KAPSO: A Knowledge-grounded framework for Autonomous Program Synthesis and Optimization

تخيل أنك تحاول بناء آلة معقدة، مثل سيارة سباق عالية الأداء، ولكن ليس لديك مخطط واحد. بدلاً من ذلك، لديك هدف: "اصنع أسرع سيارة ممكنة".

في الماضي، إذا طلبت من مساعد كمبيوتر ذكي (وكيل برمجة يعمل بالذكاء الاصطناعي) أن يبني هذه السيارة، فسيحاول كتابة السيارة بأكملها دفعة واحدة. وإذا لم يعمل المحرك، فسيصاب الذكاء الاصطناعي بالارتباك، أو ينسى ما حاول فعله سابقاً، أو يستمر في ارتكاب نفس الخطأ مراراً وتكراراً. كان الأمر يشبه بانيًا ينسى باستمرار الأدوات التي استخدمها بالأمس.

KAPSO هو إطار عمل جديد يغير طريقة بناء البرمجيات. بدلاً من أن يطلب من الذكاء الاصطناعي "كتابة الكود والانتهاء"، يعامل KAPSO البرمجة كأنها تجربة علمية طويلة الأمد. فهو لا يكتفي بالكتابة فحسب، بل يتعلم كيف يكتب بشكل أفضل من خلال تشغيل آلاف الاختبارات الصغيرة، والاحتفاظ بسجلات مثالية، وتذكر ما نجح.

إليك كيف يعمل KAPSO، مقسماً إلى ثلاثة أجزاء بسيطة:

1. دفتر المختبر "الأصيل لـ Git" (محرك التجريب)

تخيل عالماً لا يرمي أي تجربة أبداً. في كل مرة يجرب فيها فكرة جديدة، لا يكتفي بتدوينها على منديل ورقي؛ بل يفتح دفتراً جديداً ومنعزلاً تماماً (فرعاً أو "branch").

• ما يفعله KAPSO: في كل مرة يحاول فيها الذكاء الاصطناعي إصلاح أو تحسين الكود، يقوم KAPSO بإنشاء "فرع" منفصل وآمن في نظام التحكم في الإصدار (مثل Git).
• لماذا هذا مهم: إذا فشلت التجربة، فلن يفقد الذكاء الاصطناعي عقله. يمكنه العودة والنظر إلى ذلك الدفتر المحدد، ومعرفة ما حدث بالضبط، وتجربة مسار مختلف دون كسر العمل الأصلي. إنه يحتفظ بسجل مثالي لكل محاولة، مثل محقق يحتفظ بملف قضية لكل دليل.

2. "أمين المكتبة الخارق" (نظام المعرفة)

تخيل أنك تبني تلك السيارة السباق، ولكن لديك إمكانية الوصول إلى مكتبة تحتوي على كل دليل سيارات، وكل كتاب هندسي، وكل تدوينة كُتبت عن المحركات.

• ما يفعله KAPSO: هو لا يخمن فحسب. لديه "نظام معرفة" يقرأ آلاف المستودعات البرمجية الحقيقية، والأوراق العلمية، والأدلة الداخلية. وهو ينظم هذه الكمية الهائلة من المعلومات في خريطة مهيكلة (رسم بياني للمعرفة أو "Knowledge Graph").
• لماذا هذا مهم: عندما يتعثر الذكاء الاصطناعي، فإنه لا يهلوس بحلول من عنده. بل يسأل أمين المكتبة: "هل قام أحد ببناء نظام تعليق كهذا من قبل؟ وما الذي نجح؟" ثم يستخرج أفكاراً محددة ومثبتة ويدمجها في المشروع الحالي، مما يضمن استخدامه لهندسة ذات مستوى خبير بدلاً من التخمينات العشوائية.

3. "مدرب الذاكرة" (الذاكرة الإدراكية)

تخيل مدرباً يشاهد جولات تدريبك. إذا تعثرت في نفس الصخرة ثلاث مرات، فلن يقول لك المدرب "حاول مجدداً" فحسب. بل سيقول: "مهلاً، هل تتذكر يوم الثلاثاء الماضي؟ لقد تعثرت في تلك الصخرة لأنك كنت تنظر إلى ساعتك. في المرة القادمة، انظر إلى المسار".

• ما يفعله KAPSO: لديه "ذاكرة إدراكية" تخزن "الدروس المستفادة" من كل تجربة ناجحة أو فاشلة. إنه يتذكر أنماط الخطأ المحددة (مثل "هذا الكود ينهار عندما تكون البيانات فارغة") والحيل الناجحة.
• لماذا هذا مهم: هذا يمنع الذكاء الاصطناعي من ارتكاب نفس الخطأ مرتين. إذا فشل، فإنه يسترجع فوراً "الدرس" من محاولة سابقة ويعدل استراتيجيته. إنه يحول حلقة مفرغة ومحبطة من الأخطاء إلى منحنى تعلم سريع وذكي.

كيف يعمل كل ذلك معاً

يعمل KAPSO في حلقة تسمى "التطور" (Evolve):

1. التصور (Ideate): ينظر الذكاء الاصطنا ملياً إلى الهدف ويسأل "أمين المكتبة" عن الأفكار.
2. البناء (Build): يكتب الكود في "فرع" آمن ومعزول.
3. الاختبار (Test): يقوم بتشغيل الكود مقابل "مُقيّم" صارم (حكم يتحقق مما إذا كانت السيارة سريعة بما يكفي).
4. التعلم (Learn): إذا فشل، يتدخل "المدرب"، ويراجع السجلات، ويخبر الذكاء الاصطناعي بما يجب إصلاحه تالياً.
5. التكرار (Repeat): يستمر في القيام بذلك حتى يصبح الكود مثالياً.

النتائج: هل نجح الأمر؟

اختبرت الورقة البحثية نظام KAPSO (الذي يسمونه "Leeroo" في النتائج) ضد أفضل وكلاء البرمجة بالذكاء الاصطناعي في ساحتين صعبتين للغاية:

• MLE-Bench (مسابقات تعلم الآلة): فكر في هذا كمسابقة لبناء أفضل نموذج ذكاء اصطناعي للتنبؤ بالأشياء. تفوق KAPSO على جميع الوكلاء مفتوحي المصدر، خاصة في التحديات الأكثر صعوبة. وبينما عانى الآخرون مع المشكلات المعقدة، استمر KAPSO في التحسن ووصل إلى درجات أعلى بكator.
• ALE-Bench (التحسين الاستدلالي): فكر في هذا كمسابقة ألغاز رياضية حيث يتعين عليك إيجاد أفضل حل ممكن ضمن وقت محدد وصارم. حقق KAPSO درجة أعلى من أفضل وكيل سابق (ALE-Agent) بينما أنفق في الواقع تكلفة أقل من قدرة الحوسبة.

الخلاصة

KAPSO ليس مجرد أداة تكتب الكود؛ بل هو نظام يدير دورة حياة بناء البرمجيات بأكملها. من خلال الجمع بين نظام تسجيل سجلات مثالي، ومكتبة ضخمة من المعرفة البشرية، وذاكرة تتعلم من الأخطاء، فإنه يحول عملية البرمجة الفوضوية إلى حلقة تحسين موثوقة وخطوة بخطوة. إنه يثبت أنه بالنسبة للمشكلات الصعبة، السر لا يكمن فقط في كتابة الكود بشكل أسرع—بل في معرفة كيفية التعلم من كل محاولة بمفردها.