«الحقائق أحادية الظهور» ترهن قدرة النماذج على الاكتشاف: ورقة بحثية تكشف سر توليد المعرفة

ظل الرهان على قدرة النماذج اللغوية الكبيرة في تحقيق اكتشافات علمية جديدة يصطدم بسؤال جوهري حول ما يجعل تلك الاكتشافات ممكنة وموثوقة بالفعل، وكيف يمكن إرجاع هذا الابتكار إلى بيانات التدريب الأساسية. تجيب دراسة بحثية أودعها سبعة باحثين في منصة «أركايف» عن هذا التساؤل بنتيجة غير متوقعة تثبت أن القدرة الاستكشافية للنماذج لا تنبع من كثافة البيانات المألوفة، بل تتحدد بمعدل ما يُعرف بالحقائق المفردة أو أحادية الظهور داخل مجموعات التدريب.

صاغ الفريق البحثي، الذي ضم أردا أوزونوغلو ودانيال خاشابي وإريك نالي بنيك وبنيامين فان دورمي ومهرداد فرج تبار ومايكل شاتز ومالر ريفسين، هذه الإشكالية بوصفها مسألة كتلة احتمالية مفقودة. وطوّر الباحثون إطارًا نظريًا يثبت أن الحقائق التي يشهدها النموذج مرة واحدة فقط أثناء التدريب هي التي ترسم الحدود الفعلية لقدرته على الاكتشاف، مفسرين بذلك كيف تنشأ الروابط المعرفية غير المسبوقة عندما تلتقط الخوارزميات تلك الشواهد الفردية وتوظفها لردم الفجوات في الفضاء الاحتمالي.

وللتحقق من الفرضية تجريبيًا، ركّزت الورقة على مجالي علم المواد والجينوم التنظيمي، حيث عمد الباحثون إلى التلاعب المباشر بنسب الحقائق المفردة داخل مجموعات التدريب ومراقبة النتائج بدقة. وكشفت التجارب أن رفع معدل تلك الحقائق أحادية الظهور قاد باطراد وتناسق إلى توليد اكتشافات أكثر جدارة، وهي نتيجة برهنت على صلابتها عبر عائلتين مختلفتين من النماذج مفتوحة الأوزان، وصمدت مع تنوع استراتيجيات أخذ العينات واختلاف ميزانيات الاستدلال المخصصة لعمليات التفكير.

ولم تتوقف الاختبارات عند إثبات الأثر المباشر، بل أظهرت تجارب إضافية أن هذه العلاقة الطردية لا يمكن تفسيرها بمجرد تنوع بيانات التدريب وحدها، فالأمر يرتبط بطبيعة تلك الحقائق النادرة لا بمجرد اتساع الرقعة النصية. وأثبتت النتائج أن أثر هذه الحقائق قادر على الانتقال عبر المجالات العلمية المختلفة عندما يقترن ببيانات متخصصة من داخل المجال المستهدف، مما يمنح النماذج مرونة غير مسبوقة في توظيف المعارف النادرة وتطبيقها في سياقات استكشافية متباينة.

يحمل هذا التحول دلالة عملية ومباشرة للفرق البحثية والمؤسسات التقنية التي تطوّر نماذج متخصصة في مراكز الحوسبة السيادية بالخليج ومصر والشام. اعتادت مشاريع تدريب النماذج في المنطقة على فلترة مجموعات البيانات بشدة واستبعاد الملاحظات التجريبية النادرة أو الفردية خوفًا من التشويش الإحصائي، مع التركيز على تكرار الأنماط الشائعة لرفع درجات الدقة التقليدية. تؤكد نتائج هذه الدراسة أن مراكز أبحاث علوم المواد والتقنية الحيوية الإقليمية بحاجة إلى تعديل مسار التنظيم: الحفاظ على القياسات المختبرية الاستثنائية والبيانات أحادية التسجيل يمثل الشرط المسبق لتمكين النماذج من اقتراح مركبات كيميائية أو تفسير تسلسلات جينية مستحدثة، بدل هدر الموارد الحسابية في تدريب أنظمة تكتفي باجترار الحقائق المتكررة.

تكشف الورقة في جوهرها أن الابتكار العلمي للذكاء الاصطناعي ليس نتاج التكرار المكثف، بل ثمرة التقاط التفاصيل التي تظهر مرة واحدة في مسار التدريب. إن تأسيس نماذج قادرة على فتح آفاق تجريبية جديدة يتطلب من المطورين إعادة النظر في قيمة البيانات النادرة، وجعل حمايتها داخل مجموعات التعلم حجر الزاوية في صناعة الاكتشاف.