Agent2World: يمكن الآن «تجميع» العالم برمجيًا كأي برنامج عادي

هل تذكرون كيف احتفى الجميع بـ Sora، ووصفوها بأنها أولى بشائر نماذج العالم الحقيقية؟ مقاطع فيديو جميلة، وفراء قطط واقعي، وأمواج تكاد تكون صحيحة فيزيائيًا. لكن كانت هناك مشكلة واحدة: لا يمكنك دخول هذا العالم ولا تغيير أي شيء فيه. كان ديكورًا جميلًا لكنه ساكن تمامًا.

قدّم باحثون مشروع Agent2World، وهو على الأرجح أهم تحول في نموذج بناء الواقعات الرقمية خلال العام الأخير. فبعد أن حاولنا تعليم الشبكات العصبية «رسم» الفيزياء، صرنا نعلّمها كتابة شيفرتها.

تقوم فكرة Agent2World على تحويل نماذج العالم إلى ما يسميه المؤلفون «بيئة رمزية قابلة للتنفيذ». تخيّلوا أن النموذج، بدلًا من التخمين أي بكسل ينبغي أن يجاور بكسلًا آخر، يولّد البنية المنطقية للعالم وقواعد تفاعل الأجسام وحالاتها. يشبه هذا كثيرًا عمل محركات الألعاب الحديثة مثل Unreal Engine، مع فارق مهم: يُنشأ العالم ويُجمَّع «أثناء التشغيل» لخدمة مهمة محددة لوكيل الذكاء الاصطناعي. إننا ننتقل من التأمل السلبي إلى البناء الفاعل.

لماذا نحتاج إلى هذا ما دامت لدينا محاكيات ممتازة أصلًا؟ تكمن مشكلة الأساليب القديمة في ثقلها الهائل. فلكي تدرّب روبوتًا على تقديم القهوة، عليك أن ترسم المطبخ يدويًا، وتكتب فيزياء التصادمات، وتحدد آلاف المعاملات. أما Agent2World فيجعل هذه العملية آلية. يستخدم النظام قدرات النماذج اللغوية الكبيرة لفهم النوايا وتحويلها إلى شيفرة برمجية عاملة للبيئة. وهذا يرفع «لعنة الأبعاد» التي عطّلت تدريب الوكلاء في الظروف المعقدة عقودًا. وبات بوسع الوكيل أن يطلب لنفسه ميدان تدريب، فينمّيه النظام في ثوانٍ معدودة.

الفارق الجوهري هنا هو التغذية الراجعة. ففي النماذج التوليدية المعتادة، يكون الوكيل مجرد مشاهد. أما في Agent2World فهو مشارك كامل. فإذا نفّذ فعلًا ما، تحسب البيئة الرمزية النتيجة وفق قواعد منطقية، لا وفق الاحتمال الإحصائي لظهور الإطار التالي. وهذا يعالج المشكلة الرئيسية في نماذج LLM الحالية، وهي الهلوسة. ففي العالم الرمزي لا يمكن ببساطة عبور الجدار إذا كانت الشيفرة لا تسمح بذلك. وهذا ما يمنحنا «grounding»، أي تأصيل الذكاء في الواقع، وهو ما ظل يان لوكون وغيره من أنصار الحس السليم في الذكاء الاصطناعي يتحدثون عنه طويلًا.

ماذا يعني ذلك للصناعة عمومًا؟ نحن على عتبة ظهور ساحات تدريب لا نهائية تُولَّد إجرائيًا. وهذا طريق مباشر إلى تسريع تطور الروبوتات. فإذا كان جمع البيانات يتطلب سابقًا آلاف الساعات من الاختبارات الواقعية أو سنوات من النمذجة اليدوية، فبإمكاننا الآن تشغيل ملايين التكرارات في عوالم افتراضية تُبنى وتُعاد بناؤها ذاتيًا. وهذا يجعل Agent2World ليس مجرد إطار عمل جديد آخر، بل «مترجمًا» (compiler) متكاملًا للواقع لصالح الذكاء الاصطناعي.

يبدو أن العصر الذي كنا نعلّم فيه الذكاء الاصطناعي على نصوص الإنترنت يفسح المجال نهائيًا لعصر يتعلم فيه من تجربته الخاصة في عوالم يبرمجها بنفسه.

السؤال الأهم: هل سيحل الانتقال إلى البيئات الرمزية مشكلة نقص بيانات تدريب الروبوتات، أم أننا سنستبدل ببساطة هلوسات الصور بأخطاء برمجية في شيفرة العوالم؟