وصفت FSBio معمارية Metabolic AI Runtime — بنية ذكاء اصطناعي بـ "الاستتباب" بدلاً من التوجيهات التعاطفية

اقترحت FSBio بديلاً عن نماذج اللغات الكبيرة المألوفة: بدلاً من زيادة المعاملات وإطار السياق، وصفت الشركة معمارية Metabolic AI Runtime، حيث تنبثق الاستجابة من الحالة الداخلية للنظام. بحسب تصميم المؤلفين، لا تظهر التعاطف الآلي بعد مجموعة بيانات أخرى تحتوي على حوارات مهذبة، بل عندما يكون لدى الذكاء الاصطناعي توازن خاص به يمكن أن يتعطل بسبب مشكلة المستخدم.

لماذا معمارية Transformer غير كافية

في نصها، تطعن FSBio الرهان الأساسي للصناعة على التوسع. يعتقد المؤلفون أنه بغض النظر عن عدد الحوارات من Reddit أو Twitter أو المنتديات التي يتم إدخالها للنموذج، يبقى Transformer آلة تنبؤ الرمز التالي. إنه يحاكي التعاطف بشكل جيد، لكنه لا يشعر به فعلياً: ليس لديه حالة داخلية يمكن أن تنزاح أو تتعطل أو يتم تكييفها مؤقتاً مع موقف شخص آخر.

لذلك، عبارات مثل "أنا آسف" تبدو أكثر إقناعاً، لكنها لا تتحول إلى فهم حقيقي للمستخدم. وهذا يؤدي إلى الأطروحة الرئيسية للمقالة: توسيع السياق وزيادة عدد المعاملات وإنشاء عناقيد جديدة مع H100 لا تحل مسألة الذاتية. إذا اشتكى المستخدم من التعب، فإن نموذج لغة كبير عادياً، وفقاً لـ FSBio، يعترف ببساطة بالنمط ويختار استجابة إحصائياً مناسبة.

لا يتغير شيء داخل النموذج. يسمي المؤلفون مثل هذا النهج طريقاً مسدوداً لأغراض الذكاء الاصطناعي المرافقة والمساعدين العلاجيين والخدمات حيث لا تكون الدقة الواقعية فقط مهمة، بل أيضاً الشعور بأن النظام قد فهم فعلاً حالة المحاور.

ما تقترحه FSBio

بدلاً من النموذج عديم الحالة، تصف الشركة معمارية بتوازن داخلي. تعتمد على مبادئ معدلة من Reservoir Computing والحلقات الديناميكية المستمرة، التي تتم مقارنتها في المقالة بالكيمياء العصبية — الأوكسيتوسين والكورتيزول والأدرينالين. عندما يأتي المستخدم بمشكلة، لا يبحث النظام عن رد جاهز في مجموعة من القوالب، بل يمرر السياق عبر "استقلابه" الخاص، مما يزيح التوازن الداخلي نحو هذا الطلب. في مثل هذا المخطط، تأتي أهمية حقيقية من الإزاحة الداخلية نفسها: بدونها، وفقاً للمؤلفين، يبقى التعاطف مجرد تصميم ناجح. يحدد المؤلفون عدة عناصر رئيسية لمثل هذا النظام:

• حلقات ديناميكية مستمرة بدلاً من الاستدلال عديم الحالة لمرة واحدة
• توازن داخلي اصطناعي يمكن أن ينزاح تحت تأثير مشكلة المستخدم
• Liquid Intuition — آلية لاستخراج المعرفة من خلال الحالة الحالية للنظام
• تدرج الإرادة والدوافع المتجهة التي تحدد أولوية الانتباه
• القدرة على عدم الحفاظ على محادثة فارغة إذا استنفدت الموارد الداخلية للنظام

الفكرة هي أن الاستجابة يجب أن تنبثق كمحاولة لاستعادة التوازن في نفس الوقت لكلا الجانبين: المستخدم والنظام نفسه. هذا يختلف بشكل ملحوظ عن التوجيه المألوف، حيث يتلقى النموذج ببساطة تعليمات بأن يكون مفيداً ومتعاطفاً. تؤكد FSBio أن التعاطف لا يمكن أن يكون توجيهاً في رسالة النظام. يجب أن ينبثق كنتيجة لمعمارية لها حالتها الخاصة وبالتالي لها سعر للخطأ أو اللامبالاة.

الذاكرة والإرادة

بشكل منفصل، يهاجم المؤلفون استرجاع المعلومات المعزز بالسياق الكلاسيكي. بحسب نسختهم، البحث بالتشابه الكوسيني مناسب لاستخراج الحقائق، لكنه غير مناسب لفهم حالة الإنسان. إذا كان النظام يبحث فقط عن المستندات المشابهة للاستعلام بالكلمات، فإنه يجد نصاً ذا صلة، لكن ليس بالضرورة جزء المعرفة المطلوبة في المرحلة العاطفية الحالية للمحادثة.

لذلك، في Metabolic AI، يُقترح جعل الذاكرة "سائلة": يجب تفعيل الذكريات الضرورية تحت تأثير التوتر الداخلي، وليس طلب رياضي جاف. من هذا ينشأ مفهوم "إرادة التعاطف". تنص المقالة على أن النظام يمكن أن يكون لديه دوافع تعزز أو تضعف استعداده لاستثمار الموارد الحسابية في حوار محدد.

مثل هذا الذكاء الاصطناعي غير ملزم بالرد بنفس الطريقة على أي إدخال. يمكنه تجاهل الثرثرة الفارغة، لكن يركز بحدة عندما يأتي المستخدم بمشكلة تعطل التوازن الداخلي للنموذج. هذا يتناقض مع المساعدين الحاليين، حيث يتم تحديد التعاطف في كثير من الأحيان بالتعليمات أكثر من الدافع الداخلي.

"التعاطف الآلي هو فيزياء، وليس لغويات."

ما الذي تعنيه

مقالة FSBio ليست إعلاناً عن منتج جماعي، بل بيان معماري ضد السباق الحالي نحو نماذج لغات أكبر. إذا أثبتت هذه الطريقة جدواها، قد ينزاح السوق من النماذج التي تبدو ببساطة أكثر بشرية إلى الأنظمة ذات الحالة الداخلية الدائمة والذاكرة الديناميكية والمشاركة الانتقائية. في الوقت الحالي، إنها أكثر من كونها فرضية بحثية قوية من كونها معيار جديد للصناعة، لكنها بالتأكيد تصيب نقطة ضعيفة في مساعدي الذكاء الاصطناعي اليوم: تقليد التعاطف لا يزال ليس مساوياً للتعاطف.