Data Verification is the Future of Quantum Computing Copilots
تجادل هذه الورقة بأنه لكي تتمكن المساعدات البرمجية للحوسبة الكمومية من التغلب على القيود المتأصلة في الاستدلال الإحصائي للنماذج اللغوية الكبيرة وتحقيق الدقة اللازمة، يجب رفع عملية التحقق من البيانات من كونها مجرد مرشح لما بعد التوليد إلى كونها عنصرًا بنيويًا أساسيًا يفرض قيودًا على عملية التوليد ويضمن دمج معايير الصحة الفيزيائية.
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
إليك شرح للورقة البحثية باستخدام لغة بسيطة وتشبيهات من الحياة اليومية.
الفكرة الكبرى: لماذا لا ينجح "التخمين" مع الحواسيب الكمومية
تخيل أنك تحاول بناء منزل. إذا استخدمت مساعد ذكاء اصطناعي قياسي، فقد يكون رائعاً في اقتراح تنسيقات الأثاث أو ألوان الطلاء؛ فهو يخمن بناءً على الأنماط التي رآها من قبل. لكن إذا طلته بتصميم الأساس والجدران الحاملة، فإن التخمين يصبح أمراً خطيراً. فإذا كان الحساب خاطئاً، سينهار المنزل.
تجادل هذه الورقة بأن الحوسبة الكمومية تشبه ذلك الأساس. إنها مجال يفشل فيه "التخمين الإحصائي" (ما تفعله النماذج اللغوية الكبيرة عادةً) لأن القواعد صارمة، ورياضية، ولا تقبل الخطأ. لا يمكنك امتلاك دائرة كمومية "صحيحة بنسبة 99%"؛ فإما أن تعمل بشكل مثالي، أو لا تعمل على الإطلاق.
يقترح المؤلفون، وهم فريق من الباحثين من إمبريال كوليدج لندن، وبيردو، وغيرهم، أن مستقبل المساعدين بالذكاء الاصطناعي للحوسبة الكمومية لا يتعلق بجعل الذكاء الاصطناعي أكثر ذكاءً في التخمين، بل بـ إجبار الذكاء الاصطناعي على التحقق من عمله بنفسه حتى قبل أن ينهي الجملة.
المشكلات الثلاث الرئيسية مع الذكاء الاصطناعي الحالي
تحدد الورقة ثلاثة أسباب تجعل الذكاء الاصطناعي الحالي يعاني مع المهام الكمومية:
- فخ "الهلوسة": تُدرب نماذج الذكاء الاصطناعي على التنبؤ بالكلمة التالية في الجملة. هي ممتازة في محاكة الأنماط ولكنها سيئة في المنطق الصارم. في الحوسبة الكمومية، أي خطوة واحدة خاطئة تكسر البرنامج بأكمله. وتقول الورقة إن هذه الأخطاء حتمية رياضياً إذا قمت فقط بزيادة حجم النموذج دون تغيير طريقة تعلمه.
- مشكلة "الإبرة في كومة قش": تخيل مكتبة تحتوي على 148 تريليون كتاب. 200,000 كتاب فقط منها هي الكتب "الصحيحة" التي تبحث عنها. إذا طلبت من الذكاء الاصطناعي مجرد "كتابة كتاب"، فمن شبه المؤكد أنه سيختار واحداً من الـ 147.9 مليار كتاب خاطئ. محاولة تصفية الإجابات السيئة بعد أن يكتبها الذكاء الاصطناعي أمر مستحيل لأن عدد الإجابات السيئة كبير جداً للتحقق منها.
- مشكلة "التجريد المتسرب": التصميم الكمومي يحدث في طبقات. قد تصمم كتلة من الدائرة تبدو جيدة بمفردها، ولكن عند توصيلها بالكتلة التالية، تنتهك القواعد. يعاني الذكاء الاصطناعي الحالي في رؤية كيف يؤثر التغيير المحلي الصغير على الصورة العالمية الضخمة.
الحل: ثلاث قواعد جديدة للذكاء الاصطناعي
يقترح المؤلفون ثلاث قواعد محددة لإصلاح ذلك، والتي يسمونها "المواقف" (Positions).
1. التحقق هو الحد الأدنى من المتطلبات (تشبيه "المعلم الآمن")
الادعاء: لا يمكنك تدريب ذكاء اصطناعي كمومي على بيانات غير موثقة وغير دقيقة.
التشبيه: تخيل تعليم طفل القيادة. إذا سمحت له بالممارسة في مضمار يحتوي على إشارات توقف وهمية وإشارات مرور مكسورة، فسوف يتعلم عادات سيئة. مهما قضى من ساعات في القيادة، فإنه سيصطدم عندما يواجه العالم الحقيقي.
حل الورقة: يجب تدريب الذكال الاصطناعي فقط على البيانات التي تم إثبات صحتها رسمياً (باستخدام أدوات رياضية مثل Lean أو Z3). يحتاج الذكاء الاصطناعي إلى "استيعاب" قواعد الطريق، وليس مجرد حفظ أين ذهبت السيارات الأخرى. تظهر الورقة أن النماذج المدربة على بيانات موثقة حققت دقة تصل إلى 79%، بينما ظلت النماذج الأخرى تحوم حول التخمين العشوائي (25%).
2. تحقق قبل أن تبني (تشبيه "المهندس المعماري")
الادعاء: لا تدع الذكاء الاصطناعي يولد مليون تصميم سيئ ثم تحاول تصفية التصاميم الجيدة. بدلاً من ذلك، امنع الذكاء الاصطنا_ي من توليد التصاميم السيئة من الأساس.
التشبيه: تخيل مهندساً معمارياً يرسم 1,000,000 مخطط، 999,999 منها تحتوي على سلالم تؤدي إلى حائط. محاولة العثور على المخطط الجيد الواحد هي مضيعة للوقت. بدلاً من ذلك، يجب أن يكون لدى المهندس قاعدة: "إذا كانت السلالم لا تتصل بالأرضية، فلا ترسمها".
حل الورقة: يجب أن يحدث التحقق أثناء عملية التوليد (قبلياً/a priori)، وليس بعدها (بعدياً/a posteriori). ولأن مساحة الإجابات "الخاطئة" أكبر أسياً من مساحة الإجابات "الصحيحة"، فإن التصفية اللاحقة مستحيلة حاسوبياً. يجب تقييد الذكاء الاصطناعي بحيث يسلك المسارات الصالحة فقط.
3. التحقق هو لبنة بناء، وليس فكرة لاحقة
الادعاء: لأي مجال تحكمه قوانين صارمة (مثل الفيزياء أو الرياضيات)، يجب أن يكون التحقق جزءاً مدمجاً في دماغ الذكاء الاصطناعي، وليس مجرد إضافة تُضاف لاحقاً.
التشبيه: فكر في السيارة. أنت لا تضيف المكابح بعد بناء السيارة ثم تأمل أن تتوقف. نظام المكابح هو جزء أساسي من تصميم السيارة.
حل الورقة: يرى المؤلفون أن هذا ينطبق بما يتجاوز الحوسبة الكمومية ليشمل العلوم الصعبة الأخرى مثل اكتشاف الأدوية وعلم المواد. في هذه المجالات، لا يمكنك مجرد "تقريب" الحل؛ بل يجب اتباع قوانين الفيزياء بدقة. يحتاج الذكاء الاصطناعي إلى أن يُبنى مع اعتبار هذه القوانين أساساً له.
ما أظهرته التجارب
اختبر الباحثون هذه النظرية من خلال إنشاء مجموعة بيانات ضخمة تضم أكثر من 200,000 تصميم لدائرة كمومية موثقة (تحديداً لـ "جامع كمومي" - quantum adder). ثم اختبروا نماذج ذكاء اصطنا_ي مختلفة:
- النماذج "غير الموثقة": هذه النماذج، المدربة على بيانات قياسية، كان أداؤها ضعيفاً. غالباً ما قدمت إجابات واثقة ولكن خاطئة، أو رفضت الإجابة بسبب الارتباك.
- النماذح "الموثقة": النماذج المدربة على مجموعة البيانات الموثقة كانت أفضل بكثير. لم تكتفِ بالحصول على إجابات صحيحة أكثر فحسب، بل عرفت أيضاً متى تكون على صواب. تطابقت درجات الثقة لديها مع دقتها الفعلية.
- النتيجة: تخلص الورقة إلى أنه بدون بيانات موثقة، فإن الذكاء الاصطناعي ليس سوى "مخمن واثق". أما مع البيانات الموثقة، فإنه يتحول إلى "مهندس موثوق".
المستقبل: ما الخطوة التالية؟
تقترح الورقة خطوتين رئيسيتين للمستقبل:
- تغيير البنية التحتية: يجب إعادة تصميم نماذج الذكاء الاصطناي بحيث تتحقق من حساباتها الرياضية أثناء كتابة الكود، وليس بعد الانتهاء منه.
- مشاركة البيانات: تحتاج الجماعة العلمية إلى بناء ومشاركة معايسات (benchmarks) غنية بالقيود (مثل مجموعة بيانات الجامع الموثقة التي صنعوها) حتى يتمكن الجميع من اختبار ذكائهم الاصطناعي وفقاً لنفس المعايير الصارمة.
ملخص
باختختصار، تقول هذه الورقة: توقفوا عن محاولة جعل الذكاء الاصطناعي أكثر ذكاءً في التخمين. بالنسبة للحوسبة الكمومية والعلوم الصعبة الأخرى، نحتاج إلى التوقف عن معاملة الذكاء الاصطناي ككاتب مبدع والبدء في معاملته كمهندس دقيق. ولتحقيق ذلك، يجب أن نغذيه بالحقائق الموثقة فقط ونبني عملية التحقق في صميم كيانه (DNA)، مما يضمن عدم توليده لتصميم واحد غير صالح.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.