الذكاء الاصطناعي يتعلم من مهام يكتبها بنفسه: المتوسط يرتفع من 57,77 إلى 61,05

نشرت مجموعة من الباحثين طريقة A-RSI (Adaptive Recursive Self-Improvement، أي «التحسين الذاتي التكراري التكيفي»). يواصل فيها نموذج متعدد الوسائط، يفهم النصوص والصور، تدريبه على مهام ينشئها بنفسه، ولا يستخدم أمثلة تدريب خارجية ولا إجابات كتبها بشر. الرقم الأبرز: ارتفع متوسط نتائج Qwen3-VL-8B-Instruct في أحد عشر معيارًا متعدد الوسائط (مجموعات قياسية من الأسئلة عن الصور والرسوم البيانية والمخططات) من 57,77 إلى 61,05. نقطة البداية هي النموذج بعد الضبط الأولي على مجموعة مهام ابتدائية. وتحقق هذا الارتفاع بعد ثماني نوافذ من التدريب الإضافي و800 مهمة جديدة. وعالج المؤلفون مشكلتين كلًّا على حدة: متى يُقدَّم للنموذج مواد جديدة، ومن أين تؤخذ الإجابات الصحيحة.

من أين تأتي المهام والإجابات دون بشر

تأخذ كثير من طرق التعلم الذاتي إجابة المهمة من تصويت النموذج نفسه: يولّد عدة حلول، ويفوز الحل الأكثر تكرارًا. عندها يتحول خطأ النموذج إلى «إجابة صحيحة» في خطوة التدريب التالية. وتتجاوز A-RSI هذه المشكلة عبر البرامج.

وهذه هي الآلية:

• يكتب النموذج مرة واحدة، قبل بدء التدريب، قوالب، وهي برامج قابلة للتنفيذ لمهام الهندسة والرسوم البيانية والجداول وعدّ الأشياء.
• يختار كل برنامج أولًا المعاملات، مثل قيم أعمدة مخطط بياني. ثم يرسم صورة بناءً عليها، ويصوغ السؤال («بكم يزيد العمود A عن العمود B؟»)، ويحسب الإجابة المرجعية من الأرقام نفسها.
• يرى النموذج الطالب الصورة والسؤال فقط. أما الأرقام المخفية والإجابة فتبقى لدى البرنامج.
• تخضع المهام المرشحة لفحوص الصحة والغموض والحداثة والتقاطع مع بيانات الاختبار. ومنها تُعدّ مسبقًا مجموعات غير متقاطعة جاهزة للاستبدال.

ويقرّ المؤلفون بصراحة بأن هذه الفحوص لا تثبت أن كل مهمة مرسومة سليمة تمامًا. فالإجابة صحيحة بقدر صحة القالب وشيفرته. ولذلك تُراجع الإجابات إضافةً إلى ذلك عبر تدقيق مستقل.

كيف تعرف وحدة التحكم أن مجموعة المهام استُنفدت

يجري التدريب بطريقة GRPO. يولّد النموذج لكل مهمة مجموعة إجابات تُقارَن ببعضها. فإذا كان بعضها صحيحًا وبعضها خاطئًا، نشأت إشارة تعلّم مفيدة. أما إذا كانت الإجابات كلها صحيحة أو كلها خاطئة، فلا يتعلم النموذج شيئًا من هذه المهمة.

تحسب وحدة التحكم في A-RSI قيمتين من سجلات التدريب:

• كم مهمة مختلفة لا تزال تُظهر تباينًا في المكافآت داخل المجموعة؛
• ما نسبة الإجابات الصحيحة في مهام التدريب.

بعد كل نافذة تقارنهما بقيمهما قبل عدة نوافذ. وتُستبدل المجموعة كاملةً إذا هبط عدد المهام «الحية» عن عتبة معينة، أو ارتفعت الدقة أكثر من اللازم (أي أن النموذج يعرف المجموعة جيدًا جدًا). وهناك حدّ أدنى لمدة المراقبة كي يعود القياسان إلى مجموعة واحدة. والعتبات واحدة في جميع المراحل ولكل النماذج. ولا ترى وحدة التحكم درجات الاختبار ولا التحقق. وعند الاستبدال تُحفظ أوزان النموذج، وتبقى القوالب والحصص حسب أنواع المهام كما هي.

ويؤكد المؤلفون أن هذا مؤشر عملي على تراجع الإشارة، وليس دليلًا على أن المجموعة «أُتقنت». فقد ينشأ التباين الصفري أيضًا عندما يخطئ النموذج باستمرار.

ماذا أظهرت القياسات وأين يقيّد المؤلفون الاستنتاجات

• Qwen3-VL-8B: 57,77 → 61,05 في أحد عشر معيارًا، مع 800 مهمة جديدة.
• تحديث المجموعة بعد كل نافذة: 60,64، لكن استُهلكت 3 200 مهمة، أي أكثر بأربعة أضعاف. والمخطط التكيفي أفضل وأوفر.
• في النافذة السادسة تعطي A-RSI نتيجة 60,40، بينما يعطي استمرار التدريب على المجموعة القديمة 58,35. والركود على المهام المتكررة واضح.
• ارتفع أداء MiMo من 59,08 (نموذج أساسي عام) إلى 60,71.

وهناك أيضًا نتيجة تخالف الحدس. فاختيار المهام بحسب صعوبتها أو بحسب كفاءة النموذج الحالية لم يتفوق على الاختيار العشوائي عند تثبيت نسب أنواع المهام. وينطبق ذلك على مولّداتهم ونموذجهم وقواعد الانتقاء التي جرى التحقق منها فقط. ويكتب المؤلفون صراحةً أيضًا أن استنتاجاتهم حول اللحظة المثلى للاستبدال محدودة: فالمكسب يأتي من سياسة استبدال المجموعة نفسها، أما إصابة التوقيت بدقة فلم تتأكد بالكامل.

ويفصل تدقيق منفصل للإجابات بين مصدرين لارتفاع الدرجة. فقد يحل النموذج المهام بشكل أفضل، وقد يكتفي بالالتزام أكثر بحد طول الإجابة. فالمكافأة في التدريب تعاقب الإجابة المقطوعة عند الحد، حتى لو ظهرت فيها إجابة داخل إطار. ولذلك تحسب الدراسة على حدة كم من الزيادة جاء من الإجابات التي اكتملت حتى نهايتها، وكم جاء من تصحيح الأخطاء بين الإجابات المكتملة.

أما الخلاصة العملية للمهندسين فهي التالية. إذا كانت لديكم مولّدات مهام ذات إجابة يمكن التحقق منها برمجيًا، فليس من الضروري تشغيل المجموعة نفسها حتى النهاية، ولا تحديثها في كل خطوة. يكفي أن تتابعوا نسبة المهام ذات التباين في المكافآت وتغيّروا المجموعة بناءً على هذه الإشارة. وهذا يوفر المهام ولا يتطلب تقييمات اختبار. والقيد واضح: تعمل الطريقة حيث يمكن حساب الإجابة ببرنامج، وهذه المهام تغطي حاليًا الهندسة والرسوم البيانية والجداول والعدّ، لكنها لا تغطي كامل طيف الأسئلة البصرية الواقعية.