«إليت تيبل» يقود نماذج اللغة لبرمجة التحكم: مكاسب البحث تتعثر أمام اختبارات التعميم

لا تبدأ هندسة التحكم الحركي والفيزيائي دائمًا من تدريب شبكات عصبية مغلقة، إذ تحاول أبحاث جديدة إسناد المهمة إلى شفرات برمجية صريحة تولدها النماذج اللغوية الكبيرة وتنقحها ذاتيًا في بيئات المحاكاة. هذا التحول من الصناديق الحسابية المعتمة إلى برمجيات قابلة للقراءة والتنفيذ المباشر يختصر المسافة بين التوليد الآلي والتحكم الواقعي، لكنه يضع موثوقية الشفرة أمام اختبارات دقيقة.

في ورقة بحثية أودعها الباحث ستيوارت فارمر على منصة «أركايف» تحت تصنيفي الذكاء الاصطناعي والحوسبة التطورية، طرح خوارزمية باسم «إليت تيبل» (EliteTable)، تقوم على فكرة البحث البرمجي ذاتي التحسين بتوجيه من النماذج اللغوية. لا تترك الخوارزمية النموذج يولد الحلول عشوائيًا، بل تعتمد على جدول ثابت السعة يضم أفضل الحلول البرمجية المسجلة لأعلى النقاط، وتوظفه كمرجع مستمر لقيادة ثلاثة مسارات تكرارية: توليد مقترحات برمجية جديدة، وتعديل الشفرات القائمة، ودمج عناصر من عدة حلول فائزة للوصول إلى تركيبة برمجية أكثر كفاءة.

اختبرت الورقة الخوارزمية عبر ست مهام تحكم في بيئة «جيمنازيوم» (Gymnasium)، وجرى تخصيص عشرة أجيال لكل مهمة بسعة خمسين مقعدًا للمرشحين في كل جيل، مع تكرار التقييم عبر عشر عمليات بحث مستقلة التهيئة لكل مهمة. وكشفت النتائج عن تصاعد وسيط درجات المرشحين بين الجيلين الأول والأخير في المهام الست كاملة، كما ارتفع وسيط درجات الحل الفائز المختار في خمس مهام منها. وفي مهمة عارضة التوازن (CartPole-v1)، وصل الحل الفائز إلى السقف الأقصى لدرجات البحث منذ الجيل الأول في كافة عمليات البحث العشر دون استثناء.

غير أن مرحلة التقييم كشفت مفارقة واضحة بين كفاءة البحث البرمجي والقدرة على الصمود في بيئات التشغيل الجديدة. فعند اختبار الحلول الفائزة على جولات محجوبة ومنفصلة، تحسنت كافة نقاط النهاية المزدوجة المحجوبة في أربع مهام من أصل ست، وأحرزت مهمتا السائر ثنائي الأرجل (BipedalWalker-v3) وسباق السيارات (CarRacing-v3) تقدمًا إيجابيًا دون الوصول إلى الأهداف المستهدفة المعلنة. وفي المقابل، هبط الأداء في ست من أصل عشر عمليات بحث في مهمة البندول المزدوج (Acrobot-v1) عند مواجهة جولات محجوبة، وكان التغير الوسيط سلبيًا، وهو ما دفع الباحث للإقرار بالحاجة إلى مقارنات مرجعية وتجارب استئصال لمكونات الخوارزمية لتحديد فاعلية كل جزء فيها بدقة.

هذا التباين يضع المهندسين وفرق بناء الأنظمة الذكية في الخليج ومصر والشام أمام حسابات عملية مباشرة، خصوصًا في قطاعات أتمتة المستودعات اللوجستية ومحاكاة خطوط الإنتاج والتحكم الروبوتي. فتوليد شفرات تنفيذية بلغة برمجية مقروءة يمنح المطور الإقليمي ميزة التدقيق والتعقب وتفادي الغموض الذي يلازم مخرجات الشبكات العصبية. غير أن انكسار الأداء في بعض البيئات المحجوبة ينبه مديري المشاريع التقنية إلى أن توفير كلفة التدريب لا يغني عن اختبارات إجهاد صارمة، وأن الشفرة المولدة آليًا لا تصلح للدمج في خطوط التشغيل الميداني قبل إثبات قدرتها على مجابهة المتغيرات غير المتوقعة في بيئة العمل الحقيقية.

يثبت هذا المسار أن توجيه النماذج اللغوية لكتابة سياسات التحكم يفتح نافذة واعدة لتقليص الاعتماد على الضبط البرمجي اليدوي. لكن الدرس الهندسي الأبرز يظل في إدراك المسافة الفاصلة بين التفوق داخل حلقة البحث التوليدي والنجاح في بيئات التشغيل المستقلة، حيث تبقى اعتمادات الأداء الميداني المعيار الحاسم لجدوى أي خوارزمية ذاتية التحسين.