🤖 AI

COGITAO: A Visual Reasoning Framework To Study Compositionality & Generalization

تقدم الورقة البحثية COGITAO، وهو إطار عمل ومعيار مفتوح المصدر ونمطي يقوم بتوليد الملايين من المهام البصرية الفريدة القائمة على القواعد لدراسة وتوضيح أوجه القصور في النماذج الحالية المتطورة في تركيب المفاهيم المتعلمة والتعميم على الإعدادات الجديدة بشكل منهجي.

المؤلفون الأصليون: Yassine Taoudi-Benchekroun, Klim Troyan, Pascal Sager, Stefan Gerber, Lukas Tuggener, Benjamin Grewe

نُشر 2026-02-19

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Yassine Taoudi-Benchekroun, Klim Troyan, Pascal Sager, Stefan Gerber, Lukas Tuggener, Benjamin Grewe

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 تعلم روبوتًا كيفية تنظيف غرفتك. أنت تريه كيف يلتقط جوربًا ويضعه في سلة الغسيل. ثم تريه كيف يلتقط كتابًا ويضعه على الرف.

إذا كان الروبوت ذكيًا حقًا، فيجب أن يكون قادرًا على استنتاج كيفية التقاط جورب ثم وضعه على الرف، أو التقاط كتاب ثم وضعه في سلة الغسيل، حتى لو لم تكن قد أريته تحديدًا تلك التوليفات بعينها. هذه القدرة على خلط ودمج المهارات المتعلمة لحل مشكلات جديدة تسمى التعميم التركيبي (Compositional Generalization). إنها قوة خارقة للذكاء البشري، لكن بالنسبة للذكاء الاصطناعي، فهي تشبه محاولة تعليم كلب حساب التفاضل والتكامل.

تقدم هذه الورقة أداة جديدة تسمى COGITAO (اسم طويل النطق، لذا دعونا نسميها "مختبر الليغو") مصممة لاختبار مدى براعة الذكاء الاصطناعي في هذا النوع من الخلط والدمج.

المشكلة: الذكاء الاصطناعي هو "مطابق للأنماط"، وليس "مفكرًا"

نماذج الذكاء الاصطناعي الحالية (مثل تلك التي تشغل برامج الدردشة الآلية أو مولدات الصور) بارعة للغاية في حفظ الأنماط. إذا أريتها مليون صورة لقطة، يمكنها تمييز القطة. ولكن إذا طلبت منها القيام بشيء جديد قليلًا — مثل "تدوير القطة ثم جعل لونها أزرق" — فغالبًا ما ترتبك. فهي تميل إلى التخمين بناءًا على ما رأته من قبل، بدلًا من فهم القواعد الفعلية لكيفية دمج الإجراءات.

أراد الباحثون طريقة لاختبار ذلك دون فوضى العالم الحقيقي (مثل الإضاءة السيئة أو الغرف الفوضوية). كانوا بحاجة إلى بيئة نظيفة ومنضبطة.

الحل: "مختبر الليغو" (COGITAO)

فكر في COGITAO كصندوق رمال رقمي ضخم ولانهائي مكون من شبكات (مثل ورق الرسم البياني).

الأجسام: بدلًا من القطط أو السيارات الحقيقية، يرى الذكاء الاصطناعي أشكالًا بسيطة (مربعات، دوائر، كتل غريبة) مصنوعة من بكسلات ملونة.
الإجراءات: أنشأ الباحثون "صندوق أدوات" يحتوي على 28 حركة بسيطة. يمكنك تدوير شكل، أو تحريكه للأعلى، أو قلبه، أو تغيير لونه، أو قطع جزء منه.
اللعبة: يُعطى الذكاء الاصطناعي "شبكة مدخلات" (صورة لأشكال) و"قاعدة" (قائمة من الحركات، مثل "دوران 90 درجة، ثم تحرك للأعلى"). وعليه أن يرسم "شبكة المخرجات" (كيف سيبدو الشكل بعد تنفيذ الحركات).

تكمن روعة COGITAO في قدرته على توليد الملايين من الألغاز الفريدة. يمكنه صنع قواعد سهلة (تحريك شكل واحد فقط) أو صعبة للغاية (تدوير ثلاثة أشكال، قلب اثنين، وتغيير ألوان جميعها بترتيب معين).

التجربة: اختبار عقل الذكاء الاصطناعي

أخذ الباحثون عدة نماذج متطورة من الذكاء الاصطناعي (بعضها مصمم للرؤية، وبعضها للغة، وبعضها مصمم "للتفكير" خطوة بخطوة) وأدخلوا عليها مختبر COGITAO.

أجروا نوعين رئيسيين من الاختبارات:

اختبار "الخلط والدمج" (التعميم التركيبي):
- التدريب: يتعلم الذكاء الاصطناعي "التدوير" و"التحرك للأعلى" بشكل منفصل. كما يتعلم القيام بـ "التدوير ثم التحرك للأعلى".
- الاختبار: يُطلب من الذكاء الاصطناعي القيام بـ "التحرك للأعلى ثم التدوير".
- النتيجة: على الرغم من أن الذكاء الاصطناعي عرف كلا الحركتين تمامًا، إلا أنه فشل فشلًا ذريعًا عندما طُلب منه تبديل الترتيب. كان الأمر أشبه بطاهٍ يعرف كيفية تقطيع البصل وكيفية قلي البيض، ولكن عندما طُلب منه قلي بيضة ثم تقطيع البصل، قام بقلي البصلة وتقطيع البيضة فقط.
اختبار "البيئة الجديدة" (التعميم المنهجي):
- التدريب: يتعلم الذكاء الاصطناعي تحريك الأشكال على شبكة صغيرة 10×10 مع شكلين.
- الاختبار: يُطلب من الذكاء الاصطناعي تحريك الأشكال على شبكة ضخمة 20×20 مع 10 أشكال.
- النتيجة: ارتبك الذكاء الاصطناعي. لم يستطع رفع مستوى منطقه. كان الأمر كتعليم شخص القيادة في موقف سيارات، ثم توقع قيادته لسيارة فورمولا 1 على طريق سريع فورًا.

المفاجأة الكبرى: "العناد"

وجدت الورقة شيئًا مذهلاً حول كيفية فشل الذكاء الاصطناعي. أطلقوا عليه اسم "العناد" (Stubbornness).

عندما واجه الذكاء الاصطناعي لغزًا جديدًا وصعبًا، لم يحاول اكتشاف القواعد الجديدة. بدلاً من ذلك، تجاهل التعليمات الجديدة وفعل ما تدرب على فعله في أغلب الأحيان.

مثال: إذا تم تدريب الذكاء الاصطناعي غالبًا على "التحرك لليمين"، وطلبت منه "التحرك لليسار"، فإنه غالبًا ما سيقوم بـ "التحرك لليمين" على أي حال. لقد كان "كسولًا" جدًا لتعلم القاعدة الجديدة واكتفى بالعودة إلى عادته القديمة.

لماذا يهم هذا؟

قد تفكر: "وماذا في ذلك؟ إنها مجرد لعبة شبكات."

لكن هذا أمر بالغ الأهمية لمستقبل الذكاء الاصطناعي.

الروبوتات في العالم الحقيقي: إذا لم يستطع الروبوت تعلم "فتح الثلاجة" و"إحضار الحليب" بشكل منفصل ثم دمجهما لـ "إحضار الحليب من الثلاجة"، فلن يكون مفيدًا أبدًا في منزل حقيقي.
الذكاء الحقيقي: يمكن للبشر تعلم بعض المفاهيم الأساسية ودمجها بطرق لا نهائية. أما الذكاء الاصطناعي الحالي فهو عالق في حلقة مفرغة من الحفظ. يثبت COGITAO أن مجرد جعل الذكاء الاصطناعي أكبر أو تدريبه على المزيد من البيانات ليس هو الحل. نحن بحاجة إلى بناء ذكاء اصطناعي يفهم حقًا كيفية دمج الأفكار، وليس فقط كيفية نسخها.

الخلاصة

COGITAO هو بمثابة اختبار جهد لقدرة الذكاء الاصطناعي على التفكير الشبيه بالبشر. إنه يوضح لنا أنه بينما يعد الذكاء الاصطناعي الحالي حافظًا بارعًا، فإنه لا يزال "مدمجًا" سيئًا للغاية. لا يمكنه بسهولة خلط ودمج مهاراته لحل مشكلات جديدة.

تخلص الورقة إلى أنه ما لم نتمكن من بناء ذكاء اصطناعي يجتاز اختبار COGITAO، فنحن لا نزال بعيدين عن إنشاء آلات تفكر حقًا مثل البشر. نحن نبني ببغاوات ذكية يمكنها تكرار ما سمعته، لكننا لم نبنِ بعد المفكرين الذين يمكنهم تأليف ألحانهم الخاصة.

إليك ملخص تقني مفصل لورقة البحث بعنوان: "COGITAO: إطار عمل إجرائي ومرتكز على الكائنات لتقييم التعميم التركيبي والمنهجي."

1. بيان المشكلة

تعالج الورقة البحثية قصوراً جوهرياً في نماذج التعلم الآلي الحديثة: وهو عدم القدرة على تحقيق التعميم التركيبي والمنهجي. فبينما يستطيع البشر تعلم المفاهيم "الذرية" (مثل تحويل محدد) ودمجها بسلاسة في قواعد معقدة ومبتكرة (مثل "تدوير وإزاحة")، غالباً ما تفشل نماذج التعلم العميق الحالية عند اختبارها على تركيبات من عناصر مألوفة لم ترها أثناء التدريب.

تعاني الاختبارات المرجعية البصرية الحالية لهذه المشكلة (مثل CLEVR وdSprites) من:

المرونة المحدودة: تفتقر إلى التحكم الدقيق في البنية التركيبية.
التعقيد المختلط: غالباً ما تخلط بين التعقيد البصري والبنية العلاقاتية، مما يجعل من الصعب عزل إخفاقات الاستدلال.
الطبيعة الساكنة: لا تدعم بسهولة توليد ملايين المهام الفريدة ذات مستويات صعوبة قابلة للتعديل.

2. المنهجية: إطار عمل COGITAO

قدم المؤلفون COGITAO (التعميم التركيبي في التحويلات والكائنات)، وهو إطار عمل لتوليد البيانات إجرائي ومرتكز على الكائنات، مستوحى من بيئة ARC-AGI.

المكونات الأساسية

نطاق مرتكز على الكائنات: يعمل إطار العمل على بيئات قائمة على الشبكات (grids) تحتوي على كائنات منفصلة. يقوم النظام بأخذ عينات من مجموعة مُعدة مسبقاً تضم 23,000 كائن تختلف في الحجم، التماثل، الاتصال، وأنماط الألوان.
التحويلات الذرية: يستخدم النظام مجموعة من 28 تحويلاً أولياً قابلاً للتشغيل البيني (مثل الإزاحة، التدوير بزاوية 90 درجة، الانعكاس، القص، الملء، التكرار، تغيير اللون).
- قواعد التصميم: صُممت التحويلات لتكون قابلة للتركيب مع بعضها البعض وغير متكررة (لا يوجد تحويل واحد مكافئ بشكل منهجي لمجموعة من التحويلات الأخرى).
التوليد الإجرائي:
- تعريف المهمة: تُعرف المهمة من خلال تسلسل من التحويلات المطبقة على كائنات داخل شبكة.
- القابلية للتوسع: مع وجود 28 تحويلاً وعمق $k$ قابل للتعديل، فإن العدد النظري للمهام الفريدة هو $28^k$ . عند العمق 5، ينتج عن ذلك حوالي $1.7 \times 10^8$ مهمة فريدة.
- التحكم: يمكن للمستخدمين ضبط حجم الشبكة، عدد الكائنات، تعقيد الكائنات، وعمق التحويل.
الامتدادات:
- Sequential-COGITAO: يوسع إطار العمل ليشمل أبحاث "نماذج العالم" (World-Model) عبر كشف الحالات الوسيطة في سلسلة التحويل.
- COGITAO-RGB: يقوم برندرة المهام كصور RGB قياسية بمقاس 128×128 لسد الفجوة بين الشبكات الاصطناعية والرؤية الطبيعية، مما يزيل إشارات الشبكة الصريحة.

التصميم التجريبي

حدد المؤلفون دراستين رئيسيتين لاختبار التعميم:

التعميم التركيبي (CompGen): يتم تدريب النماذج على تسلسلات تحويل محددة (مثل العمق 1 أو 2) واختبارها على تركيبات غير مرئية أو تسلسلات أعمق (مثل العمق 3) باستخدام نفس العناصر الأولية.
التعميم البيئي (EnvGen): يتم تدريب النماذج على معاملات بيئية محددة (مثل 1-2 كائنات، شبكات 10×10) واختبارها على معاملات خارج نطاق التوزيع (OOD) (مثل 3-4 كائنات، شبكات 20×20).

3. المساهمات الرئيسية

مولد COGITAO: إطار عمل مرن ومفتوح المصدر قادر على توليد ملايين القواعد الفريدة والقابلة للتحكم في أعماق تركيبية قابلة للتعديل، متفوقاً على مجموعات البيانات الحالية بعدة مراتب.
مجموعات البيانات المرجعية: إصدار عدة مجموعات بيانات مرجعية تستهدف جوانب محددة من التعميم (CompGen وEnvGen)، مما يتيح إجراء تجارب قابلة للتكرار.
امتدادات للنقل إلى العالم الحقيقي: تقديم عمليات الرندرة بنظام RGB وأطر العمل التسلسلية لتسهيل الأبحاث في الرؤية الطبيعية ونماذج العالم.
النماذج المرجعية الشاملة: تقييم مختلف البنى المتطورة، بما في ذلك:
- المحول العادي (TF): خط أساس قياسي.
- Grid-TF: محول معدل بخصائص استقرائية مرتكزة على الكائنات (ترميز موقع الكائن، السجلات، ترميز الموقع النسبي).
- Pondering Looped TF (PL-TF): محول متكرر بوقت حوسبة تكيفي (مستوحى من PonderNet) لمحاكة الاستدلال التكراري.
- LLaDA: نموذج انتشار لغوي.
- ResNet: نموذج تلاففي قياسي.

4. النتائج

تكشف التجارب عن نمط فشل ثابت وحرج عبر جميع البنى:

الأداء داخل النطاق (ID): تؤدي النماذج بشكل جيد عموماً في المهام المشابهة لتوزيع تدريبها (على سبيل المثال، يحقق Grid-TF دقة تتراوح بين 80-90% في مهام ID).
الأداء خارج نطاق التوزيع (OOD):
- الفشل التركيبي: عند مواجهة تركيبات غير مرئية من التحويلات المعروفة (مثل "التدوير + الإزاحة" عندما تم التدريب فقط على "التدوير" و"الإزاحة" بشكل منفصل)، ينخفض الأداء بشكل حاد، ليصل غالباً إلى ما يقرب من 0%.
- الفشل البيئي: تعاني النماذج في التعميم على الشبكات الأكبر، أو عدد أكبر من الكائنات، أو أشكال أكثر تعقيداً، وإن كان ResNet يظهر بعض المتانة تجاه التغيرات المكانية بسبب الخصائص الاستقرائية التلافيفية.
- التوسع لا يساعد: إن زيادة حجم النموذج (حتى 25 مليون معلمة) أو حجم بيانات التدريب (حتى مليون عينة) لا يقلل بشكل كبير من فجوة التعميم.
- أداء النماذج اللغوية الكبيرة (LLMs): حتى النماذج اللغوية الضخمة الرائدة (مثل o3 وGemini) تفشل في سياق التعلم داخل السياق (In-Context Learning) عندما يُطلب منها تركيب تسلسلات تحويل غير مرئية، مما يؤكد أن المشكلة هيكلية وليست مرتبطة بالبيانات.

أنماط الفشل الرئيسية المحددة

انحياز النطاق الداخلي (ID Bias): تطبق النماذج التحويل الذي ظهر بشكل متكرر أثناء التدريب، متجاهلة التعليمات المحددة الخارجة عن النطاق (OOD).
فشل التركيب الهيكلي: يمكن للنماذج حفظ تسلسلات محددة (أداء عالٍ في ID) لكنها تفشل في تفكيكها إلى أجزاء ذرية لإعادة تركيبها للمهام الخارجة عن النطاق (OOD).

5. الأهمية والخاتمة

تشخيص الذكاء الاصطنا الحالي: يوفر COGITAO بيئة محكومة تثبت أن بنى التعلم العميق الحالية تعتمد بشكل كبير على مطابقة الأنماط والحفظ بدلاً من الاستدلال المنهجي الحقيقي. فهي تفشل في تعلم "قواعد" تحويل الكائنات.
الاتجاه المستقبلي: تجادل الورقة بأن تحقيق ذكاء يشبه ذكاء البشر يتطلب بنى تتجاوز الارتباط الإحصائي نحو الفهم التركيبي المهيكل.
منصة بحثية: من خلال تقديم إطار عمل قابل للتوسع والتحكم، يعمل COGITAO كأداة تشخيصية حاسمة لتطوير نماذج الجيل القادم القادرة على التعميم القوي في المجالات البصرية المجردة والواقعية.

باختصار، يوضح COGITAO أنه رغم نجاح النماذج واسعة النطاق في المهام داخل النطاق، فإن القدرة على تركيب وإعادة دمج المفاهيم المتعلمة بشكل منهجي تظل تحدياً مستمراً وغير محلول في التعلم الآلي.