إطار عمل «سبيد»: عندما يصمم النموذج بيئته التدريبية بنفسه

في الورقة التي نشرها باحثون من جامعة واشنطن ومعهد ألين للذكاء الاصطناعي على «أركايف» في التاسع عشر من أغسطس، يظهر إطار عمل جديد باسم «سبيد» يقلب افتراضاً جوهرياً في تدريب وكلاء اللغة: أن مجموعة البيئات التدريبية يجب أن تُحَدَّد سلفاً بيدي بشر. بدلاً من ذلك، يجعل «سبيد» نموذجاً واحداً يلعب دورين: «مصمم البيئة» الذي يكتب بيئات كاملة كرمز قابل للتنفيذ بواجهة على غرار «أوبن أيه آي جيم» تتضمن دالة إعادة تعيين ودالة خطوة، و«وكيل الاستدلال» الذي يتعلم التصرف داخلها. النتيجة: تحسين مقداره 5.3 نقاط في المتوسط عبر ثمانية معايير في الرياضيات والعلوم والبرمجة والاستدلال، وقفزة تصل إلى 13.9 نقطة في «إيس بينش-إيجنت» للمهام الوكيلة متعددة الأدوار، و5.7 نقاط في «بي إف سي إل-في 4» للبرمجة متعددة الأدوار.

التغيير الجوهري: البيئات الثابتة، سواء صممها بشر أو ولّدها نموذج مرة واحدة أو ثبت محققها، تبقي توزيع الأهداف راكداً بينما يكبر المتعلم. «سبيد» يكسر هذا الجمود بجعل تصميم البيئة نفسه مكوناً قابلاً للتعلم، يتطور بتغذية راجعة من ندم الوكيل، أي الفجوة بين مكافأته مع تلميحات مميزة ومن دونها. في تحسين إشارة الندم هذه، يتعلم «مصمم البيئة» استهداف بيئات عند حافة قدرات الوكيل مع إبقائها قابلة للحل.

مكونات حاسمة للنجاح: الورقة تحدد عنصرين أساسيين: تأسيس «مصمم البيئة» على وثائق مقتطفة من كوربوس التدريب المسبق الكبير، ومنحه ذاكرة متراكمة للبيئات المولدة. من دون هذين العنصرين، يتدهور الأداء بشكل ملحوظ. كما أن الواجهة الموحدة، بيئات Stateful متعددة الأدوار مع دوال انتقال حالة، ودوال مكافأة، ورمز تحقق، تمكّن إطاراً واحداً من تغطية مسائل الاستدلال واستخدام الأدوات الوكيلية متعددة الخطوات.

لماذا يهم الخليج: المنطقة تستثمر بكثافة في البنية السيادية للذكاء الاصطناعي، من «هيومين» السعودية إلى «إنسيبشن» الإماراتية. النهج التقليدي يربط قيمة النموذج بحجم البيانات والمعاملات؛ «سبيد» يطرح بديلاً: القيمة في قدرة النظام على توليد تحدياته الخاصة. مختبر سيادي يملك حاسوباً فائقاً ونموذجاً أساسياً يمكنه، إن تبنى هذا المسار، بناء مناهج تدريب مخصصة لسياقه اللغوي والتنظيمي من دون انتظار حزم بيئات غربية.

الحدود العملية: الورقة تعترف بأن النجاح تطلب نموذجاً بـ 30 مليار معامل. هذه متطلبات حسابية وهندسية لا تتاح لكل فريق. كما أن التحسن في مهام «الألعاب» تزايد مع حجم النموذج، ما يشير إلى أن الميزة تظهر بوضوح في النطاق الواسع.

الخلاصة: السباق القادم ليس في «أكبر نموذج» بل في «أذكى منهج توليد بيئات». من يملك حلقة التصميم الذاتي هذه، يملك منحنى التحسن القادم.