طور باحثون إطاراً جديداً للتحسين الذاتي للذكاء الاصطناعي يتجاوز تحسين النموذج الفردي للاستفادة من الذكاء الجماعي عبر أنظمة متعددة تعمل بتنسيق. يمثل النهج تحولاً جوهرياً عن طرق التحسين الذاتي التقليدية التي تركز على تحسين نموذج واحد من خلال التدريب التكراري على مخرجاته الخاصة.
يمكن الإطار أنظمة الذكاء الاصطناعي من تحسين قدراتها تكرارياً من خلال حل المشاكل التعاوني، حيث تساهم عوامل متعددة في الخبرات المشتركة والتعلم منها. على عكس المقاربات التقليدية حيث يتحسن نموذج واحد من خلال التدريب على البيانات التي يولدها، يسمح هذا النظام لنماذج متنوعة بهياكل مختلفة وتاريخ تدريب مختلف بالمساهمة بنقاط قوتها في قاعدة معرفة جماعية تفيد جميع المشاركين.
تشمل الابتكارات الرئيسية بروتوكولات صنع قرار لامركزية تمنع أي نظام واحد من الهيمنة على عملية التحسين، وآليات مشاركة معرفة تسمح للنماذج بنقل الرؤى دون كشف بيانات التدريب الخاصة بها، وأطر تقييم لتقييم المساهمات الفردية في الجهد الجماعي. يوضح النظام أداء محسناً في مهام التفكير المعقدة مقارنة بمناهج التحسين الفردي، مع نتائج قوية بشكل خاص في المشاكل التي تتطلب وجهات نظر متعددة أو مجالات خبرة.
للبحث تداعيات كبيرة على توسيع قدرات الذكاء الاصطناعي ومعالجة مخاوف المحاذاة التي رافقت نقاشات التحسين الذاتي التكراري. قد يقدم التحسين الذاتي الجماعي مسارات أكثر قابلية للتحكم نحو أنظمة ذكاء اصطناعي متقدمة مقارنة بالتعديل الذاتي التكراري للنماذج الفردية، لأن الطبيعة الموزعة للعملية تجعل من الأسهل مراقبتها والتدخل فيها وضمان أن التحسينات تتماشى مع القيم البشرية. يدمج الإطار أيضاً التنوع في المقاربات بشكل طبيعي، مما يقلل من خطر التحيزات المنهجية التي يمكن أن تنشأ عندما يتحسن نموذج واحد بمعزل.
يلاحظ باحثو القطاع أن هذا النهج يمكن أن يعيد تشكيل كيفية تفكيرنا في توسيع قدرات الذكاء الاصطناعي. بدلاً من التركيز على بناء نماذج فردية أكبر باستمرار، قد يستفيد المجال أكثر من تطوير آليات تنسيق تسمح لأنظمة متخصصة متعددة بالتحسن معاً مع الحفاظ على الشفافية والتحكم في عملية التحسين.