«TW3Cast» يتفوق على وكلاء الذكاء الاصطناعي في السلاسل الزمنية بجدول توجيه مجمد

سجلت ورقة بحثية جديدة للباحثين ناثان تييري وأندريه لويس روشيه إنجازا تقنيا لافتا في مجال التنبؤ بالسلاسل الزمنية، حيث نجح نظام TW3Cast في احتلال المركز الثالث من بين 130 مشاركة على منصة تقييم GIFT Eval بحسب تصنيف متوسط خطأ MASE حتى تاريخ 14 سبتمبر 2026. وتكمن المفارقة التقنية البارزة في أن المركزين الأول والثاني في لوحة الصدارة يتبعان فئة الأنظمة الوكيلة التي تعتمد على وكلاء أذكياء أو نماذج لغوية كبرى لتفسير التوقعات وتوليدها أو اختيارها، بينما يعمل نظام TW3Cast دون أي وكيل ودون أي نموذج لغوي على الإطلاق.

يعتمد النظام بديلا هندسيا صارما يقوم على جدول توجيه ثابت يجري حسابه مرة واحدة فقط على بيانات التدريب ثم يُجمد بالكامل. وتتولى خدمة التوقعات مجموعة من النماذج التأسيسية العامة التي خضعت لضبط دقيق خفيف، حيث يتعامل الجدول مع 97 تركيبة مختلفة تشمل مجموعات البيانات ومستويات التردد والمدى الزمني المستهدف. ويقدم الجدول لكل تركيبة نمطا واحدا من أربعة خيارات محددة: إما نموذجا متخصصا خضع لضبط كامل أو ضبط عبر تقنية LoRA لنماذج Chronos 2 أو TiRex أو Toto جرى تنقيح بياناتها وإثراؤها بقواعد صريحة، أو مزيجا كميا يحتوي على نموذج متخصص، أو مزيجا من النماذج الأساسية، أو دورة اختيار تنافسية تجري على اختبار رجعي مقتطع من بيانات التدريب.

ولا يُقبل أي نموذج متخصص داخل جدول التوجيه إلا في اللحظة التي يتفوق فيها على المنافسة التجريبية في ذلك الاختبار الرجعي، ما يجعل تكلفة اختبار أي مرشح مقتصرة على بضعة ميغابايتات ودقائق معدودة من وقت المعالجة الرسومية، في حين لا يؤثر استبعاد المرشح الخاسر على استقرار المنظومة. ولحماية آلية الاختيار من الانحياز الذاتي، طبّق الباحثون ثلاثة حواجز أمان دقيقة: معيارا مزدوجا يجمع بين الدقة والمعايرة، وهامشا تفاضليا غير متماثل ضد النماذج المرشحة التي شاهدت السلاسل أثناء التدريب، وبوابات فحص متحفظة لكل نافذة زمنية، إلى جانب اختيار قواعد التوجيه ذاتها عبر اختبار زمني أعمق. وتُظهر النتائج أن أفضل نموذج أساسي بمفرده حقق رتبة 33.8، بينما حقق نموذج الاختبار التنافسي الموحد رتبة 38.0، في حين قفز جدول التوجيه المتكامل بالنظام إلى رتبة 19.4.

وبصفتي متابعة لتطورات البنى التحتية للذكاء الاصطناعي، أرى أن هذا التفوق الهندسي يكتسب أهمية تشغيلية بالغة للمؤسسات المالية وشركات الخدمات اللوجستية وإدارة الطاقة في الخليج ومصر والشام. فحين تقيس كلفة التشغيل في منشأتك، ستجد أن الاعتماد السائد على تشغيل وكلاء النماذج اللغوية لتوليد التوقعات يفرض تكاليف استدلال باهظة وتأخيرا زمنيا ملحوظا لكل عملية تنبؤ، فضلا عن الحاجة إلى استدعاء واجهات سحابية خارجية قد تصطدم بمتطلبات سيادة البيانات المحلية في المصارف أو شبكات المرافق الحيوية. ويُثبت هذا المعمار أن الاعتماد على ضبط خفيف لنماذج تأسيسية متخصصة ومفتوحة مثل Chronos 2 مع جدول توجيه مجمد يتيح للفرق التقنية المحلية بناء محركات تنبؤ فائقة الدقة داخل مراكز بياناتها الخاصة، مع خفض جذري في استهلاك الموارد الحوسبية.

وقد أتاح الباحثون جدول التوجيه وفهرس النماذج وإصدارات النماذج الأساسية وملف النتائج المعتمدة بصورة مفتوحة بالكامل، بحيث يمكن إعادة توليد جميع أرقام لوحة الصدارة الواردة في الورقة بواسطة سكريبت برمجي واحد. يقدم هذا البحث درسا عمليا في كفاءة التصميم المعماري، مؤكدا أن مهام التنبؤ الزمني المتقدمة لا تتطلب بالضرورة منظومات وكيلة معقدة تستهلك ميزانيات الحوسبة بلا طائل، بل يكفيها توجيه إحصائي منضبط مبني على اختبارات رجعية محكمة.