ذهب الأولمبياد بلا نماذج جديدة: كيف روضت «إنفيديا» عائلة نيموترون لحل المسائل المعقدة؟

حين تجتمع الرياضيات الصارمة مع الخوارزميات المعقدة في اختبارات الأولمبياد الدولي، تقف أنظمة الذكاء الاصطناعي عادة أمام جدارين متباينين: أحدهما يطلب برهانًا لغويًا سليمًا لا يقبل الخلل، والآخر يفرض كتابة شفرة برمجية تجتاز اختبارات سرية تحت ضغط زمني دقيق. لم يعد السؤال يتمحور حول إمكانية بناء نماذج عملاقة تلتهم مليارات المعاملات، بل حول ما إذا كانت وصفة التخصيص قادرة على انتزاع الذهب دون إعادة اختراع النموذج التأسيسي من الصفر.

في السابع من أكتوبر 2026، كشفت نتائج فرق أبحاث «إنفيديا» عن بلوغ عائلة نماذج «نيموترون» مستوى الميدالية الذهبية في مسابقتي الأولمبياد الدولي للمعلوماتية (IOI 2026) والأولمبياد الدولي للرياضيات (IMO 2026). لم يأت الإنجاز عبر تشييد صرح تأسيسي جديد لكل تحد، بل استند إلى ركيزة موحدة انطلقت من نموذج «نيموترون 3»، ثم طُوّعت عبر مسار تخصيص قابل للتكرار يدمج الضبط الدقيق الخاضع للإشراف، والتعلم التعزيزي، وحلقات الاستدلال المدفوعة بالتغذية الراجعة.

الذهب لا تصنعه المعاملات وحدها، بل هندسة الحلقة الاستدلالية. في منافسات البرمجة التنافسية للأولمبياد الدولي للمعلوماتية، اعتمد الباحثون على انتقاء 22 ألف مسألة وتوليد مسارات استدلال اصطناعية لتدريب نموذجين متخصصين: الأول هو «نيموترون 3 نانو سي سي» بحجم 30 مليار معامل إجمالي و3 مليارات معامل نشط ونال ضبطًا دقيقًا وتعلمًا تعزيزيًا، والثاني «نيموترون 3 ألترا سي سي» بحجم 550 مليار معامل إجمالي و55 مليار معامل نشط واكتفى بمسار الضبط الدقيق الخاضع للإشراف. أظهر التدرج التجريبي في مسائل عام 2025 أن النموذج الأصغر قفز من 130 نقطة قبل التدريب اللاحق إلى 280 نقطة بعد الضبط، ثم إلى 291 نقطة مع التعلم التعزيزي، ليحقق 468 نقطة ويتجاوز عتبة الذهب البالغة 438.3 نقطة بمجرد ربطه باستراتيجية «جين كوريكت» التي تكرر التوليد والتقييم والتنقيح. أما في منافسة 2026، فقد حصد نظام النموذج الأكبر 535.4 نقطة من أصل 600، متجاوزًا عتبة الذهب الرسمية البالغة 361.12 نقطة وأعلى درجة بشرية مسجلة عند 498.27 نقطة، وذلك ضمن بيئة قياس حية واجهت شروط الوقت ومحدودية الإرسال وحجب الإنترنت المفروضة على المتسابقين، وإن ظلت تجربة معيارية غير رسمية خارج الترتيب المعتمد.

وفي أولمبياد الرياضيات، سلك الفريق المسار ذاته عبر تدريب متخصصين مستقلين من طراز «نيموترون 3 ألترا»: أحدهما خضع للضبط الدقيق عبر 414890 مثالًا مفلترًا غطت 15818 مسألة برهان فريدة علمت النموذج بناء الحجة ورصد الفجوات ومراجعة الذات، بينما دُرّب المتخصص الآخر بالتعلم التعزيزي على 9597 مسألة تقع عند حدود قدراته. لم تقتصر الاستراتيجية على طلب عينات إضافية من نقطة فحص واحدة، بل جمعت بين النموذجين في نظام يولد البراهين ويقيمها وينتقدها وينقحها بالكامل باللغة الطبيعية دون أدوات خارجية أو محركات إثبات شكلية، لتنال البراهين تقييم المصححين الرسميين في الأولمبياد وتحصد 30 نقطة من 42 متخطية عتبة الذهب البالغة 29 نقطة، مع علامة كاملة في أربع مسائل من أصل ست.

كلفة التخصيص تنخفض حين تكف المؤسسات عن مطاردة بناء النماذج الضخمة. هذا التحول التقني يحمل دلالة تشغيلية واضحة لفرق هندسة الذكاء الاصطناعي والمؤسسات المالية والتقنية في الخليج ومصر والمنطقة العربية؛ فالاعتماد على نماذج مفتوحة الأوزان مثل «نيموترون» وحزم الاستدلال المنشورة مثل «نيمو سكيلز» ينقل المنافسة من ميزانيات التدريب التأسيسي الباهظة إلى تصميم مجموعات بيانات التفكير المركزة وإدارة حوسبة وقت الاختبار. يستطيع مهندس النظم هنا توظيف نموذج وسيط أو أصغر حجمًا وتوجيهه لحل مشكلات الامتثال المعقدة أو التحقق من البرمجيات الحرجة عبر حلقات التقييم والتنقيح الذاتي، بدل استنزاف الموارد في استئجار سحب عملاقة لتشغيل نماذج عامة لا تتقن خصوصية المهمة.

إن إتاحة «إنفيديا» لنقاط الفحص، ومجموعات البيانات التدريبية، ومنهجيات التحقق عبر منصة «هاجينج فيس» يثبت أن التفوق في المهام المعرفية الصعبة بات رهنًا بجودة حلقة الفحص وإعادة التوليد أثناء الاستدلال، وليس فقط بمجرد مضاعفة سعة العتاد.