالب جامعي في جامعة هلسنكي. لقد كتبت للتو نواة نظام تشغيل بدائي لأجهزة الحاسوب الشخصية، وأنت الآن تفكر فيما يجب أن تفعله بعد ذلك، لم تكن تعلم حينها، لكن القرارات التي أنت على وشك اتخاذها ستقود إلى نشوء مجتمع يضم آلاف المبرمجين المتطوعين من جميع أنحاء العالم، سيعملون على تطوير ما يُعرف لاحقًا باسم “لينكس” (Linux)، أحد أهم أنظمة تشغيل الحواسيب في مطلع القرن الحادي والعشرين. وسيُحتفى بك قائدًا لأول مجتمع كبير لتطوير البرمجيات “مفتوحة المصدر” (open source) كنموذج أولي لنوع جديد من الذكاء الجمعي.

والآن تخيل شيئًا آخر: تخيل أنك أثناء اتخاذ قراراتك، لديك اطلاع على جميع المفاهيم الواردة في هذا المقال. بطبيعة الحال، لم يكن لدى لينوس تورفالدس هذه المعرفة فعلًا، وربما فاجأه نجاح قراراته، ولكن، لو أمكنك الاستفادة من مفاهيم هذا المقال لتصميم مجتمع مفتوح المصدر عن وعي، كما فعل تورفالدس، فكيف كنت ستفعل ذلك؟

أولًا، ستسأل نفسك: ما النشاط الأساسي الذي أريد إنجازه؟ كما سنرى أدناه، هناك جينان أساسيان للإجابة عن هذا السؤال (“الإبداع” و”اتخاذ القرار” – Create and Decide)، وفي هذه الحالة ستختار “الإبداع” (Create)، أي كتابة شيفرة برمجية لنظام تشغيل حاسوبي جديد.

السؤال التالي الذي ستطرحه: من سيقوم بذلك؟ الجينان الأساسيان للإجابة عن هذا السؤال هما ما سنسميه “التسلسل الهرمي” (Hierarchy) و”الجمهور” (Crowd)، وإجابتك عن هذا السؤال أي في هذه الحالة، إجابة تورفالدس هي ما سيجعل جهودك مميزة للغاية، فبدلًا من تعيين أشخاص معينين لتنفيذ أجزاء مختلفة من تطوير البرمجيات كما في التسلسلات الهرمية التقليدية، تقرر أن تجعل برنامجك متاحًا مجانًا عبر الإنترنت، وتسمح لأي شخص يرغب في إضافة أو تعديل أي جزء من البرمجيات كما يشاء، بعبارة أخرى، تقرر أن تتيح لجمهور واسع من مستخدمي الإنترنت تطوير أجزاء متنوعة من البرنامج.

ولماذا قد ترغب في اختيار خيار “الجمهور” (Crowd)؟ في حالة لينوس تورفالدس، ببساطة لم يكن لديك خيار آخر: فلا تملك الوقت الكافي للقيام بذلك بنفسك، ولا المال لتوظيف آخرين، وفي الوقت ذاته، تدرك بشكل صحيح أن هناك عددًا كافيًا من المبرمجين المهرة حول العالم، القادرين على إنجاز ذلك بشكل جماعي إذا تم تحفيزهم بالشكل المناسب.

هذا يقودنا بطبيعة الحال إلى السؤال التالي: لماذا سيقوم الناس بذلك؟ بما أنك لا تستطيع الاستعانة بما سنسميه “جين المال” (Money gene)، فعليك أن تلجأ إلى دوافع أخرى، وهي ما سنسميه “جين المحبة” و”جين المجد” (Love and Glory genes). فعلى سبيل المثال، استخدم تورفالدس نبرة مرحة في العديد من رسائله الإلكترونية، مستثيرًا رغبة الناس في الاستمتاع بكتابة هذا البرنامج كهواية، بالإضافة إلى ذلك، أصبح الانخراط الفعّال في مشروع مرئي كهذا بسرعة دليلًا على المهارة البرمجية، وبالتالي مصدرًا مرموقًا للمكانة والمجد لدى كثير من المبرمجين.

وأخيرًا، عليك أن تطرح السؤال: كيف سينجز الناس هذا العمل؟ في الإجابة عن هذا السؤال، تدرك بصفتك منشئ لينكس أن أجزاء البرنامج التي سيقوم الناس بإنشائها ليست مستقلة عن بعضها البعض، بل هناك ترابطات مهمة بين الأجزاء المختلفة، فعلى سبيل المثال، عندما تنقل إحدى وحدات البرنامج متغيرًا إلى وحدة أخرى، يجب أن تتفق الوحدتان على صيغة المتغير، وهذا يعني أن “جين الكيفية” (How gene) الذي ستحتاجه هو ما سنسميه “جين التعاون” (Collaboration gene).

وهنا تدرك أن هناك نقصًا بالغ الأهمية في تفكيرك حتى الآن. إذا كان بإمكان أي شخص كتابة أجزاء مختلفة من البرنامج، فكيف ستتأكد أن جزءًا معينًا من شخص لا تعرفه حتى يتمتع بجودة كافية؟ وبالقدر نفسه من الأهمية، كيف تضمن أن جميع الأجزاء المختلفة ستعمل معًا بشكل سليم؟

عادة ما يحتاج “جين التعاون” (Collaboration gene) إلى أن يُدمج مع جين واحد على الأقل من جينات “اتخاذ القرار” (Decide gene) لاختيار الأجزاء التي تتسم بهذه الخصائص، وبشكل خاص، بما أنك تريد من المجتمع بأسره أن يركز على نسخة أساسية واحدة من البرنامج (بدلًا من تشتيت الجهود بين نسخ متعددة)، ستحتاج إلى “جين القرار الجماعي” (Group Decision gene)، حيث يكون أعضاء المجموعة جميعهم ملتزمين بالقرارات نفسها حول ما يُدرج وما لا يُدرج. تدرس بإيجاز أنواعًا فرعية من “جين القرار الجماعي” مثل “التصويت” (Voting) حيث يمكن للجميع التصويت على الأجزاء التي ستُستخدم أو “الإجماع” (Consensus) حيث يمكن للجميع النقاش حتى يتفقوا جميعًا على الأجزاء التي ستُستخدم لكنك تقرر استخدام نوع بسيط من اتخاذ القرار الشائع في المؤسسات التقليدية وتعتقد أنه سينجح هنا: “جين التسلسل الهرمي” (Hierarchy gene). بعبارة أخرى، ستتخذ هذه القرارات بنفسك أو توكلها إلى أشخاص تثق بهم.

يمكنك أن تسمي هذا المزيج من الجينات “الجينوم الأساسي” (basic genome) لمجتمع لينكس.

وبالتأكيد، لم يتخذ تورفالدس هذه القرارات كلها بهذا الوعي، بل عبر مزيج من الحدس والتجربة والخطأ والحظ، وهذه هي قرارات التصميم التي اتخذها هو ومجتمع لينكس ضمنيًّا، والآن، بفضل هذه التجربة -والتجارب التي تجسدها أمثلة أخرى عديدة ملخصة في هذا المقال- يمكنك أن تكون أكثر منهجية في تصميم أمثلة للذكاء الجمعي تناسب وضعك الخاص.

جينات الذكاء الجمعي (The Genes of Collective Intelligence) وكيفية بناء جينوم خاص بك (How to Build a Genome of Your Own)

لاستخدام منهج الجينوم بشكل منهجي بحيث يمكنك بناء نظام الذكاء الجمعي (Collective Intelligence – CI) الذي يحقق بالضبط المهمة التي ترغب في إنجازها يستلزم الأمر تصنيفًا شاملًا للأنواع المختلفة من الجينات. في هذا المقال سنركز على الجينات الستة عشر الرئيسية (إذ تظهر جينات أخرى جديدة، وهناك أيضًا بعض الأنواع الفرعية للجينات)، والعوامل المؤثرة في اختيارها ضمن الجينوم. تصبح هذه الجينات الستة عشر أسهل فهمًا عندما ندرك أنها مصنفة ضمن فئات تحددها أربعة أسئلة محورية ينبغي على كل مصمم لجينوم الذكاء الجمعي طرحها: ما هو (WHAT)، من هو (WHO)، لماذا (WHY)، وكيف (HOW).

ما هو؟ (WHAT?)

السؤال الأول الذي يجب الإجابة عنه في أي نشاط هو: ما الذي يتم القيام به؟ في المؤسسات التقليدية، غالبًا ما يُشار إلى الجواب عن هذا السؤال بأنه الرسالة أو الهدف، وعلى مستوى أكثر تفصيلًا، يكون الجواب هو المهمة.

لأغراضنا هنا، يمكن اختزال العديد من المهام التنظيمية التي تواجهها أنظمة الذكاء الجمعي إلى جينين أساسيين:

الابتكار (Create). في هذا الجين، يقوم الفاعلون في النظام بإنتاج شيء جديد ككتابة شيفرة برمجية، أو تدوينة، أو تصميم قميص.

اتخاذ القرار (Decide). في هذا الجين، يقوم الفاعلون بتقييم البدائل واختيار أحدها كأن يقرروا ما إذا كان ينبغي تضمين وحدة جديدة في الإصدار القادم من نظام لينكس، أو اختيار أي تصميم قميص سيتم تصنيعه، أو تقرير ما إذا كان ينبغي حذف مقالة في ويكيبيديا.

تحديد هدفك الأساسي يحدد أي هذين الجينين تبدأ به، لكن في الجينوم الكامل لإنجاز مهمة ما، غالبًا ما تحتاج إلى واحد على الأقل من كل نوع، فجينة الابتكار تحتاج غالبًا إلى جينة اتخاذ القرار لاختيار أي من المنتجات المبتكرة سيتم الاحتفاظ به، وجينة اتخاذ القرار تحتاج عادة إلى جينة الابتكار لتوليد الخيارات التي يجري النظر فيها.

من هو؟ (WHO?)

السؤال التالي الذي يجب الإجابة عنه هو: من الذي يتولى تنفيذ النشاط؟ هنا، يوجد جينان أساسيان:

التسلسل الهرمي (Hierarchy)؛ في المؤسسات الهرمية التقليدية، عادةً ما يُجاب عن هذا السؤال عندما يقوم شخص ذو سلطة بتكليف شخص أو مجموعة معينة بتنفيذ المهمة. فعلى سبيل المثال، كما رأينا أعلاه، يستخدم لينوس تورفالدس ومساعدوه جينة التسلسل الهرمي عند اتخاذ قرار بشأن أي من الوحدات المقدمة من الناس سيتم تضمينها فعليًّا في الإصدار القادم من البرمجية.

الحشد (Crowd)؛ باستخدام جينة الحشد، يمكن لأي فرد من مجموعة كبيرة أن يشارك في النشاط إذا أراد ذلك، دون الحاجة إلى تكليف من شخص في موقع سلطة، فعلى سبيل المثال، كما رأينا، يمكن لأي شخص يرغب في ذلك أن يقدم وحدة ليتم النظر في تضمينها في نظام لينكس.

مع أن الحشود قامت ببعض الأمور، مثل التصويت في الانتخابات، منذ زمن بعيد، إلا أن وسائل الاتصال الإلكتروني منخفضة التكلفة التي أتاحها الإنترنت جعلت من الممكن للحشود أن تقوم بعدد أكبر بكثير من الأنشطة أكثر من أي وقت مضى.

فعلى سبيل المثال، يمكن لأي شخص أن ينشئ رابطًا لصفحة ويب، وكل رابط جديد يصبح جزءًا من قاعدة البيانات التي تستخدمها Google للإجابة عن الاستفسارات، ويمكن لأي شخص أن يقترح مقالة جديدة أو يعدل مقالة موجودة في ويكيبيديا، ويمكن لأي شخص أن يقدم تصميمًا لقميص إلى Threadless أو يصوت على التصاميم المقدمة.

الاعتماد على جينة الحشد يُعد سمة مركزية في أنظمة الذكاء الجمعي المُمكنة عبر الإنترنت. في الواقع، كل الأمثلة التي درسناها تتضمن على الأقل حالة واحدة من جينة الحشد أي مهمة واحدة على الأقل يمكن لأي شخص يرغب في المشاركة فيها.

كيفية الاختيار بين التسلسل الهرمي والحشد

السبب الأهم لاستخدام جينة الحشد هو الاستفادة من مجموعة أكبر بكثير من الأشخاص مما هو ممكن بغير ذلك، وهذا يعني أن جينة الحشد تكون أكثر فائدة في الحالات التي (أ) يمتلك فيها العديد من الأشخاص الموارد والمهارات اللازمة لأداء النشاط أو (ب) لا تعرف مسبقًا من يمتلك هذه الموارد والمهارات. ومع أن هذه الخصائص لا تنطبق على جميع الأنشطة، إلا أنها صحيحة في حالات أكثر مما نفترض عادة، ففي العقود الماضية، على سبيل المثال، عندما كانت معدات تسجيل وتحرير الفيديو باهظة الثمن بحيث لا تستطيع سوى بعض الشركات الكبرى امتلاكها، كان من المنطقي أن تتم إدارة إنتاج الأفلام والمسلسلات التلفزيونية بشكل هرمي من قبل استوديوهات السينما وشبكات التلفزيون، لكن الأفكار الإبداعية لطالما كانت موزعة على نطاق واسع بين الناس، والآن، بعدما أصبح بإمكان كثيرين امتلاك كاميرات الفيديو ومعدات التحرير الخاصة بهم، تتيح مواقع مثل YouTube لأي شخص إنشاء ومشاركة مقاطع الفيديو الخاصة به.

من خلال الاستفادة من الحشود بدلًا من تكليف عدد محدود من الأشخاص المختارين مسبقًا، تستطيع المؤسسات غالبًا تحقيق أنواع مختلفة من الفوائد، فعلى سبيل المثال، في لينكس وويكيبيديا، يمكنهم توفير المال من خلال العثور على أشخاص مستعدين لأداء المهام مجانًا، وفي InnoCentive، كثيرًا ما تجد الشركات أشخاصًا في الحشد قادرين على حل مشكلات لم تتمكن الشركات من حلها بنفسها، وفي البرمجيات مفتوحة المصدر (مثل لينكس)، يعتقد كثيرون أن جودة النتائج أعلى لأن “كثيرًا من العيون” قد فحصت الشيفرة بدقة أكبر. أما حشود المساهمين في ويكيبيديا فغالبًا ما يضيفون الأخبار العاجلة إلى المقالات المتخصصة أسرع من المواقع الأخرى. وأخيرًا، من خلال اكتشاف وإعطاء شعور بالتحكم للأشخاص الأكثر حماسًا للقمصان الفنية، يبدو أن Threadless تستفيد من دافع وطاقة الناس أكثر مما تفعله جينة التسلسل الهرمي.

لكي تعمل جينة الحشد في موقف معين، هناك أيضًا بعض المتطلبات “الفنية” التي يجب تلبيتها، فعلى سبيل المثال، يجب أن يكون بالإمكان تقسيم النشاط إلى أجزاء يمكن لأعضاء مختلفين من الحشد تنفيذها بشكل مرضٍ، بالإضافة إلى ذلك، يجب أن تكون هناك آليات لحماية النظام من محاولات التلاعب أو التخريب.

عندما لا تتوافر الشروط اللازمة لاستخدام الحشد (Crowd)، يمكن اللجوء إلى التسلسل الهرمي (Hierarchy)، الذي يُقصد به غالبًا: “الإدارة”. فعلى سبيل المثال، إذا كان هناك عدد قليل فقط من الأشخاص يمتلكون المهارات المطلوبة، وكنت تعلم مسبقًا من هم، يمكنك حينئذٍ إسناد المهمة إليهم مباشرة، أو إذا لم تستطع إيجاد وسيلة لمنع أفراد الحشد من تقويض أهدافك، فقد يتعين عليك استخدام التسلسل الهرمي بدلًا من ذلك، وبهذا المعنى، يمكن عدّ الجين الهرمي التقليدي بمنزلة “الجين الافتراضي”، أي الجين الذي يُلجأ إليه عندما يتعذر تفعيل جين الحشد.

لِماذا؟ يرتبط سؤال “لماذا؟” ارتباطًا وثيقًا بسؤال “مَن؟”. لماذا يشارك الناس في النشاط؟ ما الذي يدفعهم إلى المشاركة؟ ما الحوافز الفاعلة؟

من المتعذر الإحاطة الكاملة في ملخص موجز بكل ما هو معروف عن الدوافع البشرية، ومع ذلك، ومن باب التبسيط، يمكن لثلاثة جينات رئيسية من “لماذا” أن تغطي الدوافع العليا التي تحث الناس على المشاركة في أنظمة الذكاء الجمعي (collective intelligence systems):

المال؛ إن الوعد بتحقيق مكاسب مالية يُعد محفزًا مهمًّا لمعظم الفاعلين في الأسواق والمؤسسات التقليدية، ففي بعض الأحيان، يتلقى الناس مدفوعات مباشرة، كالأجور، وأحيانًا أخرى يأملون أن المشاركة في نشاط ما ستزيد من فرص حصولهم على مدفوعات مستقبلية، كما في الحالات التي يؤدي فيها الشخص مهمة لتعزيز سمعته المهنية أو تطوير مهاراته.

المحبة؛ تُعد المحبة أيضًا محفزًا مهمًّا في كثير من الحالات، حتى عند غياب أي احتمال لتحقيق مكاسب مادية، ويمكن أن يتخذ جين المحبة (Love gene) أشكالًا عدة؛ فقد يكون الدافع هو الاستمتاع الذاتي بالنشاط، أو الفرص التي يتيحها للتواصل الاجتماعي مع الآخرين، أو الشعور بالمساهمة في قضية أسمى من الذات، وقد أظهرت الدراسات حول ويكيبيديا أن المشاركين فيها مدفوعون بجميع هذه الأشكال الثلاثة لجين المحبة.

المجد؛ المجد أو الاعتراف الاجتماعي هو محفز مهم آخر، فعلى سبيل المثال، كثير من المبرمجين في مجتمعات البرمجيات مفتوحة المصدر (open source software communities) تحركهم الرغبة في أن ينالوا التقدير من نظرائهم على إسهاماتهم.

كيفية اختيار جينات “لماذا” بطبيعة الحال، هذه الجينات الثلاثة ليست جديدة؛ فمثل هذه المحفزات مستخدمة في جميع المؤسسات، وما يميز كثيرًا من أنظمة الذكاء الجمعي الناشئة في السنوات الأخيرة هو اعتمادها على جيني المحبة والمجد، بخلاف المؤسسات التقليدية التي اعتمدت بدرجة أكبر على المال كقوة دافعة. فعلى سبيل المثال، كثيرًا ما تصمم أنظمة الذكاء الجمعي فرصًا للاعتراف والتقدير من خلال إعداد ونشر قوائم “أبرز المساهمين” أو من خلال إضفاء طبقات عضوية قائمة على الأداء تمنح درجات متفاوتة من المكانة، مثل لقب “بائع متميز” (power seller) في eBay و”مراجع بارز” (top reviewer) في Amazon.

هناك قاعدتان أساسيتان لتحفيز المجموعات على المشاركة في أنظمة الذكاء الجمعي:

الاستناد إلى المحبة أو المجد، أو كليهما، قد يساهم في تقليل التكاليف، فعلى سبيل المثال، لا تدفع Amazon مقابل مراجعات الكتب التي تنشرها؛ بل يكتبها المستخدمون طمعًا في نيل الاعتراف أو ببساطة لأنهم يستمتعون بذلك.

غير أن الاعتماد على المحبة والمجد لا ينجح دومًا، فعندما دعت شركة H.J. Heinz العامة للمساعدة في ابتكار إعلان جديد لصلصة الكاتشب، واجهت مع ذلك نفقات كبيرة لترويج المسابقة ومراجعة الكمّ الهائل من المشاركات، وانتهى الأمر بأن نفّرَت Heinz بعض العملاء الذين “ذموا الشركة في منتدياتها على الإنترنت واتهموها بالكسل والسعي للحصول على عمالة رخيصة”.

المال والمجد يمكن أن يساعدا الحشد على التحرك بسرعة أكبر، غالبًا ما يصعب التحكم في سرعة أو اتجاه عمل الحشد، لكن إذا وُضعت أهداف محددة، يمكن أحيانًا تحفيز الحشد لتحقيقها بوتيرة أسرع من خلال تقديم المال أو المجد لأعضاء الحشد الذين يسيرون في الاتجاه المنشود، ومن أمثلة ذلك شركة IBM، التي تعهد إلى العديد من موظفيها مدفوعي الأجر بالعمل على تطوير ميزات في نظام Linux ذات أهمية خاصة للشركة.

وعلى الرغم من أن اختيار وتركيب جينات التحفيز مسألة بالغة التعقيد، إلا أنها من الأهمية بمكان، فمع أننا لا نعرف دراسات منهجية حول هذا الموضوع، نرجّح أن الخطأ في تحديد العوامل التحفيزية هو العامل الأهم وراء إخفاق محاولات إطلاق أنظمة الذكاء الجمعي الجديدة.

كيف؟ السؤال الأخير الذي ينبغي الإجابة عنه بشأن أي نشاط هو: كيف يُنجَز هذا النشاط؟ في المؤسسات التقليدية، يُجاب عن سؤال “كيف” عادة بوصف الهياكل التنظيمية والعمليات.

لا تزال العديد من أنظمة الذكاء الجمعي تستخدم التسلسل الهرمي في بعض مهامها، لكن ما يستحق الذكر هو كيفية استخدامها للحشود، لذا نركز هنا على حالات جين “كيف” حيث يؤدي الحشد مهمة الإنشاء (Create) أو اتخاذ القرار (Decide).

العامل الحاسم في الإجابة عن هذا السؤال هو ما إذا كان أعضاء الحشد المختلفون يقدّمون مساهماتهم وقراراتهم بشكل مستقل عن بعضهم البعض، أم أن هناك ترابطًا وثيقًا بين مساهماتهم، هذا الفهم يقودنا إلى أربعة أنواع من جينات “كيف” الخاصة بالحشود: جين الجمع (Collection)، وجين التعاون (Collaboration)، وجين القرار الفردي (Individual Decision)، وجين القرار الجماعي (Group Decision).

الجينان المرتبطان بمهمة الإنشاء هما جين الجمع وجين التعاون.

الجمع؛ يظهر هذا الجين عندما تكون العناصر التي يساهم بها أعضاء الحشد قد أُنشئت بشكل مستقل عن بعضها البعض، فعلى سبيل المثال، مقاطع الفيديو على YouTube تُنتَج غالبًا بشكل مستقل، ولهذا يُعد YouTube مثالًا لجين الجمع. ومن الأمثلة الأخرى لهذا الجين الشائع: Digg، الذي يمثل مجموعة من الأخبار، وFlickr، الذي يمثل مجموعة من الصور الفوتوغرافية.

بالإضافة إلى الشروط العامة للحشود، فإن الشرط الأهم لجين الجمع (Collection gene) كي يكون ذا فائدة هو إمكانية تقسيم النشاط الكلي إلى أجزاء صغيرة يمكن تنفيذها بشكل مستقل من قِبل أعضاء مختلفين من الحشد. فإذا لم يتوفر هذا الشرط، فغالبًا ما يكون جين التعاون (Collaboration gene) مطلوبًا.

ومن الأنواع الفرعية المهمة لجين الجمع جين المسابقة (Contest gene). ففي المسابقات، مثل “Threadless” و”InnoCentive”، يتم اختيار عنصر أو عدة عناصر من المجموعة باعتبارها أفضل المشاركات وتحصل على جائزة أو شكل آخر من أشكال التقدير.

في جائزة “Netflix Prize”، عُرضت جائزة بقيمة مليون دولار أمريكي لأول خوارزمية (algorithm) تحقق أداءً أفضل بنسبة لا تقل عن 10% من تلك التي كانت تستخدمها شركة Netflix Inc. في اقتراح أقراص DVD التي قد تعجب العملاء. وقد كرس بعض أذكى علماء الرياضيات وعلوم الحاسوب في العالم ساعات لا حصر لها لهذا التحدي على مدى ما يقارب ثلاث سنوات، أما الفريق الذي فاز في النهاية، فقد جمع بين أفراد وخوارزميات من عدة فرق أخرى، كان لكل منها حلول جيدة، لكنها لم تكن كافية للفوز بمفردها.

يكون جين المسابقة مفيدًا عندما تتوافر شروط الجمع جميعها ولا تكون هناك حاجة إلا لحل واحد أو بضعة حلول جيدة فقط، فعلى سبيل المثال، لا يحتاج عملاء “InnoCentive” إلى عدد كبير من الحلول البديلة لمشكلاتهم؛ بل يحتاجون إلى حل واحد، أو في أقصى الأحوال، إلى بضعة حلول فقط. كذلك، ولكي تنجح المسابقة، يجب أن تكون جينات “لماذا” (Why genes) مثل المال أو الشهرة قوية بما يكفي لتحفيز المتسابقين على المشاركة دون ضمان للمكافأة، وبهذا تنتقل المخاطرة فعليًّا من راعي المسابقة إلى المتسابقين؛ فالشركات التي تطرح المشكلات على “InnoCentive” ليست مضطرة لدفع الجائزة إلا إذا قام أحدهم بحل المشكلة فعليًّا.

التعاون؛ يظهر جين التعاون عندما يعمل أعضاء الحشد معًا لإنشاء شيء ما وتوجد تبعيات مهمة بين مساهماتهم. كما رأينا أعلاه، فإن “لينُكس” (Linux) ومشاريع البرمجيات مفتوحة المصدر الأخرى تمثل أمثلة على جين التعاون بسبب التداخلات بين الوحدات التي يقدمها المساهمون المختلفون، وبالمثل، فإن التعديلات التحريرية التي يجريها مساهمون مختلفون ضمن مقالة واحدة في “ويكيبيديا” (Wikipedia) مترابطة بقوة، لذا فإن كل مقالة فردية في ويكيبيديا هي ثمرة تعاون.

يكون جين التعاون مفيدًا عند تحقق شرطين: أولًا، أن يكون الجمع مستحيلًا لأنه لا توجد طرق مُرضية لتقسيم النشاط الكبير إلى أجزاء مستقلة، وثانيًا، أن تتوفر طرق مُرضية لإدارة التبعيات بين الأجزاء الفردية التي يسهم بها أعضاء الحشد، وفي الواقع، غالبًا ما تتطلب إدارة هذه التبعيات بين الأجزاء مزيجًا من جينات القرار (Decide genes).

أما في مهام القرار (Decide tasks)، فهناك فئتان من الجينات الممكنة: جينات القرار الجماعي (Group Decision genes) وجينات القرار الفردي (Individual Decision genes). وتكون القرارات الجماعية مفيدة عندما يجب على الجميع في المجموعة الالتزام بالقرار ذاته، فعلى سبيل المثال، يجب أن يعمل جميع أعضاء فريق تطوير منتج ما وفقًا للمواصفات نفسها لذلك المنتج، أما عندما لا تكون هناك حاجة إلى توافق واسع أو عندما تكون الأذواق والآراء ضمن المجتمع متباينة بدرجة كبيرة، كما في اختيار مقاطع الفيديو التي يشاهدها الأفراد على “يوتيوب” (YouTube)، فيمكن غالبًا للأفراد اتخاذ قراراتهم بشكل أكثر فعالية، ويكون جين القرار الفردي أكثر ملاءمة.

القرار الجماعي؛ يظهر جين القرار الجماعي عندما تُجمع مدخلات أعضاء الحشد لإنتاج قرار يُطبق على المجموعة ككل، ففي بعض الحالات، مثل “Threadless”، يحدد هذا القرار مجموعة العناصر المقدمة التي ستُدرج في الناتج النهائي. وفي حالات أخرى، مثل “Digg”، يتعلق القرار بترتيب العناصر المقدمة وفقًا لتسلسل مشترك. وفي حالات ثالثة، مثل أسواق التنبؤ (Prediction Markets)، يتعلق القرار بتجميع المدخلات الفردية لتشكيل تقدير ظاهر للعلن حول كمية معينة.

ومن المتغيرات المهمة لجين القرار الجماعي: التصويت (Voting)، والإجماع (Consensus)، والمتوسط الحسابي (Averaging)، وأسواق التنبؤ (Prediction Markets).

التصويت؛ جعلت التقنيات الجديدة جين التصويت ممكنًا في العديد من الحالات التي لم تكن عملية من قبل، فعلى سبيل المثال: يصوّت مستخدمو “Digg” على الأخبار الأكثر إثارة للاهتمام، وتُعرض الأخبار الفائزة بشكل بارز على الموقع.

ومن التفرعات المهمة للتصويت التصويت الضمني، حيث تُحتسب أفعال مثل الشراء أو مشاهدة العناصر كأصوات ضمنية، فعلى سبيل المثال، تعرض “iStockphoto” الصور بترتيب عدد مرات تنزيل كل صورة، ويصنف “YouTube” مقاطع الفيديو بحسب عدد مرات المشاهدة.

وهناك تفرع مهم آخر يتعلق بالتصويت الموزون، فعلى سبيل المثال، يصنف “Google” نتائج البحث جزئيًّا بناءً على عدد المواقع الأخرى التي ترتبط بالمواقع المدرجة في القائمة، لكن خوارزمية “Google” تعطي وزنًا أكبر للروابط القادمة من المواقع الأكثر شهرة.

الإجماع؛ يعني الإجماع أن أعضاء المجموعة جميعهم أو معظمهم يتفقون على القرار النهائي، فعلى سبيل المثال، في “ويكيبيديا”، تبقى المقالات التي لم تتغير هي تلك التي يكون كل من يهتم بها راضيًا عن نسختها الحالية.

إذا كانت المجموعة صغيرة بما يكفي ومتقاربة في الفكر بحيث يمكنها الوصول إلى إجماع خلال فترة زمنية معقولة، فقد يكون الإجماع هو الطريقة المفضلة، لكن الوصول إلى إجماع كامل في مجموعة كبيرة أو متنوعة غالبًا ما يكون مستحيلًا، لذا يكون التصويت عادة أفضل في هذه الحالات. وكل من التصويت والإجماع مفيدان عندما يكون من المهم التزام الجميع بنتيجة القرار.

المتوسط الحسابي؛ في الحالات التي تتطلب اتخاذ قرارات تتعلق باختيار رقم معيّن، يُعد احتساب المتوسط الحسابي للأرقام التي يقدّمها أعضاء الحشد ممارسة شائعة، ففي بعض الحالات، مثل تخمين وزن ثور، ينجح المتوسط البسيط بشكل مدهش.

يُستخدم المتوسط الحسابي على نطاق واسع في الأنظمة التي تعتمد على مقياس نقاط لتقييم الجودة، فعلى سبيل المثال، يمكن لمستخدمي موقع أمازون (Amazon) تقييم الكتب أو الأقراص الموسيقية بنظام النجوم الخمس، ثم يُحتسب متوسط هذه التقييمات لإعطاء نتيجة إجمالية لكل منتج، وتسمح أنظمة مماثلة لمستخدمي إكسبيديا (Expedia) بتقييم الفنادق ولمستخدمي قاعدة بيانات الأفلام على الإنترنت (Internet Movie Database) بتقييم الأفلام، وفي مثال مذهل بشكل خاص على استخدام المتوسط الحسابي، أتاحت وكالة ناسا (NASA) في عامي ٢٠٠١م-٢٠٠٢م لأي شخص أن يشاهد صور سطح المريخ على الإنترنت ويحدد المعالم التي يعتقد أنها فوهات، وعندما تم احتساب متوسط الإحداثيات التي قدمها الهواة، تبيّن أنها دقيقة بقدر التصنيفات التي أجراها العلماء المتخصصون.

بوجه عام، يمكن استخدام “جين المتوسط الحسابي” لتمكين الحشود من تقدير أي شيء يمكن التعبير عنه برقم، فعندما يقدم أعضاء الحشد مثل هذا التقدير، فإن الأرقام التي يرسلونها تحتوي على بعض المعلومات ذات الصلة (الإشارة) وبعض الأخطاء العشوائية (الضوضاء)، وعندما تكون الأخطاء عشوائية حقًّا وليست متحيزة بشكل منهجي في اتجاه معين، يعمل المتوسط بشكل جيد لأن الأخطاء تلغي بعضها البعض، لكن المتوسط قد يؤدي إلى تقديرات ضعيفة إذا كانت الأخطاء متحيزة منهجيًّا بطريقة ما، فعلى سبيل المثال، قد ينشأ التحيز في الحالات التي يؤثر فيها المشاركون الأوائل على من يأتي بعدهم، أو عندما لا تكون مجموعة المشاركين متنوعة بما يكفي لتشمل وجهات النظر ذات الصلة جميعها.

أسواق التنبؤ؛ من الطرق المفيدة لتمكين الحشود من تقدير احتمال وقوع أحداث مستقبلية استخدام “أسواق التنبؤ” (Prediction Markets)، حيث يشتري الناس ويبيعون “أسهمًا” لتوقعات حول أحداث مستقبلية، وإذا كانت توقعاتهم صحيحة، يكافؤون، إما بأموال حقيقية أو بنقاط يمكن تحويلها إلى نقود أو جوائز، وقد استخدمت شركات مثل جوجل (Google)، ومايكروسوفت (Microsoft Corp.)، وبيست باي (Best Buy Co. Inc.) أسواق التنبؤ للاستفادة من الذكاء الجماعي للأشخاص داخل مؤسساتهم.

القرارات الفردية؛ تظهر فئة “القرار الفردي” من الجينات عندما يتخذ أعضاء الحشد قرارات، رغم استفادتهم من مدخلات الحشد، إلا أنه ليس من الضروري أن تكون متطابقة للجميع، فعلى سبيل المثال، يقرر مستخدمو يوتيوب (YouTube) بشكل فردي أي مقاطع الفيديو يشاهدونها، وقد يتأثرون بالتوصيات أو التصنيفات من الآخرين، لكنهم غير ملزمين بمشاهدة المقاطع نفسها التي يشاهدها الآخرون.

يوجد نوعان مهمان من جين “القرارات الفردية”: الأسواق والشبكات الاجتماعية.

الأسواق؛ في الأسواق، يوجد نوع من التبادل الرسمي (مثل المال) في صلب عملية اتخاذ القرار، يتخذ كل عضو من أعضاء الحشد قرارًا فرديًّا بشأن المنتجات التي يشتريها أو يبيعها، وتحدد قرارات الشراء التي يتخذها المشترون ضمن الحشد الطلب الجماعي، والذي بدوره يؤثر على توافر المنتجات وأسعارها، وفي المقابل، تؤثر كميات وأسعار السلع المعروضة للبيع من قبل البائعين في الحشد على قرارات الشراء، لكنها لا تلزمهم بها.

لقد وُجدت الأسواق لعديد من السلع والخدمات منذ آلاف السنين، لكن التقنيات الجديدة مكّنت من ظهور أشكال إلكترونية حديثة للأسواق، فعلى سبيل المثال، في موقع iStockphoto، ينشر المصورون صورهم للبيع على موقع إلكتروني، ويشتري المحرّرون وغيرهم حقوق استخدام الصور التي يرغبون بها، أما في موقع eBay، فيعرض البائعون السلع التي يرغبون في بيعها، ويتنافس المشترون على شرائها بالمزايدة.

الشبكات الاجتماعية؛ في الشبكات الاجتماعية (Social Networks)، يشكل أعضاء الحشد شبكة من العلاقات قد تترجم، بحسب السياق، إلى مستويات من الثقة أو تشابه في الأذواق والآراء أو غيرها من السمات المشتركة التي قد تدفع الأفراد للشعور بالألفة تجاه بعضهم البعض، ويمنح أعضاء الحشد أوزانًا مختلفة لمدخلات الأفراد بناءً على علاقتهم بمن قدمها، ثم يتخذون قرارات فردية.

ومن الأمثلة الجيدة على ذلك “القنوات” في يوتيوب (YouTube)، وشبكات الثقة في موقع Epinions.com، والتوصيات الشخصية في أمازون (Amazon.com)، والمدونات الإلكترونية (البلوغوسفير).

عندما تكون القرارات الفردية مطلوبة، تكون الأسواق مفيدة بشكل خاص عندما يكون المال (أو حوافز مماثلة) ضروريًّا لتحفيز الأفراد على تقديم الجهد أو الموارد المطلوبة، أما الشبكات الاجتماعية فتكون مفيدة خاصة عندما لا يحتاج الأفراد إلى مقابل مادي، ويجدون معلومات عن آراء الآخرين مفيدة في اتخاذ قراراتهم الخاصة.

الجينوم الجماعي للذكاء ما الخطوة التالية؟ إن الأمثلة المبكرة على الذكاء الجماعي المدعوم بالويب ليست نهاية المطاف، بل هي مجرد بداية، ومع استمرار تطور قدرات الحوسبة والاتصال، سيظهر عدد لا يُحصى من الأمثلة المشابهة في العقود القادمة.

لا يزال هناك الكثير من العمل لتحديد الجينات المختلفة جميعها للذكاء الجماعي، والظروف التي تكون فيها هذه الجينات مفيدة، والقيود التي تحكم كيفية دمجها. ولكننا نعتقد أن الإطار الجيني الموصوف هنا يوفر نقطة انطلاق مفيدة.

وبهذا الإطار، يمكن للمديرين أن يفعلوا أكثر من مجرد النظر إلى الأمثلة وانتظار الإلهام، فعوضًا عن ذلك، يمكنهم، لكل نشاط رئيسي مطلوب، أن ينظروا بشكل منهجي في العديد من التركيبات الممكنة للإجابات عن أسئلة: ماذا، من، لماذا، وكيف.

هذا النهج لا يضمن تطوير أفكار جديدة لامعة، لكنه يزيد من فرص أن يتمكن الآخرون من الاستفادة من الإمكانيات المذهلة التي أظهرتها بالفعل أنظمة مثل جوجل (Google)، وويكيبيديا (Wikipedia)، وثريدلس (Threadless).

المراجع

1. T.W. Malone, “The Future of Work” (Boston: Harvard Business School Press, 2004); J. Howe, “Crowdsourcing” (New York: Crown Business, 2008); J. Surowiecki, “The Wisdom of Crowds” (New York: Doubleday, 2004); Y. Benkler, “The Wealth of Networks” (New Haven: Yale University Press, 2006); and D. Tapscott and A.D. Williams, “Wikinomics” (New York: Penguin, 2006).

2. A. Kates and J.R. Galbraith, “Designing Your Organization” (San Francisco: Jossey-Bass, 2007).

3. J. Howe, “Crowdsourcing,” 283.

4. J. Surowiecki, “Wisdom,” xi-xiii.

i. T.W. Malone, K. Crowston and G.A. Herman, eds., “Organizing Business Knowledge: The MIT Process Handbook” (Cambridge, Massachusetts: MIT Press, 2003).

ii. This initial collection was edited by Richard Lai, who was then a doctoral student at Harvard Business School and is now a professor at the Wharton School, University of Pennsylvania. Several volunteers contributed examples to the website, and approximately 30 of the initial 100 examples came from a single volunteer contributor: Alex Kosorukoff, a postdoctoral research associate at the Beckman Institute at the University of Illinois.