DeepSeek بالتعاون مع جامعتي تسينغهوا وبكين تعمل على تحسين الاستدلال لدى وكلاء الذكاء الاصطناعي

لا تتوقف DeepSeek عن إدهاش مجتمع الذكاء الاصطناعي العالمي. فقد نشر المختبر الصيني ورقة علمية جديدة بالاشتراك مع جامعة تسينغهوا وجامعة بكين، وهما من أبرز الجامعات التقنية في البلاد. وتركز الدراسة على إحدى أكثر مشكلات التعلم الآلي الحديث إلحاحًا: كيف نجعل النماذج اللغوية الكبيرة تستدل بكفاءة أعلى حين تعمل لا بوصفها محاورًا سلبيًا، بل بوصفها وكلاء مستقلين قادرين على التخطيط وتنفيذ مهام متعددة الخطوات.

ولفهم أهمية هذا المنشور لا بد من استحضار السياق. فعلى مدى الأشهر الاثني عشر الماضية، بنت DeepSeek بثبات سمعتها كمؤسسة بحثية قادرة على منافسة مختبرات غربية أكثر استهلاكًا للموارد بكثير. وقد لفتت نماذج سلسلة R1 الأنظار بمنهجها في سلاسل الاستدلال، فيما كانت كل ورقة جديدة من الفريق تتصدر فورًا قوائم المنصات الأكاديمية وتصبح موضوع نقاش في أبرز مجتمعات الذكاء الاصطناعي. والآن، وبعد توحيد الجهود مع تسينغهوا وجامعة بكين، تراهن DeepSeek على التآزر بين التطوير التجاري والخبرة الأكاديمية، وهو مزيج أعطى تاريخيًا نتائج قوية في البحوث الأساسية تحديدًا.

ولا يأتي موضوع الدراسة، أي تحسين الاستدلال (reasoning) في النماذج الوكيلية، من فراغ. فالنماذج اللغوية القياسية، المدرَّبة على الإجابة عن الأسئلة في صيغة حوار، تواجه قيودًا جوهرية عند دمجها في أنظمة وكيلية. فالوكيل لا يكتفي بتوليد إجابة، بل عليه أن يفكك المهمة إلى أجزاء، ويختار الأداة المناسبة، وينفذ الإجراء، ويفسر النتيجة، ثم يقرر الخطوة التالية. وتتطلب كل خطوة من هذه الخطوات استدلالًا ثابتًا ومتسقًا، وهنا تحديدًا تخطئ النماذج اللغوية الكبيرة الحديثة في كثير من الأحيان، أو تفقد السياق، أو تراكم الأخطاء في سلاسل الإجراءات الطويلة. وتحاول عشرات المختبرات حول العالم حل هذه المشكلة، ولكل مقاربة جديدة لتجاوزها أهمية عملية تتخطى حدود الاختبارات المعيارية الأكاديمية بكثير.

أما تفاصيل القرارات المعمارية والمؤشرات المحددة على الاختبارات القياسية فلا تزال بانتظار نشر النسخة الكاملة من الورقة، غير أن واقع هذا التعاون يقول الكثير. فجامعة تسينغهوا تضم من أقوى المجموعات البحثية في التعلم العميق والأسس النظرية للشبكات العصبية، وجامعة بكين قوية تقليديًا في مسائل التحسين والأساليب الرياضية. أما DeepSeek فتقدم بدورها البنية التحتية للتدريب واسع النطاق والخبرة في العمل مع الأنظمة الإنتاجية. ومثل هذا التحالف يتيح لا مجرد اقتراح طريقة جديدة، بل التحقق من صلاحيتها على مهام بحجم واقعي.

وتحمل هذه الدراسة عدة أبعاد مهمة للصناعة. أولًا، تحدد جودة الاستدلال في المهام الوكيلية بشكل مباشر مدى موثوقية نشر وكلاء الذكاء الاصطناعي في سيناريوهات الشركات، من أتمتة تطوير الشيفرة البرمجية إلى إدارة العمليات التجارية المعقدة. ثانيًا، تزيد منشورات بهذا المستوى من مؤسسات صينية الضغط التنافسي على OpenAI وGoogle DeepMind وAnthropic، وتدفعها إلى تسريع أبحاثها في الاتجاهات المجاورة. وأخيرًا، يعني الطابع المفتوح للصيغة الأكاديمية أن بإمكان فرق مستقلة حول العالم تكييف الأساليب الواردة في هذا العمل وإعادة إنتاجها، مما يسرّع تقدم القطاع بأكمله.

ومع ذلك، لا ينبغي توقع ترجمة فورية للنتائج إلى منتجات تجارية. فالطريق من ورقة أكاديمية إلى نظام إنتاجي مستقر طويل وشائك. فالاختبارات المعيارية تسجل تحسنات في ظروف خاضعة للسيطرة، بينما تعج السيناريوهات الوكيلية الواقعية بحالات حدية لا يمكن التنبؤ بها. ومع ذلك، فإن مثل هذه الأعمال هي التي ترسم الاتجاه: فهي تحدد الخصائص التي يجب أن تتوافر في الجيل القادم من النماذج الوكيلية، والأدوات التي يمكن بها قياس هذه الخصائص.

وتواصل DeepSeek السير على مسارها الخاص، بمنهجية وعلنية، وبحسابات واضحة لتأثير بعيد المدى. وليس صدور ورقة بالاشتراك مع تسينغهوا وجامعة بكين مجرد منشور أكاديمي، بل إشارة إلى أن المنظومة الصينية للذكاء الاصطناعي قادرة على دمج العلم الجامعي والموارد الصناعية في تيار بحثي واحد. وستكشف النسخة الكاملة من العمل إلى أي مدى تقدم هذا التعاون، وما الذي يمكن أن يقدمه للمطورين الذين يبنون الآن أنظمة وكيلية من الجيل القادم.