أنثروبيك تكشف عن نموذج ذكاء اصطناعي يُطوّر نفسه بنفسه

يتجه اهتمام مختبرات الذكاء الاصطناعي الناشئة بشكل متزايد نحو فكرة طموحة: تدريب نماذج الذكاء الاصطناعي باستخدام نماذج أخرى من الذكاء الاصطناعي. وقد قدّم أحد الباحثين ضمن برنامج الزمالة في شركة «أنثروبيك» لمحة عملية مبكرة عن كيفية تحقّق هذه الفكرة على أرض الواقع، في تطوّر قد يعيد رسم ملامح البحث العلمي في هذا المجال.

بحث يفتح باباً جديداً

نشرت شركة أنثروبيك ورقة بحثية بعنوان «الباحثون الآليون قادرون على معالجة إخفاقات المواءمة بموثوقية»، توضح كيف يمكن لأنظمة الذكاء الاصطناعي أن تُحسّن أداء النماذج بشكل موثوق عبر مجموعة من معايير قياس المواءمة. وحين عُرضت على هذه الأنظمة عشرة معايير تقيس سلوكيات محدّدة غير متوائمة، تمكّنت من تحسين الأداء في كل معيار منها دون التأثير سلباً على الأداء العام للنموذج.

يقود هذا العمل الباحث «تشن يوه-هان» ضمن برنامج الزمالة في الشركة، ويحاكي النظام المقترح المنهجية التقليدية للبحث العلمي إلى حد كبير.

كيف يعمل النظام الآلي؟

يتّبع كل نظام آلي خطوات منظّمة تشبه ما يقوم به الباحث البشري:

• البحث في الأدبيات العلمية المتاحة حول المشكلة المطروحة.
• اقتراح منهجية أو أسلوب لمعالجتها.
• تدريب النموذج باستخدام هذا الأسلوب لمدة ثلاثين دقيقة.
• رفع مستوى الأداء تدريجياً عبر جولات متعددة من التجارب.

وتُحفظ الأساليب الفعّالة بينما تُستبعد غير المجدية منها، ما يتيح للنظام العمل بسرعة كبيرة وعلى نطاق واسع. وتشير الورقة إلى أن هذه النتائج «تقدّم دليلاً مبكراً على أن مرحلة التدريب اللاحق للمواءمة بشكل آلي قد تصبح عملية في المدى القريب».

خطوة نحو التحسين الذاتي المتكرر

يمثّل هذا البحث خطوة باتجاه ما يُعرف بـ«التحسين الذاتي المتكرر»، الذي يعتبره كثير من الخبراء المرحلة الكبرى التالية في تطوّر الذكاء الاصطناعي. فإذا صار بمقدور النماذج تحسين تدريبها الخاص بالمواءمة، فمن المنطقي أن تتمكن من تحسين ممارسات التدريب على نطاق أشمل، وهو ما قد يؤدي مع الوقت إلى تقليص الحاجة إلى الباحثين البشر.

ولم تتجنّب الورقة مواجهة هذه الفكرة صراحة، إذ قارنت بين «الباحث الآلي للمواءمة» ونظيره البشري بشكل مباشر، مؤكدة أن أفضل منهجية توصّل إليها النظام الآلي تفوّقت في المتوسط على ما يقترحه الخبراء ذوو الخبرة خلال ست ساعات، وأن التوجيهات البحثية البشرية لم تُفضِ إلى أداء أقوى.

الفارق في التكلفة

لم يقتصر البحث على المقارنة في الأداء، بل تناول أيضاً الجانب الاقتصادي. فبحسب الورقة، تبلغ تكلفة تشغيل الباحث الآلي نحو أربعة دولارات في الساعة مقابل استخدام واجهات البرمجة، في حين تدفع الشركة لباحثيها البشر ما يقارب مئة وخمسين دولاراً في الساعة. هذا الفارق الهائل يعكس جاذبية الأتمتة من منظور الكلفة والكفاءة معاً.

حدود لا يمكن تجاهلها

على الرغم من هذه النتائج اللافتة، لم تُغفل الورقة الإشارة إلى قيود المنهج المقترح، ومن أبرزها:

• لا يعمل النظام الآلي بفاعلية إلا بقدر ما تعكس المعايير المعتمدة أهداف المواءمة الحقيقية.
• حتى مع توفر هذه المعايير، يبقى هناك جهد كبير مطلوب لتأسيسها وصيانتها وتحديثها باستمرار.
• يعتمد الباحثون الآليون على الأدبيات العلمية المتاحة، ما يتطلب توسيعها وتحديثها بشكل دائم لضمان جودة النتائج.

يبقى هذا البحث مؤشراً مهماً على اتجاه المجال، إذ يجمع بين طموح واضح في تحقيق التحسين الذاتي للنماذج، ووعي واقعي بالتحديات التي تحول دون الاعتماد الكامل على الأنظمة الآلية في البحث. وبينما يفتح هذا التوجّه آفاقاً واسعة أمام تسريع تطوير الذكاء الاصطناعي، فإنه يطرح في المقابل أسئلة عميقة حول مستقبل دور الإنسان في هذه المنظومة المتسارعة.

✦ بقلم فريق دروب أيديا