إذا أُعطي الذكاء الاصطناعي هدف «مضاعفة المبيعات»، فيمكنه تفكيك التدابير اللازمة لتحقيقه ومقارنة الخيارات مع مراعاة الموارد والوقت. لكن حتى الهدف نفسه المتمثل في مضاعفة المبيعات قد تكون وراءه أسباب مختلفة. هل هو ضروري للحفاظ على استمرارية النشاط التجاري، أم لتمويل استثمار جديد، أم للحاق بمنافس، أم لأن نمو المؤسسة في حد ذاته يُعد نجاحاً؟ يتغير معنى الهدف بتغير السبب.
إذا عولج الهدف وحده، تُدفع هذه الاختلافات إلى خارج دالة الهدف نفسها. قد يبحث الذكاء الاصطناعي بصورة عقلانية عن سبل للاقتراب من الرقم المحدد من دون أن يتمكن من معالجة سبب الحاجة إلى ذلك الرقم. وعندما تتغير ظروف العالم الواقعي، قد يُبقي على الهدف نفسه مع تعديل الوسائل فقط. لكن إذا اختفى السبب الذي كان يسند الهدف، فقد يلزم إعادة التحقق من صلاحية الهدف قبل تحسين الوسائل.
لنفترض أن سبب زيادة المبيعات كان «تأمين ربح كافٍ للحفاظ على العمالة الحالية». ثم تنخفض التكاليف الثابتة لاحقاً ويصبح من الممكن الحفاظ على العمالة بمبيعات أقل بكثير. عندئذ تكون ضرورة هدف مضاعفة المبيعات قد تغيرت. أما إذا كان السبب هو «توفير أموال استثمارية لإيصال الخدمة إلى منطقة جديدة»، فقد يؤدي التغير نفسه في الظروف إلى حكم مختلف. لا يمكن تقييم صلاحية الهدف انطلاقاً من الهدف وحده.
لذلك فإن سؤال «لماذا هذا الهدف؟» ليس شرحاً إضافياً، بل هو جزء من بنية الاستدلال. فإذا رُبطت الأهداف بالأسباب بصورة صريحة، يصبح من الممكن معرفة أي افتراض تأثر بالواقع بعد الفعل. إذا بقي السبب قائماً، فإنه يدعم مواصلة الهدف؛ وإذا تغير، فقد يؤدي ذلك إلى إعادة التحقق من صلاحيته. ولا ينبغي أن يُسأل عن السبب مرة واحدة ثم يُثبَّت. فالسبب نفسه يجب أيضاً أن يُعامل بوصفه شيئاً يمكن أن يتغير مع الزمن والخبرة.
إضافة إلى ذلك، لا يستطيع الناس دائماً شرح أسبابهم بالكامل منذ البداية. قد يقول شخص إنه «يريد أن ينمو»، لكن قد يتضح من خلال الحوار والفعل أنه يريد مزيداً من وقت الفراغ، أو اعتراف الآخرين به، أو أثراً اجتماعياً أوسع. إذا ثبّت الذكاء الاصطناعي التفسير الأول بوصفه الدافع الحقيقي، فسيُعامل الفهم الذي يظهر لاحقاً بوصفه استثناءً.
دور الاستدلال هنا ليس تخمين دافع بشري خفي. بل هو تنظيم أوجه عدم التطابق بين الهدف والسبب المعلنين، وردود الفعل التي تظهر بعد الفعل، والتغيرات في الظروف، بحيث يستطيع الشخص إعادة وصف السبب. فبدلاً من أن يشخّص الذكاء الاصطناعي قائلاً: «ما تريده حقاً هو الاعتراف»، يمكنه أن يسأل: «ذكرتَ في البداية أن النمو هو السبب، لكن اختياراتك الأخيرة تعطي الأولوية لوقت الفراغ. هل يؤثر هذا الاختلاف في الهدف؟»
ولا يتعلق الأمر أيضاً بجعل الاستدلال عميقاً بلا حدود. فإذا خضع كل هدف صغير لاستقصاء لا ينتهي عن أسبابه، يصبح الفعل مستحيلاً. وتكون المعالجة الأعمق ضرورية حيث يمكن لإعادة فحص السبب أن تغير الحكم—على سبيل المثال، عندما تكون تكلفة تغيير الهدف مرتفعة، أو يكون الأثر طويل الأجل كبيراً، أو يكشف الواقع اختلافاً مهماً. ينبغي تخصيص موارد الاستدلال وفقاً لأهمية الغرض ودرجة عدم اليقين المحيطة به.
وفي التمثيل الداخلي للكفاءة لدى Sai＊aus، توجد أيضاً قيمة في ربط «ما الذي يريد الشخص فعله» بـ«لماذا يريد فعله» بالقدر اللازم. إن الاحتفاظ بهدف موجز فقط يقلل المعالجة، لكنه يفقد الأسس اللازمة لاختبار الصلاحية لاحقاً. كما أن الاحتفاظ بكل تفاصيل الخلفية ليس هو الحل. يجب أن يحافظ التصميم على الأسباب والافتراضات التي يمكن أن تغير الحكم مستقبلاً، مع ضغط ما لا يلزم الاحتفاظ به.
بالنسبة إلى الذكاء الاصطناعي الذي يدعم تحقيق الأهداف، من المهم أن يفهم الغرض المعطى بدقة. ولكن إذا كانت الأغراض البشرية قابلة للتغير، فلا يمكن أن يكون موضوع الفهم مجرد صياغة الهدف. ولا يمكن إعادة ربط الواقع بعد الفعل بالغرض إلا بتمثيل الأسباب التي تسند الهدف أيضاً، والتغيرات في الظروف التي تستدعي إعادة التحقق من صلاحيته.
إن طرح سؤال «لماذا هذا الهدف؟» قبل التحسين ليس مجرد طريقة للتشكيك في الهدف. فقد يجعل أيضاً أسباب الاستمرار فيه أكثر وضوحاً. فإذا عزز الفعل السبب، أصبح الهدف أكثر رسوخاً من ذي قبل. وإذا تغير السبب، أمكن إعادة فتح الهدف للنظر فيه. والاستدلال المتقدم لا يعني فقط الوصول سريعاً إلى غرض معطى؛ بل يعني أيضاً القدرة على التمييز بين الظروف التي يمكن فيها إبقاء ذلك الغرض ثابتاً والظروف التي ينبغي فيها طرح السؤال عنه من جديد.
ليست إجابات. بل فهم.