«إرشاد الوكلاء الانتقائي عبر الإنتروبيا»: تدريب سياسات التحكم الخفيفة يكسر الارتهان للنماذج البصرية الكبرى

تواجه الاستعانة بنماذج الرؤية واللغة الكبرى بصفتها سياسات تحكم مباشرة في بيئات اتخاذ القرار التفاعلية عوائق تشغيلية حادة ترتبط بالتكلفة والهشاشة، إذ يفرض استخدامها إرسال استعلامات مستمرة مع كل خطوة يخطوها الوكيل، إلى جانب عجزها عن التطور الذاتي عبر الاحتكاك المباشر بالبيئة وتكرارها للأخطاء المنهجية بصورة مستمرة. وفي ورقة بحثية نُشرت ضمن نتائج مؤتمر «إي إم إن إل بي 2026»، قدّم باحثون إطارًا جديدًا يحمل اسم «إرشاد الوكلاء الانتقائي عبر الإنتروبيا» أو «سيج»، لتدريب سياسات تحكم خفيفة ومستقلة بالاعتماد على توجيه متقطع ومؤقت من نماذج الرؤية واللغة دون الحاجة إليها إطلاقًا عند التشغيل الفعلي.

يقوم الإطار الذي ابتكره الباحثون ماتيو ميرلر، وجيوفاني بونيتا، ودافيدي زاغو، وروسيلا كانسيلييري، وبرناردو ماغنيني، على مبدأ التعامل مع النموذج البصري الكبير كمعلم ذي كلفة مرتفعة وملاحظات غير معصومة، بدل اعتباره المحرك الدائم للقرار. يعتمد النظام على مراقبة مستوى عدم اليقين لدى الوكيل عبر مقياس الإنتروبيا، بحيث لا يطلب استشارة النموذج البصري إلا في اللحظات التي يتعذر فيها على المتعلم اتخاذ قرار واثق، مما يقلص عدد الاستعلامات الموجهة للمعلم إلى نسبة محدودة من إجمالي خطوات التدريب، ثم تُقطر المعرفة المستخلصة داخل سياسة خفيفة تعمل بخوارزميات التعلم المعزز.

ولمعالجة مشكلة عدم موثوقية بعض توجيهات النماذج البصرية وتفادي تلقين الوكيل سلوكيات خاطئة، يتضمن إطار «سيج» آلية لوزن عملية تقطير توجيهات المعلم استنادًا إلى المزايا والمكاسب الفعلية المتحققة في البيئة بدل معاملة كافة المقترحات بالقيمة ذاتها. وتُبين التجارب المجراة على مهام الملاحة البصرية والاستدلال المكاني ذات المكافآت الشحيحة أن السياسة المستقلة تفوقت على أساليب التعلم المعزز غير الموجهة، بل وتمكنت في بيئات محددة من تجاوز أداء النموذج البصري المعلم ذاته، مع تنفيذ المهام باستقلالية كاملة دون توجيه خارجي عند مرحلة الاختبار والتقييم.

وتوضح النتائج أن فائدة الإرشاد الانتقائي تبلغ ذروتها حين يساعد النموذج البصري الوكيل في اكتشاف مسارات ذات مكافآت مرتفعة في البيئات المعقدة التي يصعب استكشافها عشوائيًا، في حين تتراجع جدواه حين تنجح آليات الاستكشاف الذاتي بمفردها أو عندما تكون مقترحات المعلم غير مفيدة في إنتاج خبرات نوعية. وتخلص الدراسة إلى أن القيمة الحقيقية للنماذج البصرية في بيئات التحكم لا تكمن في تثبيتها كسياسات تشغيل نهائية، بل في توظيفها كمصادر إرشاد مؤقتة تُختبر قيمتها وتُدمج داخليًا عبر التفاعل المستمر.

يحمل هذا التحول دلالة عملية مباشرة للمهندسين وفرق التطوير في الخليج ومصر والمنظومة الشامية ممن يبنون وكلاء الأتمتة والملاحة المستقلة للروبوتات ومستودعات الإمداد. فبدلًا من دفع تكاليف متكررة لواجهات النماذج البصرية السحابية مع كل إطار بصري ومواجهة تأخير الاستجابة في البيئات الحساسة للوقت، تتيح هذه المنهجية تدريب سياسات محلية خفيفة وقليلة التكلفة تُنشر على العتاد الطرفي وتعمل بكفاءة تامة دون استدعاء سحابي واحد، ما يقلص نفقات الاستدلال التشغيلية إلى الصفر بعد انتهاء التدريب.