Preemptive Solving of Future Problems: Multitask Preplay in Humans and Machines
تقدم هذه الورقة البحثية "Multitask Preplay"، وهي خوارزمية مبتكرة تستفيد من عمليات المحاكاة المضادة للمهام غير المُسعى إليها ولكنها متاحة للوصول، وذلك لتعلم تمثيلات تنبؤية، مما يفسر التعميم البشري في البيئات المعقدة ويحسن بشكل كبير قدرة الوكلاء الاصطناعيين على نقل المهارات عبر سيناريوهات المهام المتعددة الجديدة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تسير في حي جديد بحثاً عن مقهى. وبينما تمشي، تمر بجوار صالة ألعاب رياضية، ومتجر بقالة، ومنتزه. ورغم أنك تبحث عن القهوة فقط، إلا أن عقلك يدون ملاحظات ذهنية بهدوء حول أماكن الصالة الرياضية ومتجر البقالة أيضاً. لاحقاً، إذا احتجت فجأة إلى الحليب، فلن تضطر للبدء من الصفر؛ إذ يمكنك استحضار موقع متجر البقالة فوراً، فهو يقع على بعد ممرين فقط.
تقترح هذه الورقة البحثية أن البشر يقومون بهذا النوع من "الاستحضار الذهني" طوال الوقت، وتقدم خوارزمية حاسوبية جديدة تسمى "الاستحضار متعدد المهام" (Multitask Preplay) تحاول محاكاة هذه القدرة الخارقة لدى البشر.
إليك تفصيل الفكرة، والتجارب، والنتائج، باستخدام تشبيهات بسيطة.
المشكلة: "ورقة الغش" مقابل "الخريطة"
لفهم هذه الورقة، تخيل طريقتين لتعلم لعبة فيديو:
- "ورقة الغش" (النموذج غير المعتمد على النموذج - Model-Free): تلعب اللعبة مليون مرة. تحفظ أنه "إذا ضغطت للأعلى، ثم لليمين، ثم قفزت، ستحصل على نقطة". هذا سريع وسهل بمجرد معرفة النمط، ولكن إذا تغيرت اللعبة (مثلاً إذا تحرك الهدف)، فسيتعين عليك البدء من جديد. لا يمكنك التكيف.
- "الخريطة" (النموذج المعتمد على النموذج - Model-Based): تبني خريطة ذهنية مثالية للعالم بأكل. يمكنك معرفة كيفية الوصول إلى أي مكان فوراً. لكن بناء هذه الخريطة يتطلب الكثير من طاقة الدماغ والوقت في كل مرة تتخذ فيها قراراً.
معظم أنظمة الذكاء الاصطناعي الحالية تحاول أن تكون واحدة من الاثنين. أما البشر، فيبدو أنهم يفعلون شيئاً بينهما؛ فهم يبنون خريطة، لكنهم أيضاً "يستحضرون" سيناريوهات في رؤوسهم أثناء الراحة أو القيام بأشياء أخرى، ليكونوا مستعدين للمستقبل.
الفكرة الكبرى: "الاستحضار متعدد المهام"
يقترح المؤلفون أنك بينما تسير إلى المقهى (المهمة أ)، فإن عقلك لا يتوقف عند ذلك فحسب. بل يقوم بمحاكاة ما سيحدث لو كنت تسير إلى متجر البقالة (المهمة ب) أو الصالة الرياضية (المهمة ج) في الخلفية، حتى لو لم تكن ذاهباً إلى هناك بالفعل.
- التشبيه: تخيل أنك طاهٍ يطبخ حساءً كبيراً (مهمتك الرئيسية). وبينما ينضج الحساء، لا تجلس مكتوف الأيدي؛ بل تتدرب ذهنياً على تقطيع الخضروات لسلطة قد تصنعها لاحقاً. عندما تحتاج السلطة فعلياً، لن تضطر لتعلم كيفية التقطيع؛ لأنك قد "استحضرت" الحركة بالفعل في رأسك.
- الخوارزمية: يأخذ البرنامج الحاسوبي المسار الذي سلكته للتو (مثلاً: إلى المقهى) ويقوم بتشغيل محاكاة في الخلفية: "حسناً، لو كنت ذاهباً إلى متجر البقالة بدلاً من ذلك، ماذا سأفعل؟". ثم يحفظ هذه التجربة "الوهمية" في ذاكرته. لاحقاً، عندما يصبح متجر البقالة هو الهدف الحقيقي، يكون الكمبيوتر قد عرف الطريق بالفعل لأنه تدرب عليه مسبقاً.
كيف اختبروا ذلك (التجارب)
اختبر الباحثون هذه الفكرة باستخدام كل من البشر والكمبيوتر في عالمين مختلفين:
1. عالم الشبكة (متاهة بسيطة)
- الإعداد: تحكم البشر في مثلث أحمر داخل متاهة للوصول إلى صندوق أزرق (مهمة التدريب). لاحقاً، كان عليهم البحث عن صندوق أحمر (مهمة جديدة).
- الاختبار: في بعض الأحيان، كان موقع الصندوق الأحمر بحيث يتداخل المسار الأفضل للوصول إليه مع المسار الذي سلكوه للتو للوصول إلى الصندوق الأزرق.
- النتيجة: لم يسلك البشر أقصر مسار من الناحية الرياضية فحسب؛ بل غالباً ما سلكوا مساراً أطول قليلاً يعيد استخدام المسار الذي تدربوا عليه للتو.
- لماذا هذا مهم: كانوا أسرع عند إعادة استخدام المسار القديم، حتى لو لم يكن هو الأقصر. وهذا يشير إلى أنهم قاموا بـ "تخزين" المسار في عقولهم خلال المهمة الأولى، تماماً مثل خوارزمية "الاستحضار متعدد المهام". أما نماذج الذكاء الاصطناعي الأخرى فقد إما فشلت في حل المتاهة أو استغرقت وقتاً أطول بكثير لأنها لم "تستحضر" المسارات البديلة.
2. عالم ماين كرافت (لعبة ثلاثية الأبعاد معقدة)
- الإعداد: انتقلوا إلى لعبة أكثر تعقيداً تسمى "Craftax" (تشبه ماين كرافت)، حيث يتعين على اللاعبين العثين على أحجار معينة (ألماس، ياقوت) في عالم واسع ومخفي جزئياً.
- التحول: في بعض الأحيان، لم يكن اللاعبون يعرفون حتى أي حجر سيتم اختبارهم عليه لاحقاً.
- النتيجة: حتى عندما لم يعرفوا الهدف المستقبلي، ظل البشر يعيدون استخدام المسارات من فترة التدريب. كانوا أسرع في العثور على الحجر الجديد إذا كانوا قد مروا بالقرب منه أثناء التدريب.
- مقارنة الذكاء الاصطناعي: فشلت نماذج الذكاء الاصطناعي القياسية فشلاً ذريعاً هنا؛ فلم تستطع التعميم. لكن ذكاء "الاستحضار متعدد المهام" نجح، حيث طابق الأداء البشري من خلال محاكاة السعي وراء الأحجار المجهولة أثناء تعلمه للأحجار المعروفة.
محاكاة الذكاء الاصطنا_ي: اختبار "10,000 عالم جديد"
أخيراً، اختبر الباحثون الخوارزمية في محاكاة ضخمة حيث كان على الذكاء الاصطناعي تعلم التنقل في 10,000 عالم فريد ومختلف.
- التحدي: المهام في العالم الحقيقي غالباً ما تتشارك في أجزاء معينة. للحصول على الماس، تحتاج إلى معول. وللحصول على المعول، تحتاج إلى خشب. هذه "المهام الفرعية" تحدث معاً بشكل متكرر.
- النجاح: تعلم ذكاء "الاستحضار متعدد المهام" التعرف على هذه الأنماط. فمن خلال محاكاة "المهام الفرعية" (مثل صنع معول) أثناء العمل على الهدف الرئيسي، بنى عقلاً مرناً. وعند وضعه في عالم جديد تماماً لم يره من قبل، استطاع حل المهام المعقدة بشكل أسرع بكثير من طرق الذكاء الاصطناعي الأخرى.
الخلاصة
تزعم الورقة البحثية أن البشر بارعون بطبيعتهم في "استحضار" الاحتمالات المستقبلية بناءً على ما يفعلونه الآن. نحن لا نتعلم للمهمة الحالية فحسب، بل نتعلم للمهام التي قد نحتاجها لاحقاً.
من خلال تعليم الحواسيب القيام بنفس الشيء —محاكاة الأهداف البديلة أثناء العمل على الهدف الحالي— يمكننا صنع ذكاء اصطناعي يكون أفضل بكثير في التكيف مع المواقف الجديدة دون الحاجة إلى إعادة تعلم كل شيء من الصفر. اتضح أن سر الذكاء ليس فقط في العمل بجد على الحاضر، بل في "أحلام اليقظة" حول المستقبل.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.