🤖 machine learning

SciML Agents: Write the Solver, Not the Solution

تقدم هذه الورقة نموذجاً جديداً حيث تعمل النماذج اللغوية الكبيرة كوكلاء في مجال التعلم الآلي العلمي (SciML) لتوليد أكواد الحلول العددية بدلاً من التنبؤ بالحلول مباشرة، مدعومة بمعيارين جديدين للمعادلات التفاضلية العادية (ODE)، وتُظهر أنه من خلال التوجيه عبر الأوامر والضبط الدقيق، يمكن للنماذج اختيار الحلول المناسبة وإنتاج نتائج صالحة عددياً بشكل موثوق.

المؤلفون الأصليون: Saarth Gaonkar, Xiang Zheng, Haocheng Xi, Rishabh Tiwari, Kurt Keutzer, Dmitriy Morozov, Michael W. Mahoney, Amir Gholami

نُشر 2026-04-15

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Saarth Gaonkar, Xiang Zheng, Haocheng Xi, Rishabh Tiwari, Kurt Keutzer, Dmitriy Morozov, Michael W. Mahoney, Amir Gholami

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

الفكرة الجوهرية: المهندس المعماري مقابل البنّاء

تخيل أن لديك مسألة فيزيائية صعبة للغاية، مثل تحديد كيفية طيران صاروخ بدقة عبر الغلاف الجوي أو كيفية انتشار فيروس في مدينة ما.

خلال السنوات القليية الماضية، حاول العلماء تعليم الذكاء الاصطناوي (الشبكات العصبية) ليعمل كـ بنّاء. لقد حاولوا تدريب الذكاء الاصطناوي على حفظ الإجابة أو "تخمين" شكل الحل مباشرة. والمشكلة هي أن الذكاء الاصطناوي قد يخطئ في التخمين، أو يرتبك عندما يتغير الموقف قليلاً. الأمر يشبه محاولة بناء ناطحة سحاب عن طريق تخمين مكان كل طوبة دون وجود مخطط هندسي.

يقترح هذا البحث نهجاً مختلفاً. فبدلاً من تعليم الذكاء الاصطناوي أن يكون البنّاء، هم يعلمونه أن يكون المهندس المعماري.

الهدف ليس أن يقوم الذكاء الاصطناوي بحل المسألة الرياضية بنفسه، بل الهدف هو أن يجعل الذكاء الاصطناوي يكتب الكود البرمجي الذي يستدعي عقوداً من الحكمة الرياضية البشرية (الخوارق العددية المثبتة) لحل المشكلة بشكل صحيح. مهمة الذكاء الاصطناوي هي النظر إلى وصف المشكلة والقول: "حسناً، هذا موقف معقد. أحتاج إلى استخدام المحلل (Solver) أ مع الإعدادات ب، وليس المحلل ج".

التحدي: المشكلات "المخادعة"

أدرك الباحثون أنه بينما يبرع الذكاء الاصطناوي في كتابة كود يبدو صحيحاً (من حيث القواعد البرمجية)، فإنه غالباً ما يفشل في اتخاذ الخيارات العلمية الصحيحة.

تخيل أنك طاهٍ:

الذكاء الاصطناوي القديم: تطلب منه صنع حساء، فيكتب وصفة تقول "اغلِ الماء، أضف الملح". الوصفة صحيحة لغوياً، ولكن إذا حاولت تحضيرها، سيكون الحساء غير قابل للأكل لأنه أغفل خطوة حاسمة.
المشكلة الجديدة: بعض المسائل الفيزيائية تبدو مخيفة في ظاهرها. تحتوي على أرقام ضخمة تشير إلى أنها "صلبة" (Stiff) (وهو مصطلح تقني يعني أن الرياضيات غير مستقرة وتتطلب نهجاً دقيقاً وبطيئاً للغاية).
الفخ: الذكاء الاصطناعي الساذج يرى الأرقام الضخمة فيصاب بالذعر، مفكراً: "هذه مسألة صلبة! يجب أن أستخدم المحلل الثقيل والبطيء!". لكن إذا قمت بالحسابات فعلياً، ستجد أن هذه الأرقام الضخمة تلغي بعضها البعض، وأن المسألة في الواقع بسيطة وسريعة. لقد فشل الذكاء الاصطناعي لأنه اعتمد على مطابقة الأنماط (رؤية أرقام كبيرة = مسألة صعبة) بدلاً من الاستنتاج (إجراء الجبر).

الحل: اختباران جديدان للذكاء الاصطناوي

لكي يختبروا ما إذا كان بإمكان الذكاء الاصطناوي أن يكون "مهندساً معمارياً" جيداً، ابتكر الفريق اختبارين جديدين:

اختبار "الخدعة" (مجموعة البيانات التشخيصية):
أنشأوا مسائل تبدو وكأنها مستحيلة (صلبة) ولكنها في الواقع بسيطة إذا قمت بتبسيط الرياضيات أولاً. الأمر يشبه خدعة سحرية حيث يتحول فيل ضخم إلى بالون إذا نظرت إليه عن كثب.
- النتيجة: سقطت نماذج الذكاء الاصطناوي القديمة في الفخ. أما النماذج الأحدث (مثل Qwen3 و GPT-4.1) فقد استطاعت "التفكير" عبر الخدعة، وتبسيط الرياضيات، واختيار الأداة المناسبة.
اختبار "الماراثون" (معيار ODE-1000):
أنشأوا 1,000 مسألة فيزيائية مختلفة، من الزنبركات البسيطة إلى ديناميكا السوائل المعقدة. وطلبوا من الذكاء الاصطناعي كتابة الكود لحلها جميعاً.
- النتيجة: قاموا بقياس شيئين: هل عمل الكود؟ (القواعد البرمجية) وهل الإجابة منطقية علمياً؟ (الدقة).

النتائج: كيف تجعل الذكاء الاصطناوي يعمل

وجد البحث ثلاثة أمور رئيسية:

1. "الموجه" مهم (التوجيه - Prompting)
إذا سألت الذكاء الاصطناوي ببساطة "حل هذا"، فقد يخمن. ولكن إذا أعطيته توجيهاً موجهاً — وهو بمثابة قائمة مراجعة تقول: "أولاً، بسط المعادلة. ثانياً، تحقق مما إذا كانت الأرقام ضخمة. ثالثاً، قرر ما إذا كانت صلبة" — فإن أداءه يتحسن بشكل هائل.

التشبيه: هو الفرق بين قولك لطالب "قم بحل المسألة"، وبين قولك له "أظهر خطوات الحل، وتحقق من الوحدات، ثم حل المسألة". التعليمات الثانية تحصل على درجة أفضل.

2. الحجم والعمر يهمان

النماذج الأحدث والأذكى: النماذج الأحدث (مثل Qwen3) بارعة جداً في اتباع التعليمات، حيث يمكنها حل هذه المسائل بشكل مثالي بمجرد إعطائها قائمة مراجعة جيدة. هي لا تحتاج إلى تدريب إضافي.
النماذج الأقدم أو الأصغر: هذه النماذج أقل ذكاءً أو أقدم. وهي تعاني مع قائمة المراجعة. ومع ذلك، إذا قمت بعمل ضبط دقيق (Fine-tuning) لها (تدريبها خصيصاً على 1,000 مثال من هذه المسائل)، فإنها تصبح خبيرة.
التشبيه: المتدرب الجديد الذكي يحتاج إلى تعليمات واضحة ليقوم بعمل رائع. أما العامل الأقدم أو الأقل خبرة، فيحتاج إلى تدريب متخصص على الوظيفة ليتمكن من أدائها جيداً.

3. وضع "التفكير"
تمتلك بعض النماذج الأحدث "وضع تفكير" حيث تتحدث مع نفسها قبل الإجابة. وجد البحث أن إجبار الذكاء الاصطناوي على "التفكير" (كتابة خطوات استنتاجه) قبل كتابة الكود قلل من الأخطاء بشكل كبير. لقد أوقف الذكاء الاصطناوي عن التخمين وأجبره على إجراء العمليات الحسابية.

الخلا الخلاصة

يظهر هذا البحث أننا لسنا بحاجة لإعادة اختراع العجلة. لسنا بحاجة لأن يتعلم الذكاء الاصطناوي حل الفيزياء من الصفر. بدلاً من ذلك، يجب أن نستخدم الذكاء الاصطناوي كـ واجهة ذكية تترجم اللغة البشرية ("إليك مسألة تخص صاروخاً") إلى الكود الرياضي الصحيح والمثبت.

إذا كان لديك ذكاء اصطناوي جديد وذكي: فقط أعطه تعليمات جيدة (prompts)، وسيكتب الكود المثالي.
إذا كان لديك ذكاء اصطناوي أصغر أو أقدم: فأنت بحاجة لتدريبه قليلاً (ضبط دقيق) لجعله موثوقاً.

إن مستقبل الحوسبة العلمية ليس في استبدال الرياضيات بالذكاء الاصطناوي؛ بل في جعل الذكاء الاصطناوي هو المايسترو الذي يعرف بالضبط أي آلة موسيقية (المحلل) يجب أن يعزف لتخرج الموسيقى (الحل) بشكل صحيح.

إليك ملخص تقني مفصل لورقة البحث بعنوان "SciML Agents: Write the Solver, Not the Solution" (وكلاء تعلم الآلة العلمي: اكتب المِحَلِّل، لا الحل).

1. بيان المشكلة

ركز تعلم الآلة العلمي (SciML) تقليديًا على تدريب الشبكات العصبية (مثل الشبكات العصبية المستوحاة من الفيزياء PINNs، والمعادلات التفاضلية العادية العصبية Neural ODEs) للتنبؤ بقيم الحلول مباشرة للمهام العلمية. ورغم ما يوفره هذا النهج من وعود، إلا أنه غالبًا ما يعاني من صعوبة في تحقيق دقة عالية ومتانة عبر مختلف الأنظمة الفيزيائية.

يقترح المؤلفون تحولًا في النموذج المعرفي: بدلًا من تدريب النماذج لتعلم دالة الحل، يتم استخدام النماذج اللغوية الكبيرة (LLMs) كـ "وكلاء" (Agents) لكتابة أكواد برمجية تستفيد من عقود من الخوارزميات العددية الراسخة. التحدي الجوهري هنا ليس مجرد توليد كود برمجي صحيح من الناحية التركيبية (Syntactic)، بل هو الملاءمة العلمية (Scientific Appropriateness). يجب على النموذج اللغوي الكبير أن:

يُفسر بشكل صحيح الوصف الطبيعي لنظام فيزيائي (محكوم بمعادلات تفاضلية عادية ODEs).
يحلل الخصائص الرياضية للمعادلة التفاضلية (مثل الصلابة Stiffness والاستقرار Stability).
يختار المِحَلِّل العددي المناسب (مثل طريقة Runge-Kutta الصريحة للأنظمة غير الصلبة مقابل طريقة BDF الضمنية للأنظمة الصلبة).
يضبط المعلمات الصحيحة (التفاوتات Tolerances، والخطوات الزمنية Time steps) لضمان الصلاحية العددية.

حالياً، لا يوجد معيار قياسي لتقييم ما إذا كانت النماذج اللغوية الكبيرة قادرة على اتخاذ هذه القرارات النوعية المتخصصة في المجال بشكل موثوق.

2. المنهجية

أ. مجموعات بيانات الاختبار (Benchmark Datasets)

لمعالجة غياب معايير التقييم، قدم المؤلفون مجموعتين جديدتين من البيانات:

مجموعة تشخيص التكافؤ الرمزي (Symbolic-Equivalence Diagnostic Dataset):
- الهدف: اختبار ما إذا كانت النماذج تعتمد على مطابقة الأنماط السطحية (مثل "معامل كبير = نظام صلب") أم تقوم بتفكير رمزي حقيقي.
- البناء: تحتوي على معادلات تفاضلية عادية (ODEs) "مضللة" حيث يوحي شكلها الخام بالصلابة (بسبب معاملات كبيرة أو دوال مثلثية/عكسية معقدة)، ولكن التبسيط الجبري يكشف أنها غير صلبة.
- المجموعات الفرعية:
  - المثلثية (Trigonometric): تستخدم المتطابقات (مثل $\sin(t+\pi/2) + \cos(t) = 0$ ).
  - الدوال العكسية (Inverse Function): تستخدم العمليات العكسية (مثل $\arcsin(\sin(t)) = t$ ).
  - الجبرية (Algebraic): تستخدم التوسيع أو التحليل لإلغاء الحدود الكبيرة.
- المقياس: الدقة في اختيار مِحَلِّل صريح (Explicit Solver) (وهو الخيار الصحيح للشكل المبسط غير الصلب).
معيار ODE-1000:
- الهدف: تقييم توليد الكود البرمجي النهائي لمختلف مهام المعادلات التفاضلية العادية.
- البناء: يتكون من 1,000 مسألة متنوعة للمعادلات التفاضلية العادية مستمدة من أوصاف باللغة الطبيعية، مقترنة بحلول لغة بايثون (Python) المرجعية باستخدام scipy.integrate.solve_ivp.
- التوليد: تم التوليد باستخدام GPT-4.1 لضمان التنوع في الصلابة، والرتبة، والفترات الزمنية، والمعاملات.
- التحقق: يتم تنفيذ الكود في بيئة معزولة (Sandbox)؛ وتتم مقارنة الحلول بالحلول التحليلية (عبر SymPy) باستخدام خطأ $L_2$ النسبي. يتم الاحتفاظ فقط بالأمثلة التي يكون فيها الخطأ أقل من 0.01.

ب. الإعداد التجريبي

النماذج: تم تقييم مجموعة واسعة من النماذج مفتوحة المصدر (Llama 2/3/3.1/3.3, Qwen 1-3) والمغلقة المصدر (GPT-4.1)، مع تنوع في الحجم (من 0.6 مليار إلى 405 مليار معلمة) وتاريخ الإصدار (2023–2025).
استراتيجيات التلقين (Prompting Strategies):
- غير موجه (Unguided/Base): تعليمات دنيا.
- موجه (Guided): تعليمات صريحة للقيام بالتفكير خطوة بخفظوة، وتبسيط التعبيرات الجبرية، وتحليل المعاملات قبل اختيار المِحَلِّل.
الضبط الدقيق (Fine-Tuning): تم تطبيق الضبط الدقيق تحت الإشراف (SFT) على النماذج الأصغر والأقدم باستخدام 900 مثال من ODE-1000.

3. المساهمات الرئيسية

معايير جديدة: تقديم مجموعة التشخيص (لاختبار التفكير الرمزي مقابل مطابقة الأنماط) و ODE-1000 (معيار واسع النطاق لتوليد الكود العلمي).
إطار التقييم: تقييم ثنائي المحاور يقيس كلاً من قابلية تنفيذ الكود (التركيب البرمجي) و الصلاحية العددية (الدقة العلمية مقابل الحقيقة المرجعية).
التحليل التجريبي للتلقين مقابل الضبط الدقيق:
- أثبتت الدراسة أن التلقين الموجه يعزز الأداء بشكل كبير، خاصة للنماذج الجديدة التي تتبع التعليمات.
- أظهرت أن الضبط الدقيق أمر بالغ الأهمية للنماذج الأقدم أو الأصغر لتحقيق موثوقية عالية، بينما تحقق النماذج الكبيرة والجديدة (مثل Qwen3-8B) أداءً يقارب المثالية باستخدام التلقين وحده.
رؤية حول "التفكير": وجدت الدراسة أن تمكين "أنماط التفكير" (Chain-of-Thought) في النماذج الجديدة يحسن بشكل جذري قدرتها على التعامل مع المسائل المضللة والمستفزة.

4. النتائج الرئيسية

مجموعة التشخيص (التفكير الرمزي)

فشل مطابقة الأنماط: فشلت النماذج القديمة والصغيرة بشكل متكرر في مهام التشخيص، حيث اختارت بشكل خاطئ مِحَلِّلات ضمنية (صلبة) بسبب المعاملات الكبيرة، وفشلت في تبسيط المعادلات.
نجاح التفكير: حققت النماذج الأحدث (Qwen3, GPT-4.1) دقة عالية (غالباً >90% مع التلقين الموجه).
تأثير التوجيه: حسن التلقين الموجه الدقة بشكل كبير. على سبيل المثال، تحسن نموذج Qwen3-0.6B من ~58% إلى ~65% في المهام المثلثية باستخدام التلقين الأساسي، لكنه وصل إلى 100% مع التلقين الموجه ونمط التفكير.
الحجم مقابل البنية: تفوقت الأجيال الأحدث غالباً على النماذج الأكبر والأقدم (على سبيل المثال، تفوق Qwen3-0.6B على Llama3-70B في بعض المهام)، مما يشير إلى أن البنية وجودة بيانات التدريب أهم من عدد المعلمات الخام.

معيار ODE-1000 (توليد الكود)

قابلية التنفيذ: حسن الضبط الدقيق معدلات تنفيذ الكود بشكل كبير للنماذج الصغيرة (على سبيل المثال، قفز معدل تنفيذ Qwen3-0.6B من 27% إلى 97%).
الدقة العددية:
- الضبط الدقيق: قلل متوسط خطأ $L_2$ النسبي بشكل كبير (على سبيل المثال، انخفض خطأ Qwen3-0.6B من 0.37 إلى 0.10).
- التلقين: حققت النماذج الكبيرة والجديدة (مثل Qwen3-8B, GPT-4.1) دقة تقارب 100% ومعدلات خطأ منخفضة باستخدام التلقين الموجه فقط، دون الحاجة للضبط الدقيق.
الخلاصة: بالنسبة لمهام ODE البسيطة، يمكن بناء وكيل SciML متخصص إما عن طريق الضبط الدقيق للنماذج الصغيرة أو عن طريق التلقين الدقيق للنماذج الأحدث والأكبر.

5. الأهمية والعمل المستقبلي

تحول في النموذج: تؤكد الورقة أن النماذج اللغوية الكبيرة يمكن أن تعمل كوكلاء SciML فعالين يربطون بين الأوصاف باللغة الطبيعية والمِحَلِّلات العددية الناضجة، مما يوفر بديلاً أكثر متانة لتدريب الشبكات العصبية من الصفر لمشاكل فيزيائية محددة.
الواقعية: تثبت الورقة أنه بالنسبة للعديد من المهام العلمية، فإن نهج "كتابة المِحَلِّل" هو نهج قابل للتطبيق، بشرما يتم توجيه النموذج للتفكير في الخصائص الرياضية بدلاً من مجرد توليد تركيبات برمجية.
الاتجاهات المستقبلية:
- توسيع المعايير لتشمل المعادلات التفاضلية الجزئية (PDEs)، ومسائل القيم الحدية (Boundary Value Problems)، والأنظمة الفوضوية أو الصلبة.
- دمج استخدام الأدوات (Tool Use) للتبسيط الرمزي وفحوصات الاستقرار.
- تطوير اختبارات قائمة على الخصائص (Property-based testing) وثوابت (Invariants) للتحقق من الكود العلمي.

المصدر المفتوح: نشر المؤلفون الكود، ومجموعات البيانات، والمعايير على: https://github.com/SqueezeAILab/sciml-agent.