PhAI Labs تطلق RSI-Anything: نموذج العالم يقود التطور الذاتي للذكاء الاصطناعي في 5 مهام

نشر باحثو PhAI Labs إطار RSI-Anything للتحسين الذاتي التكراري (RSI)، واختبروه دفعة واحدة على خمس مهام متباينة: إصلاح الأخطاء البرمجية، والتحكم بالحاسوب، وتخطيط العمليات المخبرية، وتحسين التفاعلات الكيميائية، ودراسة الجهاز المناعي. وأكثر التجارب دلالة هي تجربة الشيفرة البرمجية. فالفريق لم يستبدل النموذج الذي يكتب التعديلات، ولم يزد ميزانية الاختبار الحي (online). كل ما فعله أنه أضاف نموذج عالم يتنبأ بعواقب التغييرات ويختار أفضلها.

الفكرة: التنبؤ أولًا ثم التعديل

تعمل معظم أنظمة التحسين الذاتي وفق مخطط «توليد، فتشغيل، فمراجعة النتيجة». وهذا المخطط مكلف، إذ يتطلب فحص كل مرشَّح تشغيلًا فعليًا: اختبارات أو محاكاة أو تجربة في المختبر. وكلما ازداد تعقيد البيئة، اصطدم هذا التجريب الشامل بحدود الميزانية أسرع.

ينقل RSI-Anything جزءًا من هذا العمل إلى داخل نموذج العالم. فهو يقدّر ما سيؤدي إليه التعديل المقترح قبل الفحص المكلف. بعد ذلك، لا يصل إلى البيئة الحقيقية إلا المرشَّحون الذين يرى النموذج أنهم واعدون. أما مهمة المنفِّذ فتبقى كما هي: كتابة الشيفرة، والنقر على الأزرار، وإعداد البروتوكول. وتتولى طبقة منفصلة الانتقاء وتحديد اتجاه التحسين.

يبدو اختيار المجالات متنوعًا عن قصد. فخطأ في مستودع شيفرة، وواجهة نظام تشغيل، وبروتوكول في مختبر، وتفاعل في دورق، والجهاز المناعي، يجمعها أمر واحد: لكل منها بيئة تعطي تغذية راجعة، والفحص فيها مكلف أو بطيء. وهنا بالذات قد يوفّر التنبؤ بالنتيجة أكبر قدر من الجهد.

ماذا أظهرت التجارب

لا يعرض الوصف المتاح بالتفصيل سوى مجال البرمجة. وقد حُدّدت شروط التجربة بصرامة:

• بقي النموذج الذي يولّد الشيفرة كما هو؛
• لم تُزَد ميزانية الاختبارات الحية (online)؛
• التغيير الوحيد: مشاركة نموذج العالم في التنبؤ بالنتيجة واختيار التعديلات؛
• جرت المقارنة مع المنفِّذ نفسه دون هذه الطبقة.

يستبعد هذا التصميم أشيع تفسيرين للمكسب: نموذج أساسي أقوى، وعدد أكبر من المحاولات. وإذا تأكد التحسن، فسيكون مصدره جودة الانتقاء. أما النتائج الرقمية وأسماء المعايير (benchmarks) وحجم المكسب، فلم ترد في المواد المتاحة، ولذلك يبقى من المبكر تقدير حجم الأثر. كما أن تفاصيل المجالات الأربعة الأخرى لم تُكشف بعد.

يستحق الحذر هنا اعتبارين. الأول أن نموذج العالم قد يخطئ بصورة متوقعة النمط، وعندئذ يرسّخ الانتقاء خطأً منهجيًا بدلًا من تصحيحه. والثاني أن انتقال المنهج بين المجالات يجب التحقق منه في كل مجال على حدة: فالتفاعل الكيميائي ورقعة الشيفرة (patch) مختلفان في بنيتهما، ووجود إطار عام لا يضمن فائدة متساوية.

ما الذي ينبغي أن تتحقق منه الفرق عمليًا

يقدّم المقال للمطورين الذين يبنون الوكلاء (agents) مرجعًا عمليًا. فإذا كان فحص المرشَّحين في بيئتكم مكلفًا (تكامل مستمر CI يستغرق ساعات، أو منصة اختبار فيزيائية، أو تشغيل مخبري)، فمن المفيد تقييم إمكانية تدريب متنبئ بالنتائج على السجلات المتراكمة. فذلك أرخص من زيادة عدد المحاولات أو تغيير النموذج الأساسي.

عند تقييم أعمال كهذه، يفيد النظر في أربعة أمور:

• هل ثُبّتت ميزانية الفحوص الحقيقية، وهل تتطابق في الخيارات المقارَنة؛
• كيف يتصرف نموذج العالم في مهام خارج توزيع بيانات التدريب؛
• ما نسبة التعديلات التي اختيرت خطأً، وما مصيرها بعد ذلك؛
• هل تتكرر النتيجة على معايير (benchmarks) عامة، لا على مجموعات داخلية فقط.

ما زال RSI-Anything حتى الآن مجرد طرح لمسار عام نحو التحسين الذاتي عبر التنبؤ. وسيغدو مقنعًا حين ينشر مؤلفوه الجداول الكاملة والشيفرة، وتعيد مجموعات مستقلة التجارب في مجالين على الأقل من المجالات الخمسة.