محتويات المقالة:

• مقدمة: طريقة جديدة للتفكير للذكاء الاصطناعي
• ما هو نموذج التفكير الهرمي (HRM)؟
• تفوق مذهل في اختبارات الذكاء
• ما وراء “سلسلة الفكر”: كيف يفكر HRM؟
• أصغر حجمًا وأكثر كفاءة
• النجاح في المهام الصعبة: من سودوكو إلى المتاهات
• ملاحظة من الحذر: الدراسة لم تخضع لمراجعة الأقران بعد
• الخاتمة: خطوة نحو ذكاء اصطناعي أكثر شبهاً بالإنسان

مقدمة: طريقة جديدة للتفكير للذكاء الاصطناعي

طور العلماء نوعًا جديدًا من نماذج الذكاء الاصطناعي يمكنه التفكير بشكل مختلف عن معظم نماذج اللغة الكبيرة (LLMs) مثل ChatGPT، مما أدى إلى أداء أفضل بكثير في معايير التفكير المنطقي الرئيسية. هذا النموذج الجديد، المسمى بنموذج التفكير الهرمي (HRM)، مستوحى من المعالجة الهرمية ومتعددة المقاييس الزمنية في الدماغ البشري، وقد يمثل قفزة نوعية في قدرة الآلات على حل المشكلات المعقدة.

ما هو نموذج التفكير الهرمي (HRM)؟

نموذج التفكير الهرمي مستوحى من الطريقة التي تدمج بها مناطق الدماغ المختلفة المعلومات على فترات زمنية متفاوتة (من أجزاء من الثانية إلى دقائق). يتكون النموذج من وحدتين: وحدة عالية المستوى مسؤولة عن التخطيط البطيء والمجرد، ووحدة منخفضة المستوى تتعامل مع الحسابات السريعة والمفصلة. هذا الهيكل المزدوج يحاكي كيفية تعامل الدماغ البشري مع المشكلات، حيث يتم التخطيط الاستراتيجي على المدى الطويل بالتوازي مع التنفيذ التكتيكي السريع.

تفوق مذهل في اختبارات الذكاء

عندما اختبر الباحثون HRM في معيار ARC-AGI—وهو اختبار صعب للغاية يهدف إلى قياس مدى قرب النماذج من تحقيق الذكاء الاصطناعي العام (AGI)—حقق النظام نتائج مذهلة. سجل HRM نسبة 40.3%، مقارنة بـ 34.5% لنموذج OpenAI، و 21.2% لنموذج أنثروبيك Claude، و 15.8% لنموذج Deepseek. هذا التفوق الكبير يشير إلى أن بنية HRM قد تكون أكثر ملاءمة لمهام التفكير المجرد وحل المشكلات من بنية نماذج اللغة الكبيرة التقليدية.

ما وراء “سلسلة الفكر”: كيف يفكر HRM؟

تستخدم معظم نماذج اللغة الكبيرة المتقدمة التفكير بـ”سلسلة الفكر” (Chain-of-Thought)، حيث يتم تقسيم المشكلة المعقدة إلى خطوات وسيطة أبسط يتم التعبير عنها باللغة الطبيعية. لكن العلماء يجادلون بأن هذا النهج له عيوب، وهي أنه يتطلب بيانات تدريب ضخمة ويعاني من زمن استجابة مرتفع. بدلاً من ذلك، ينفذ HRM مهام التفكير المتسلسلة في “تمريرة أمامية واحدة”، دون أي إشراف صريح على الخطوات الوسيطة. إنه يعمل من خلال “التنقيح التكراري”—وهي تقنية حوسبة تحسن دقة الحل عن طريق تنقيح تقدير أولي بشكل متكرر—على مدى عدة دفعات قصيرة من “التفكير”.

أصغر حجمًا وأكثر كفاءة

أحد الجوانب الأكثر إثارة للإعجاب في HRM هو كفاءته. يحتوي النموذج على 27 مليون معامل فقط ويستخدم 1,000 عينة تدريب. بالمقارنة، تحتوي معظم نماذج اللغة الكبيرة المتقدمة على مليارات أو حتى تريليونات من المعاملات. على سبيل المثال، تشير بعض التقديرات إلى أن GPT-5 الذي تم إصداره حديثًا يحتوي على ما بين 3 و 5 تريليون معامل. هذه الكفاءة تجعل من الممكن تشغيل نماذج قوية على أجهزة أقل تكلفة وتستهلك طاقة أقل.

النجاح في المهام الصعبة: من سودوكو إلى المتاهات

حقق HRM أداءً شبه مثالي في المهام الصعبة مثل ألغاز سودوكو المعقدة—وهي مهام لم تتمكن نماذج اللغة الكبيرة التقليدية من إنجازها—بالإضافة إلى التفوق في إيجاد المسار الأمثل في المتاهات. يوضح هذا أن قدرته على التفكير المنطقي ليست نظرية فحسب، بل يمكن تطبيقها على مشاكل عملية تتطلب تخطيطًا وحلًا متعدد الخطوات.

ملاحظة من الحذر: الدراسة لم تخضع لمراجعة الأقران بعد

على الرغم من أن النتائج واعدة، إلا أن الدراسة لم تتم مراجعتها من قبل الأقران بعد. ومع ذلك، حاول منظمو معيار ARC-AGI إعادة إنشاء النتائج بأنفسهم بعد أن قام العلماء بنشر نموذجهم مفتوح المصدر. على الرغم من أنهم تمكنوا من إعادة إنتاج الأرقام، إلا أنهم وجدوا أن البنية الهرمية نفسها كان لها تأثير ضئيل على الأداء، وبدلاً من ذلك، كانت هناك عملية “تنقيح” غير موثقة جيدًا أثناء التدريب هي التي أدت إلى المكاسب الكبيرة في الأداء. هذا يشير إلى أن هناك حاجة إلى مزيد من البحث لفهم ما الذي يجعل النموذج ناجحًا بالضبط.

الخاتمة: خطوة نحو ذكاء اصطناعي أكثر شبهاً بالإنسان

يمثل نموذج HRM نهجًا جديدًا ومثيرًا في تصميم الذكاء الاصطناعي. من خلال استلهام بنية الدماغ البشري، تمكن العلماء من إنشاء نموذج يتفوق في مهام التفكير المنطقي التي طالما كانت نقطة ضعف لنماذج اللغة الكبيرة. حتى لو كانت التفاصيل الدقيقة لا تزال قيد البحث، فإن هذا العمل يفتح الباب أمام جيل جديد من أنظمة الذكاء الاصطناعي الأكثر كفاءة وقدرة على حل المشكلات، مما يقربنا خطوة أخرى من تحقيق ذكاء اصطناعي يشبه الإنسان حقًا.

أسئلة شائعة

س: ما الفرق الرئيسي بين HRM ونماذج مثل ChatGPT؟
ج: يعتمد ChatGPT على نهج “سلسلة الفكر” اللغوي، بينما يستخدم HRM بنية هرمية مستوحاة من الدماغ لمعالجة التخطيط المجرد والحسابات التفصيلية بشكل منفصل، مما يجعله أفضل في التفكير المنطقي.

س: ما هو معيار ARC-AGI؟
ج: هو مجموعة من اختبارات الذكاء المجرد المصممة لقياس قدرة الذكاء الاصطناعي على حل المشكلات التي لم يرها من قبل، ويعتبر أحد أصعب المعايير لتقييم التقدم نحو الذكاء الاصطناعي العام.

س: لماذا يعتبر حجم النموذج الصغير مهمًا؟
ج: النماذج الأصغر تتطلب قوة حوسبة أقل وبيانات تدريب أقل، مما يجعلها أرخص في التطوير والتشغيل وأكثر سهولة في الوصول إليها لمجموعة واسعة من الباحثين والشركات.