AI العصبي-الرمزي: كيف نجعل النماذج اللغوية تجري الحسابات أخيرًا

استثمرت أكبر شركات التكنولوجيا في العالم عشرات المليارات من الدولارات في نماذج اللغة القادرة على كتابة الأكواد وترجمة النصوص وتوليد استدلالات متماسكة حول أي موضوع. لكن اطلب من أي منها أن تقسم 7429 على 17 — وتبدأ اليانصيب. أحياناً تكون الإجابة صحيحة، وأحياناً لا، وأحياناً ينتج النموذج هلوسة واثقة لا يمكن تمييزها عن النتيجة الصحيحة. هذا ليس عطلاً يمكن إصلاحه بتصحيح. إنها قيود أساسية للبنية المعمارية، وأحد الباحثين على منصة Habr لم يشير إلى المشكلة فحسب، بل اقترح حلاً عملياً.

قبل فهم الحل، يستحق فهم سبب وجود المشكلة في المقام الأول. تعالج نماذج اللغة القائمة على معمارية Transformer المعلومات من خلال تحويلات رياضية متصلة — عمليات الضرب المصفوفي، ودوال التفعيل، وآليات الانتباه. كل هذا يعمل بشكل رائع للمهام التي تهم فيها الأنماط والسياق والتقديرات التقريبية. لكن الحساب هو عملية منفصلة. اثنان زائد اثنين يساوي بالضبط أربعة، وليس 3.97 وليس 4.02. عندما تحاول شبكة عصبية محاكاة الحسابات الدقيقة من خلال التقريب، فإنها تفشل حتماً — خاصة على الأرقام التي لم تظهر في مجموعة التدريب أو تقع خارج النطاقات المألوفة.

حاولت الصناعة طرقاً بديلة. يفرض الحث Chain-of-Thought على النموذج أن يستدل خطوة بخطوة، مما يحسن النتائج لكنه لا يعالج المشكلة الأساسية — كل خطوة في السلسلة لا تزال يتم تنفيذها بنفس البنية المعمارية المقربة. يساعد الضبط الدقيق للمهام الرياضية في السيناريوهات الضيقة، لكنه لا يعمم. يؤدي زيادة حجم نافذة السياق وحجم النموذج إلى تحسينات هامشية بتكلفة نفقات حسابية ضخمة. في النهاية، توصلت الشركات إلى حل متناقض: توصيل الآلات الحاسبة العادية بأقوى الشبكات العصبية من خلال استدعاءات الأدوات. إنه يعمل، لكنه يبدو مثل عكاز معلق على سفينة فضاء.

اتخذ الباحث طريقاً مختلفاً، مقترحاً معمارية عصبية رمزية — هجين تقوم فيه مكونات الشبكة العصبية بما تتفوق فيه حقاً، بينما تتولى الوحدات الرمزية المهام التي تتطلب دقة. الفكرة ليست جديدة بالمعنى الأكاديمي — يتم نقاش الذكاء الاصطناعي العصبي الرمزي في الأوساط العلمية منذ سنوات عديدة، وقد أشار باحثون مثل يوشوا بينجيو وجاري ماركوس منذ فترة طويلة إلى ضرورة دمج نموذجين. لكن المسافة من النقاش النظري إلى التنفيذ العملي ضخمة، وحاول المؤلف تجاوز هذه المسافة.

جوهر البنية المعمارية المقترحة هو شبكة عصبية دلالية لا يحاول فيها النموذج الحساب بشكل مباشر، بل يتعرف على نوع المهمة ويفوضها إلى الوحدة الرمزية المقابلة. تعمل الشبكة العصبية كمترجم للنوايا وموجه، بينما يتم تنفيذ العمليات الدقيقة بواسطة خوارزميات حتمية. هذا مختلف أساساً عن نهج الأدوات الخارجية: بدلاً من استدعاء واجهة برمجية ثقيلة لآلة حاسبة، يتم دمج المنطق الرمزي مباشرة في بنية النموذج، مما يسمح له بالعمل بشكل أسرع وأكثر موثوقية.

تؤكد النتائج التجريبية الموصوفة من قبل المؤلف قابلية النهج للتطبيق، على الرغم من أنه من السابق لأوانه الحديث عن ثورة. السؤال الأساسي هو قابلية التوسع. الحساب هو أبسط حالة من الاستدلال الرمزي. من الأصعب بكثير دمج الوحدات الرمزية للاستدلال المنطقي والتخطيط أو التحقق من الحقائق. إذا استطاعت البنية المعمارية التوسع إلى هذه المجالات، فستغير حقاً المشهد. إن لم تستطع، ستبقى حلاً أنيقاً لكن متخصصاً.

بالنسبة للصناعة، تتجاوز أهمية هذا العمل التنفيذ المحدد. إنه يسلط الضوء على اتجاه يكتسب قوة في الأشهر الأخيرة: يصطدم التوسع البحت للشبكات العصبية بسقف، والمستقبل يكمن في الأنظمة الهجينة. يجري OpenAI و Google و Anthropic بالفعل تجارب مع أشكال مختلفة من التكامل العصبي الرمزي، على الرغم من أنهم لا يتحدثون عنها علناً دائماً. حقيقة أن باحثاً مستقلاً يقترح أفكاراً قابلة للمنافسة برمز مفتوح المصدر تشير إلى نضج المجتمع وديمقراطية البحث في الذكاء الاصطناعي.

في النهاية، يطرح العمل السؤال الصحيح: ألا يجب أن نتوقف عن إجبار الشبكات العصبية على فعل ما لم تُنشأ له، وبدلاً من ذلك السماح لكل مكون من المنظومة بفعل ما يفعله بشكل أفضل؟ يبدو أن الإجابة واضحة. كل ما تبقى هو تنفيذها على نطاق واسع.