Google DeepMind تتيح لنموذج لغوي كبير إعادة كتابة خوارزميات نظرية الألعاب والتفوق على الخبراء

أظهرت Google DeepMind أن النموذج اللغوي لا يقتصر دوره على مساعدة الباحثين في كتابة الشيفرة، بل يستطيع أن يبحث بنفسه عن أفكار خوارزمية جديدة في نظرية الألعاب، وأن يتفوق على حلول أمضى البشر سنوات في صقلها. ويتعلق الأمر بـ Multi-Agent Reinforcement Learning للألعاب ذات المعلومات غير الكاملة، أي المواقف التي يلعب فيها المشاركون بالتناوب ولا يرى أي منهم البيانات المخفية لدى الآخرين، كما في البوكر. وفي مثل هذه المسائل لا تعتمد جودة الخوارزمية على النظرية الأساسية وحدها، بل على عدد كبير من التفاصيل الهندسية: كيفية تراكم الندم (regret)، وكيفية خصم الإشارات القديمة، ومتى يبدأ حساب متوسط الاستراتيجية، وبأي طريقة يُبحث عن التوازن. وعادةً ما تُضبط هذه العناصر يدوياً بالحدس وسلسلة من الفرضيات وتجارب طويلة.

في ورقة بحثية أولية نُشرت على arXiv في 18 فبراير 2026، اقترح فريق DeepMind نقل هذا العمل إلى AlphaEvolve، وهو وكيل تطوري لإعادة كتابة الشيفرة يستخدم LLM ويتحقق آلياً من جودة كل نسخة جديدة. وطُبّق AlphaEvolve في هذه الدراسة على عائلتين كلاسيكيتين من الخوارزميات: CFR، أي Counterfactual Regret Minimization، وPSRO، أي Policy Space Response Oracles. واستُخدم في التجارب إطار OpenSpiel، وقُيّمت الجودة بمقياس exploitability، وهو مقياس يبيّن مدى قابلية الاستراتيجية التي جرى التوصل إليها للاستغلال عبر أفضل رد من الخصم.

ومن النقاط المهمة أن الباحثين لم يكتفوا بانتقاء المعاملات الفائقة (hyperparameters). فقد غيّر النظام منطق شيفرة Python نفسها، وهي المسؤولة عن تراكم إشارة regret، وبناء السياسة الحالية، وحساب متوسط الاستراتيجيات. وتذكر الدراسة صراحةً أن Gemini 2.5 Pro هو النموذج الذي بُنيت عليه حلقة البحث هذه.

وفي عائلة CFR، توصّل النظام إلى صيغة جديدة باسم VAD-CFR، أي Volatility-Adaptive Discounted CFR. وفكرتها أن الخوارزمية لا تعتمد قواعد ثابتة لنسيان المعلومات القديمة، بل ترصد تقلب عملية التعلم وتزيد خصم التاريخ في اللحظات غير المستقرة. كذلك أضاف AlphaEvolve تعزيزاً غير متماثل لإشارات regret اللحظية الموجبة بمعامل 1,1، وقاعدة غير متوقعة لحساب المتوسط: عدم البدء مطلقاً بتراكم متوسط السياسة قبل التكرار الخامس مئة. ويكتسب ذلك أهمية خاصة لأن أفق التقييم بلغ 1000 تكرار، أما عتبة 500 فاستنتجها النظام بنفسه دون أي تلميح صريح في الموجّه (prompt). وعلى المجموعة الكاملة المؤلفة من 11 لعبة، حقق VAD-CFR نتيجة تساوي أفضل الحلول المعروفة أو تتفوق عليها في 10 حالات من 11؛ والاستثناء الوحيد كان نسخة Kuhn Poker لأربعة لاعبين.

أما في PSRO، فلم يبحث AlphaEvolve عن قواعد تحديث regret، بل عن محلّل ميتا (meta-solver) يحدد توزيع الاحتمالات على مجموعة الاستراتيجيات. وهكذا ظهر SHOR-PSRO، أي Smoothed Hybrid Optimistic Regret PSRO. وتمزج هذه الصيغة بين optimistic regret matching وتوزيع ناعم على أفضل الاستراتيجيات النقية، وتغيّر بسلاسة أثناء التدريب التوازن بين الاستكشاف والاقتراب من التوازن. وعملياً يلغي ذلك جزءاً من الضبط اليدوي الذي كان إلزامياً سابقاً: فلم يعد على الباحث أن يخمّن مسبقاً متى ينبغي تشجيع تنوع الاستراتيجيات ومتى يلزم الاقتراب من التوازن بصرامة أكبر. وعلى المجموعة الكاملة من 11 لعبة، جاء SHOR-PSRO مساوياً لأفضل الحلول اليدوية المرجعية أو متفوقاً عليها في 8 حالات.

ومن الجدير بالذكر أن DeepMind لم تتحقق من مجرد التكيّف مع أمثلة التدريب. فقد تطورت الصيغتان أولاً على أربع ألعاب، منها 3-player Kuhn Poker و2-player Leduc Poker و4-card Goofspiel و5-sided Liar’s Dice، ثم اختُبرتا دون إعادة ضبط إضافية على نسخ أكبر لم تُعرض عليهما من قبل من الفئات نفسها من المسائل. وهذا أقوى من العرض المعتاد على بيئة أو بيئتين تجريبيتين بسيطتين، إذ يبيّن قدرة أساسية على الأقل لدى الخوارزميات على التعميم خارج المجموعة المحددة التي جرى عليها البحث.

والخلاصة الرئيسية بسيطة: بدأ LLM يؤتمت لا كتابة الشيفرة فحسب، بل تصميم الخوارزميات نفسها. وبالنسبة للباحثين يعني ذلك تحولاً في الدور: جهد أقل في تجريب الأساليب الإرشادية (heuristics) يدوياً، وتركيز أكبر على تحديد المقياس والقيود ومنظومة التحقق. ومع ذلك، لا يثبت هذا العمل أن النموذج قادر على اختراع كل شيء بشكل شامل: فالنجاح هنا يستند إلى دالة تقييم واضحة وإلى مجالات يمكن فيها التحقق من جودة الحل بصرامة. لكن حتى مع هذا التحفظ تبدو النتيجة جدية: فقد أظهرت DeepMind أن الآلة قادرة بالفعل، في مجالات ضيقة قابلة للصياغة الرسمية، على إيجاد حلول لم يصل إليها الخبراء يدوياً.