نموذج لغوي كبير كتب لاعبا للعبة Arkanoid وهزم الزعيم في 10 مباريات من أصل 10

تبدو المشكلة المألوفة مع وكلاء الذكاء الاصطناعي على النحو الآتي: يكتب النموذج الشيفرة بثقة، ويشغلها، ثم يعلن النجاح، لكن لا أحد يستطيع إثبات أن المهمة أنجزت فعلا. وفي تجربة باستخدام لعبة DOS المسماة Arkanoid، جرى تفكيك هذه المشكلة حرفيا على الشاشة. حصل النموذج اللغوي الكبير على اللعبة من دون API أو وصول إلى ذاكرة العملية؛ لم يكن لديه سوى صورة بدقة 320 × 200 بكسل، وفأرة، ولوحة مفاتيح، وإمكانية العودة إلى حالات محفوظة. هزم برنامج اللعب النهائي الزعيم DOH في 10 مباريات من أصل 10، محققا متوسطا قدره 343 977 نقطة.

لماذا لم ينجح التدريب

كانت المحاولة الأولى تقليدية: ساعد النموذج اللغوي الكبير المؤلف في كتابة نظام للتعلم المعزز. نفذ الوكيل 17 مليون خطوة خلال نحو 17 ساعة، لكنه توقف عند متوسط يتراوح بين 7 000 و8 000 نقطة. كان يرى صورة مصغرة، ويحرك المضرب بخطوات قصيرة، ويحصل على مكافأة مرتبطة بالنتيجة.

كانت المشكلة كامنة في آلية الارتداد. فعندما كان المضرب يضرب الكرة في مواضع مختلفة ضمن نطاق يبلغ نحو 12 بكسل حول المركز، كانت الزاوية تتغير من مسار مائل إلى اليسار إلى مسار مائل إلى اليمين. وفي الصورة المصغرة، كانت الكرة تتحول إلى بقعة، كما أن نظام التحكم لم يكن يسمح بوضع المضرب سريعا في النقطة المطلوبة. أوضح المؤلف هذه العلاقة، لكن جولة التدريب الجديدة لم تكتمل قط.

كان هذا نهج Software 2.0: اختار الإنسان البنية والبيانات والمكافأة وطريقة التدريب، بينما ساعد النموذج اللغوي الكبير في بناء النظام داخل هذه الحدود. وقد سرع العمل، لكنه لم يحدد المنهج المناسب للمهمة.

ما الذي تغير في المحاولة الثانية

بعد ذلك، أسند إلى النموذج اللغوي الكبير نفسه دور مختلف. فبدلا من مطالبته بكتابة نظام تدريب، منح إمكانية الوصول إلى المحاكي، والإطار الكامل، والتحكم الدقيق بالفأرة، وحالات حفظ تتيح تكرار التجارب، إلى جانب هدف واضح: فهم اللعبة بصورة مستقلة وكتابة برنامج يلعبها.

بدأ النموذج عمله كباحث. عثر على الإعدادات، وتعلم تجاوز شاشة البداية، وأنشأ قوالب للأرقام لقراءة النتيجة، ولاحظ أن المضرب يستطيع الانتقال عبر الملعب بأكمله خلال إطار واحد. ثم أجرى تجربة: أعاد الموقف نفسه عدة مرات، وغير نقطة التقاء المضرب بالكرة، وقاس المسار. وهكذا حدد ست مناطق للارتداد. وبدأ برنامج اللعب يحسب حركة الكرة لكل منطقة ويختار الضربة التي تدمر الطوب بأسرع ما يمكن.

ارتكبت النسخ الأولى أخطاء. كان المضرب يرتجف قرب الحافة، وكانت الكرة تعلق في إحدى المراحل المتأخرة، كما كان الزعيم النهائي يطلق مقذوفات لم يسبق للبرنامج أن رآها. كان الباحث يحلل الإطارات السابقة للهزيمة، ويصوغ فرضية، ويعدل الشيفرة، ثم يعيد الاختبار. ولمواجهة الزعيم، أضاف توقعا لنقطة تقاطع المقذوف مع خط المضرب. ولمعالجة الدوران في حلقة، أضاف قاعدة تتعمد ترك الكرة تمر لبدء الإرسال من جديد.

هناك تفصيل مهم: لم يلعب النموذج اللغوي الكبير المباريات النهائية. بل كتب برنامجا تقليديا حتميا يمكن قراءته واختباره. استكشف النموذج البيئة المجهولة، بينما نفذت شيفرة سريعة الاستراتيجية التي اكتشفها.

ما الذي ينبغي نقله إلى المنتج

القاعدة الأولى: امنح الوكيل بيئة معزولة. قد تكون نسخة من نظام CRM من دون مدفوعات حقيقية، أو قاعدة بيانات اختبار، أو محاكيا لعملية الإنتاج. يجب أن يكون للوكيل الحق في ارتكاب الأخطاء، وتكرار التجربة، والعودة إلى الحالة السابقة.

القاعدة الثانية: صمم آلية التحقق قبل الأتمتة. في التجربة، قاس النتيجة حكم منفصل؛ إذ شغل اللعبة بفترات تأخير مختلفة، وقرأ النتيجة، وأكد ظهور الشاشة النهائية. ولم يكن الباحث قادرا على منح نفسه التقييم. وفي الأعمال، يمكن أن يكون النظير اختبارا آليا، أو مطابقة للأرصدة، أو مجموعة من حالات الاختبار المرجعية.

القاعدة الثالثة: افصل البحث عن التنفيذ. يكون النموذج اللغوي الكبير مفيدا عند الحاجة إلى فهم وضع جديد، وإجراء تجربة، واقتراح حل. أما العملية المتكررة، فمن الأفضل إسنادها إلى برنامج تقليدي ذي مدخلات واضحة وسجل للإجراءات واختبارات.

لا تثبت التجربة أن الوكيل قادر على التعامل مع أي نظام؛ فاللعبة محدودة، والتغذية الراجعة سريعة، والمقاييس المعلنة تستند إلى مشروع واحد. لكنها توضح جيدا مبدأ معماريا. فالوكيل القوي ليس نافذة دردشة موضوعة بجوار العملية. إنه باحث يعمل داخل حلقة آمنة: ملاحظة، وفرضية، وتجربة، وشيفرة، وتحقق مستقل.