💬 NLP

Do Language Models Follow Occam's Razor? An Evaluation of Parsimony in Inductive and Abductive Reasoning

تقدم هذه الورقة إطاراً اصطناعياً ومقياساً مؤتمتاً لتقييم ما إذا كانت النماذج اللغوية الكبيرة تلتزم بمبدأ "نصل أوكام" في الاستدلال الاستقرائي والاستنباطي، مما يكشف أنه بينما يمكن للنماذج التعامل مع السيناريوهات البسيطة، فإنها تواجه صعوبة في إنتاج فرضيات صحيحة وموجزة في نماذج العالم المعقدة حتى مع استخدام تقنيات الاستدلال المتقدمة.

المؤلفون الأصليون: Yunxin Sun, Abulhair Saparov

نُشر 2026-03-27

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Yunxin Sun, Abulhair Saparov

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك محقق يحاول حل لغز ما. تدخل غرفة فتجد مزهرية مكسورة، وآثار أقدام طينية، وكلبًا مبللًا.

الاستنتاج الاستنباطي (Deductive Reasoning) يشبه اتباع كتاب قواعد صارم: "إذا كان الكلب مبللاً، فقد أمطرت في الخارج. لقد أمطرت في الخارج، إذن الأرض مبتلة". هناك إجابة واحدة صحيحة فقط.
الاستنتاج الاستقرائي (Inductive Reasoning) هو النظر إلى العديد من آثار الأقدام الطينية والقول: "آها! لا بد أن كلبًا طينيًا كان هنا".
الاستنتاج التفسيري (Abductive Reasoning) هو لعبة "أفضل تخمين". ترى المزهرية المكسورة والكلب المبلل، فتخمن: "الكلب هو من أسقط المزهرية". ولكن مهلًا، ربما لم يكن الكلب هو الفاعل؟ ربما كان لصًا؟ هناك عديد من القصص المحتملة التي يمكن أن تفسر الفوضى.

نصل أوكام (Occam's Razor) هو القاعدة الذهبية للمحقق: "التفسير الأبسط هو عادةً التفسير الصحيح". في مثالنا، "الكلب أسقطها" أبسط من قولنا "دخل لص، فتعثر بالكلب، وأسقط المزهرية، ثم غادر".

السؤال الكبير

تساءل مؤلفو هذه الورقة البحثية: هل تتبع نماذج لغة الذكاء الاصطناعي (مثل النموذج الذي تتحدث إليه الآن) "نصل أوكام"؟ عندما يتعين عليها تخمين القصة الأبسط وراء لغز ما، هل تجيد فعل ذلك؟ أم أنها تبتكر قصصًا معقدة وغير ضرورية؟

التجربة: حديقة الحيوان "الوهمية"

لاختبار ذلك دون أن يغش الذكاء الاصطناعي باستخدام أشياء يعرفها بالفعل من الإنترنت، قام الباحثون ببناء حديقة حيوان اصطناعية.

الإعداد: أنشأوا عالمًا به حيوانات مخترعة (مثل "الدالبست"، و"الرومبوس"، و"الجيرجيت") وقواعد مخترعة (مثلاً: "كل الدالبست كائنات ممطرة").
اللغز: أخفوا بعض القواعد. ثم عرضوا على الذكاء الاصطناعي قائمة من الملاحظات (مثلاً: "جيري هو دالبست وهو كائن ممطر").
المهمة: كان على الذكاء الاصطناعي تخمين القواعد المفقودة التي تفسر سبب كون جيري كائنًا ممطرًا.
- مهمة بسيطة: تخمين قاعدة واحدة.
- مهمة صعبة: تخمين سلسلة كاملة من القواعد في شجرة عائلية معقدة للحيوانات.

وقد قاسوا شيئين:

هل حصل الذكاء الاصطناعي على الإجابة الصحيحة؟ (حتى لو كانت القصة غريبة ومعقدة للغاية).
هل اتبع الذكاء الاصطناعي "نصل أوكام"؟ (هل اختار القصة الأبسط والأفضل، أم اخترع قواعد إضافية غير ضرورية؟)

ماذا وجدوا؟

كانت النتائج مختلطة نوعًا ما، مثل طالب بارع في الرياضيات لكنه سيئ في الفن.

النجاح في "الوضع السهل": عندما كان اللغز بسيطًا (شجرة عائلية صغيرة مع قاعدة واحدة مفقودة)، كان الذكاء الاصطناعي جيدًا جدًا. استطاع تخمين القاعدة الصحيحة في معظم الأحيان.
الفشل في "الوضع الصعب": بمجرد أن أصبحت الشجرة العائلية كبيرة ومعقدة، بدأ الذكاء الاصطناعي يعاني.
- كان غالبًا ما يجد تفسيرًا يعمل (دقة ضعيفة).
- لكنه فشل تقريبًا في إيجاد التفسير الأبسط والأفضل (دقة قوية وجودة).
مشكلة "الإفراط في التفكير": بدلًا من قول "الكلب أسقط المزهرية"، كان الذكاء الاصطناعي يقول غالبًا "الكلب أسقط المزهرية، وأيضًا، الكلب يرتدي قبعة، والمزهرية كانت مصنوعة من الزجاج، والقمر كان بدرًا". لقد أضاف تفاصيل غير ضرورية لم تكن مطلوبة لحل اللغز. لقد تجاهل قاعدة "البساطة".

هل ساعد "التدريب"؟

حاول الباحثون مساعدة الذكاء الاصطناعي من خلال:

إعطائه أمثلة حول كيفية حل ألغاز مماثلة أولاً (التعلم داخل السياق).
استخدام نماذج "تفكير" متقدمة مدربة على التفكير خطوة بخطوة.

النتيجة: ساعدت هذه الحيل قليلاً، لكنها لم تعالج المشكلة الجوهرية. حتى نماذج الذكاء الاصطناعي الأكثر ذكاءً ظلت تعاني لتكون "بسيطة" عندما يصبح اللغز صعبًا. كانت لا تزال تميل إلى المبالغة في شرح القصص.

الخلاصة

فكر في نماذج الذكاء الاصطنا هذه كأنها متدربون عباقرة ولكن فوضويون.

هم رائعون في اتباع التعليمات عندما تكون التعليمات قصيرة وواضحة.
ولكن عندما يتعين عليهم فهم موقف معقد من تلقاء أنفسهم، فإنهم يميلون إلى الإفراط في الشرح. إنهم يفتقدون مبدأ "نصل أوكام". هم لا يميلون طبيعيًا نحو الحل الأبسط والأكثر أناقة.

لما‌ذا يهم هذا؟
في العالم الحقيقي، يحتاج العلماء والأطباء إلى إيجاد التفسير الأبسط للأمراض أو الظواهر الفيزيائية. إذا كان الذكاء الاصطناعي سيساعدنا في اكتشاف أشياء جديدة، فعليه أن يتعلم التوقف عن اختراع تفاصيل غير ضرورية والالتزام بالحقيقة الأبسط والأكثر احتمالية. حاليًا، وفقًا لهذه الورقة البحثية، هم لم يصلوا إلى تلك المرحلة بعد.

إليك ملخص تقني مفصل لورقة البحث بعنوان "هل تتبع النماذج اللغوية مبدأ أوكام لتقليل التعقيد؟ تقييم التقتير في الاستدلال الاستقرائي والاستنباطي" للباحثين يونشين سون وأبولهير ساباروف.

1. بيان المشكلة

بينما أظهرت النماذج اللغوية الكبيرة (LLMs) تقدماً ملحوًا في الاستدلال الاستنتاجي (اشتقاق الاستنتاجات من مقدمات ثابتة)، إلا أن قدراتها في الاستدلال غير الاستنتاجي — وتحديداً الاستدلال الاستقرائي (التعميم من الحالات) والاستدلال الاستنباطي (استنتاج أفضل تفسير للملاحظات) — لا تزال غير مستكشفة بشكل كافٍ.

جانب حاسم في الاستدلال غير الاستنتاجي هو مبدأ أوكام لتقليل التعقيد (Occam's Razor): وهو المبدأ الذي ينص على أنه من بين عدة فرضيات صالحة لتفسير مجموعة من الملاحظات، فإن الفرضية الأبسط (الأكثر تقتيراً/بساطة) هي غالباً الأكثر فائدة وأرجحية. غالباً ما تدمج المعايير المرجعية الحالية بين القدرة على الاستدلال وبين اكتساب المعرفة العامة، أو تركز فقط على صحة الإجابة النهائية (دقة التسمية) دون تقييم جودة أو بساطة عملية الاستدلال.

سؤال البحث الجوهري: هل تمتلك النماذج اللغوية الكبيرة القدرة على إجراء الاستدلال الاستقرائي والاستنباطي، وإذا كان الأمر كذلك، فهل تلتزم بمبدأ أوكام لتقليل التعقيد عبر توليد أبسط الفرضيات عالية الجودة؟

2. المنهجية

أ. مجموعة بيانات INABHYD

قدم المؤلفون INABHYD (اكتشاف الفرضيات الاستقرائية والاستنباطية)، وهي مجموعة بيانات مرجعية جديدة مصممة لتقييم هذه القدرات في بيئة محكومة.

التوليد الاصطناعي: لتجنب تلوث بيانات التدريب، تستخدم مجموعة البيانات نماذج عوالم خيالية (مثل مفاهيم خيالية مثل "wumpus" أو "dalpist") بدلاً من كيانات من العالم الحقيقي.
الهيكل: يتكون كل مثال من:
1. نموذج العالم: شجرة أنطولوجيا (وجودية) ممثلة بمنطق الرتبة الأولى (FOL)، تحتوي على مفاهيم، وخصائص، وأعضاء، وعلاقات النوع الفرعي.
2. البديهيات الخفية: بديهيات محددة (الحقيقة الأرضية) تكون مخفية عن النموذج.
3. الملاحظات: مجموعة من الحقائق المستمدة من نموذج العالم والبديهيات الخفية.
4. المهمة: يجب على النموذج اللغوي الكبير توليد فرضيات لتفسير الملاحظات في ظل نموذج العالم غير المكتمل.
التحكم في الصعوبة: يتم التحكم في التعقيد من خلال ارتفاع شجرة الأنطولوجيا (من 1 إلى 4) وعدد الفرضيات المطلوبة (فرضية واحدة مقابل فرضيات متعددة).
النطاق: تحتوي مجموعة البيانات على أكثر من 2000 سؤال استدلال مع كود توليد يسمح بالتوسع اللانهائي.

ب. مقاييس التقييم

يقترح البحث إطار عمل مبتكر لتقييم كل من الصحة والتقتير (البساطة):

الدقة الضعيفة (Weak Accuracy): تقيس ما إذا كانت الفرضيات المولدة يمكنها تفسير جميع الملاحظات (الصلاحية المنطقية).
الدقة القوية (Strong Accuracy): تقيس ما إذا كانت الفرضيات المولدة تتطابق تماماً مع الفرضيات الحقيقية (الأبسط).
جودة الفرضية (مقياس التقتير/البساطة): مقياس كمي يعتمد على مبدأ أوكام لتقليل التعقيد.
- يحسب نسبة متوسط استخدام الفرضيات المتوقعة في أشجار الإثبات مقابل متوسط استخدام الفرضيات الحقيقية.
- $q(H) = \frac{1}{|H|} \sum n(h) / \frac{1}{|H^*|} \sum n(h^*)$
- تشير الدرجة 1.0 إلى أن النموذج وجد المجموعة الأكثر تقتيراً (بساطة) من الفرضيات. وتشير الدرجات الأقل إلى فرضيات غير ضرورية أو معقدة للغاية.

ج. الإعداد التجريبي

النماذج التي تم تقييمها: سبعة نماذج لغوية كبيرة رائدة، بما في ذلك GPT-5.4، وO3، وLLaMA3-70B، وGemma3-27B، وDeepSeek-V3، وGPT-4o، وDeepSeek-R1-Distill-LLaMA-70B.
التقنيات المختبرة:
- التلقين بأسلوب الصفر (Zero-shot prompting).
- التعلم داخل السياق (ICL) باستخدام 8 أمثلة توضيحية (سواء كانت ضمن التوزيع أو خارجه).
- التلقين المعزز بالاستدلال (سلسلة الأفكب CoT مقابل مخزن الأفكار BoT).
- نماذج الاستدلال المدربة باستخدام التعلم التعزيزي مع المكافآت القابلة للتحقق (RLVR).

3. المساهمات الرئيسية

إطار عمل للاستدلال غير الاستنتاجي: إطار عمل اصطناعي يختبر في آن واحد الاستدلال الاستقرائي والاستنباطي باستخدام نماذج عوالم قابلة للتعبير بمنطق الرتبة الأولى (FOL)، مما يفصل القدرة على الاستدلال عن المعرفة الخارجية.
مقياس التقتير (Parsimony Metric): مقياس آلي جديد لتقييم ما إذا كانت النماذج اللغوية الكبيرة تلتزم بمبدأ أوكام لتقليل التعقيد، متجاوزاً مجرد الصحة الثنائية.
مجموعة بيانات INABHYD: مجموعة بيانات قابلة للتوسع مصممة خصيصاً لتقييم اكتشاف الفرضيات وجودتها، مما يعالج الفجوة في الأدبيات الحالية التي تركز بشدة على الاستنتاج.
التقييم المنهجي: أول دراسة شاملة تقيم جودة (بساطة) الفرضيات الاستقرائية والاستنباطية للنماذج اللغوية الكبيرة، وليس فقط صلاحيتها.

4. النتائج الرئيسية

أ. اتجاهات الأداء

السيناريوهات البسيطة: تؤدي النماذج اللغوية الكبيرة بشكل جيد (دقة ضعيفة وقوية عالية > 80%) في أشجار الأنطولوجيا الضحلة (الارتفاع 1) مع فرضية واحدة.
السيناريوهات المعقدة: يتدهور الأداء بشكل كبير مع زيادة ارتفاع شجرة الأنطولوجيا (التعقيد) وعند الحاجة إلى فرضيات متعددة.
- بالنسبة للأشجار ذات الارتفاع 4، تنخفض الدقة إلى أقل من 50% لمعظم النماذج.
- الفجوة بين الدقة الضعيفة والقوية: غالباً ما تنتج النماذج فرضيات صالحة (دقة ضعيفة) تفسر الملاحظات ولكنها تفشل في إنتاج الفرضيات الأبسط (تظل الدقة القوية ودرجات الجودة منخفضة).

ب. الالتزام بمبدأ أوكام لتقليل التعقيد

الفشل في التقتير (Parsimony): حتى عندما تستطيع النماذج اللغوية الكبيرة تفسير الملاحظات، فإنها تواجه صعوبة في تحديد التفسير الأبسط. فهي غالباً ما تولد فرضيات غير ضرورية أو فرضيات تافهة (تكرار الملاحظات كقواعد).
تحليل الأخطاء: الخطأ الأكثر شيوعاً (النوع 2) هو تجاهل هيكل الأنطولوجيا وإنتاج فرضيات زائدة عن الحاجة. تشمل الأخطاء الأخرى اتجاه الأنطولوجيا الخاطئ (على سبيل المثال، استنتاج "كل الثدييات هي قطط" بدلاً من "كل القطط هي ثدييات") وهلوسة الكيانات.

ج. تأثير التحسينات

التعلم داخل السياق (ICL): الأمثلة التوضيحية التي تقع ضمن التوزيع (تطابق صعوبة الاختبار) تحسن الأداء قليلاً، خاصة فيما يتعلق بالدقة القوية والجودة في الأشجار المعقدة. أما الأمثلة خارج التوزيع فلا تظهر فائدة تذكر.
نماذج الاستدلال والمطالبات (Prompts): تتفوق نماذج مثل GPT-5.4 وO3 على النماذج الأساسية. وتقنيات مثل مخزن الأفكار (BoT) تعطي عموماً نتائج أفضل من سلسلة الأفكار (CoT) القياسية، خاصة بالنسبة للدقة الضعيفة.
القصور: رغم هذه التحسينات، لا تزال هناك فجوة مستمرة بين الدقة الضعيفة والقوية. التقنيات الحالية لا تحل بشكل كامل مشكلة توليد فرضيات عالية الجودة ومقتصرة (بسيطة) في السيناريوهات المعقدة.

5. الأهمية والخاتمة

محدودية النماذج اللغوية الكبيرة الحالية: تكشف الدراسة أن النماذج اللغية الكبيرة، رغم قدرتها على إجراء الاستدلال غير الاستنتاجي الأساسي، إلا أنها تفتقر إلى القدرة الجوهرية على تطبيق مبدأ أوكام لتقليل التعقيد بفعالية في سيناريوهات تعدد الفرضيات المعقدة. فهي تميل إلى جعل التفسيرات أكثر تعقيداً بدلاً من إيجاد التفسير الأكثر بساطة.
الآثار المترتبة على سلامة الذكاء الاصطناعي والعلوم: بما أن الاستدلال الاستقرائي والاستنباطي أمران حاسمان للاكتشاف العلمي وحل المشكلات في العالم الحقيقي، فإن عدم القدرة على توليد فرضيات بسيطة وعالية الجودة يشير إلى أن النماذج الحالية قد تكون غير موثوقة للمهام التي تتطلب توليد فرضيات دقيق.
الاتجاهات المستقبلية: يشير المؤلفون إلى أن تحسينات الاستدلال القياسية (CoT، RLVR) غير كافية لهذا التحدي المحدد. قد يتطلب العمل المستقبلي تدريباً متخصصاً على التقتير (التبسيط) أو نهجاً عصبياً-رمزياً لفرض البساطة المنطقية.

باختصار، تجادل الورقة بأن النماذج اللغوية الكبيرة لا تتبع حالياً مبدأ أوكام لتقليل التعقيد بشكل موثوق في مهام الاستدلال الاستقرائي والاستنباطي المعقدة، حيث تنتج غالباً فرضيات صالحة ولكنها معقدة بلا داعٍ، مما يسلط الض الضوء على فجوة كبيرة بين قدرات النماذج الحالية والقدرة البشرية على الاستدلال العلمي.