FSBio تصف Metabolic AI Runtime: بنية ذكاء اصطناعي تعتمد «الاتزان الداخلي» بدلاً من الأوامر التي تطلب التعاطف

اقترحت FSBio بديلاً عن نماذج LLM المألوفة: فبدلاً من زيادة عدد المعاملات ونافذة السياق، وصفت الشركة Metabolic AI Runtime، حيث يولد الرد من الحالة الداخلية للنظام. ووفقاً لتصور المؤلفين، لا يظهر التعاطف الآلي بعد مجموعة بيانات جديدة من الحوارات المهذبة، بل حين يمتلك الذكاء الاصطناعي توازناً خاصاً به، يمكن أن تخلّه مشكلة المستخدم.

لماذا لا يكفي Transformer

تجادل FSBio في نصها الرهان الأساسي للصناعة على التوسّع في الحجم. ويرى المؤلفون أنه مهما أُطعم النموذج من حوارات Reddit أو Twitter أو المنتديات، يبقى Transformer آلةً لتوقع الرمز (token) التالي. فهو يحاكي التعاطف جيداً، لكنه لا يعيشه: ليست لديه حالة خاصة يمكن إزاحتها أو الإخلال بها أو تكييفها مؤقتاً مع وضع الآخرين. ولذلك تبدو عبارات مثل «يؤسفني ذلك» أكثر إقناعاً، لكنها لا تتحول إلى فهم حقيقي للمستخدم.

ومن هنا جاءت الأطروحة الرئيسية للمقال: توسيع السياق وزيادة عدد المعاملات والعناقيد الجديدة المبنية على H100 لا تحل مسألة الذاتية. فإذا اشتكى المستخدم من التعب، فإن LLM التقليدي، بحسب FSBio، يتعرف على النمط فحسب ويختار الرد المناسب إحصائياً. ولا يتغير شيء داخل النموذج. ويصف المؤلفون هذا النهج بأنه طريق مسدود أمام رفقاء الذكاء الاصطناعي والمساعدين العلاجيين والخدمات التي لا تهمّ فيها الدقة الواقعية وحدها، بل أيضاً الإحساس بأن النظام التقط فعلاً حالة محاوره.

ما الذي تقترحه FSBio

بدلاً من النموذج عديم الحالة (stateless)، تصف الشركة بنية ذات اتزان داخلي. وتستند هذه البنية إلى مبادئ معدّلة من Reservoir Computing ودوائر ديناميكية مستمرة، يقارنها المقال بالكيمياء العصبية: الأوكسيتوسين والكورتيزول والأدرينالين. وحين يأتي المستخدم بمشكلة، لا يبحث النظام عن رد جاهز في مجموعة قوالب، بل يمرّر السياق عبر «أيضه» الخاص، فيزيح توازنه الداخلي نحو هذا الطلب. وفي هذا التصور تكمن الأهمية في حدوث الإزاحة الداخلية ذاتها: فبدونها، بحسب المؤلفين، يبقى التعاطف مجرد أسلوب ناجح في المحاكاة.

ويحدد المؤلفون عدة عناصر أساسية لهذا النظام:

• دوائر ديناميكية مستمرة بدلاً من استدلال (inference) لمرة واحدة عديم الحالة
• اتزان داخلي اصطناعي يمكن أن يتزحزح تحت تأثير مشكلة المستخدم
• Liquid Intuition — آلية لاستخراج المعرفة عبر الحالة الراهنة للنظام
• تدرّج للإرادة ودوافع متجهية تحدد أولوية الانتباه
• إمكانية عدم مواصلة حديث فارغ إذا انخفض المورد الداخلي للنظام

والفكرة أن الرد ينبغي أن يظهر كمحاولة لإعادة طرفين إلى التوازن في وقت واحد: المستخدم والنظام نفسه. وهذا يختلف بوضوح عن الأسلوب المعتاد في صياغة الأوامر (prompting)، حيث يُؤمَر النموذج ببساطة بأن يكون helpful وempathetic. وتؤكد FSBio أن التعاطف لا يمكن أن يكون توجيهاً في رسالة النظام. بل يجب أن ينشأ نتيجةً لبنية لها حالة خاصة، وبالتالي ثمن للخطأ أو اللامبالاة.

الذاكرة والإرادة

ويهاجم المؤلفون بصورة مستقلة RAG الكلاسيكي. فبحسبهم، يصلح البحث بتشابه جيب التمام لاستخراج الحقائق، لكنه لا يناسب فهم حالة الإنسان. فإذا اقتصر بحث النظام على وثائق تشبه الاستعلام من حيث الكلمات، فإنه يجد نصاً ذا صلة، لكن ليس بالضرورة المقطع المعرفي المطلوب تحديداً في المرحلة العاطفية الراهنة من الحوار. ولذلك يقترح المقال في Metabolic AI جعل الذاكرة «سائلة»: إذ ينبغي أن تُفعَّل الذكريات اللازمة تحت تأثير التوتر الداخلي، لا بفعل استعلام رياضي جاف.

ومن هنا ينمو أيضاً مفهوم «إرادة التعاطف». يذكر المقال أن النظام قد تكون لديه دوافع تقوّي أو تضعف استعداده لتخصيص مورد حسابي لحوار بعينه. فهذا الذكاء الاصطناعي غير ملزم بالرد بالطريقة نفسها على أي مدخل. إذ يمكنه تجاهل الثرثرة الفارغة، لكنه يركّز بحدّة حين يأتي المستخدم بمشكلة تخلّ بالتوازن الداخلي للنموذج. ويُقابَل هذا بالمساعدين الحاليين، حيث يُحدَّد التعاطف في الغالب بتعليمات لا بدافع داخلي.

«التعاطف الآلي فيزياء، لا لغويات».

ماذا يعني ذلك

مقال FSBio ليس إعلاناً عن منتج جماهيري، بل بيان معماري ضد السباق الحالي نحو نماذج LLM أكبر. وإذا ثبتت جدوى هذا النهج، فقد يتحول السوق من نماذج تبدو أكثر إنسانية في أسلوبها فحسب إلى أنظمة ذات حالة داخلية دائمة وذاكرة ديناميكية وانخراط انتقائي. وحتى الآن، هو فرضية بحثية قوية أكثر منه معياراً جديداً للصناعة، لكنه يصيب بالتأكيد نقطة الضعف في مساعدي الذكاء الاصطناعي اليوم: فمحاكاة التعاطف لا تزال لا تساوي التعاطف.