مأزق الاستكشاف في نماذج الاستدلال: كيف يفكك إطار «إكسب ديس» تدهور الجودة؟

هل يمكن لنموذج الذكاء الاصطناعي أن يبتكر مسار تفكير أصيل لم يره من قبل دون أن يفقد اتزانه؟ هذا السؤال وضع مطوري نماذج الاستدلال الحديثة أمام حائط مسدود؛ إذ تخضع النماذج لتدريب مكثف بالتعلم المعزز بمكافآت قابلة للتحقق فوق نقاط الفحص المدربة مسبقًا، أملاً في اكتشاف استراتيجيات تفكير جديدة كليًا. من الناحية النظرية، يفترض في النموذج أن يسحب أفكارًا مبتكرة غائبة عن بيانات تدريبه السابقة، لكن التجربة العملية أثبتت أن ربط هذا التعلم بحوافز حداثة قوية انتهى بنجاح محدود وأدى إلى تدهور ملموس في جودة النموذج.

جذر هذه المعضلة يكمن في البنية الرقابية الضيقة للتعلم المعزز؛ فالمكافآت القابلة للتحقق لا تشرف إلا على شريحة محدودة جدًا من معارف النموذج وسلوكياته، مما يجعل التعافي من تدهور الجودة مهمة بالغة الصعوبة إذا انحرف النموذج أثناء البحث عن حركات جديدة. وحين تفرض منظومة التدريب حوافز استكشاف هجومية، يختل توازن النموذج الأصلي، وتضيع الدقة التراكمية في محاولة تسجيل نقاط ابتكار سطحية.

الحل لم يأت بتعديل الأوزان داخل النموذج نفسه، بل بإعادة هندسة منظومة التدريب برمتها. في الورقة البحثية الحديثة التي حملت عنوان «فصل الاستكشاف عن التحسين في التعلم المعزز بمكافآت قابلة للتحقق» للباحثين سيف بنجواني وميكا غولدبلوم، اقترح الفريق إطار عمل أطلقوا عليه اسم «إكسب ديس» يقوم على فصل مسار الاستكشاف تمامًا عن مسار التحسين، بدلاً من إجبارهما على التنافس داخل سياسة تدريب واحدة.

يقسم إطار «إكسب ديس» المهمة بين كيانين تدريبيين مختلفين؛ حيث يجري تدريب سياسة استكشاف واحدة أو أكثر مع تزويدها بمكافأة حداثة صريحة لدفعها نحو تجربة مسارات حلول غير معتادة، ثم تخضع مساراتها لفلترة صارمة تضمن صحتها وجودتها. بعد ذلك، تُقطر هذه المسارات المصفاة داخل سياسة طالب منفصلة تمامًا، وتدرب سياسة الطالب دون أي مكافأة حداثة، في دورات متتابعة تتناوب بين الاستكشاف الجريء والتحسين المستقر.

هذا الفصل الهندسي سمح للباحثين بتوسيع نطاق الاستكشاف بقوة ودون خوف من إفساد سياسة الطالب المستقرة؛ وأظهرت النتائج تفوق إطار «إكسب ديس» على خوارزمية دابو عبر سبعة اختبارات معيارية للاستدلال الرياضي وعلى عائلتين من النماذج، وضمن نفس ميزانية الوقت الفعلي للحوسبة. كما رصد الباحثون تحسنًا ملحوظًا في مقياس النجاح مع تعدد المحاولات، مما يثبت أن النموذج بات قادرًا على توليد حلول صحيحة وأكثر تنوعًا.

المهارة الحاسمة في بناء نماذج الاستدلال تكمن في إقامة بوابات تصفية تقطر الابتكار دون تشويه الأساس. هذا التحول يمس مباشرة الفرق التقنية والمؤسسات التي تبني وتدرب نماذج استدلال متخصصة في الخليج ومصر؛ إذ تعتمد مبادرات التطوير في مراكز البيانات الإقليمية على ترشيد ساعات الحوسبة الثمينة. وبدلاً من استنزاف ميزانيات المعالجات في جولات تدريب تتعطل فيها جودة النموذج الأساسي، يقدم نموذج الفصل هذا دليلاً عمليًا على إمكانية استخراج مسارات تفكير مبتكرة ضمن ميزانية زمنية ثابتة.

لكل مطور وقائد تقني يواجه معضلة ضبط النماذج المعقدة، خطوتك العملية هنا واضحة ومباشرة: احمِ النموذج الأساسي من عشوائية البحث الحر، واجعل الاستكشاف مهمة سياسات بحث مستقلة تخضع مساراتها لفلترة دقيقة قبل أن تلامس سياسة الإنتاج المعتمدة.