AI-rithmetic
تتقصى هذه الورقة البحثية سبب تعثر نماذج الذكاء الاصطناعي الرائدة في العمليات الحسابية الأساسية، حيث تُظهر أن أداءها يتدهور مع زيادة عدد الأرقام، وأن معظم الأخطاء ناتجة عن مشكلات يمكن التنبؤ بها مثل عدم محاذاة المعاملات بسبب التجزئة (tokenization) أو الإخفاق في ترحيل الأرقام.
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
مفارقة "الطفل العبقري": لماذا يمكن للذكاء الاصطناعي حل التفاضل والتكامل بينما يفشل في عملية الجمع؟
تخيل أنك تشاهد عازف بيانو عالمي المستوى. يمكنه عزف أكثر مقطوعات راخمانينوف تعقيداً بدقة تحبس الأنفاس، محركاً أصابعه في أنماط تبدو شبه خارقة للطبيعة. ولكن بعد ذلك، تطلب منه شيئاً بسيطاً للغاية: "من فضلك، انقر بأصابعك على إيقاع منتظم بنمط 4/4."
فجأة، يتعثر. يخطئ في الإيقاع. يفقد التناغم. يبدو مرتبكاً.
هذا هو بالضبط ما يحدث مع الذكاء الاصطناعي الحديث. هذه الورقة البحثية، التي تحمل عنوان "AI-rithmetic"، تستكشف ظاهرة غريبة: يمكن لنماذج الذكاء الاصطناعي الفوز بمسابقات الرياضيات الدولية والمساعدة في إثبات نظريات علمية جديدة، ومع ذلك تفشل باستمرار في جمع رقمين طويلين معاً.
إليك تفصيل لما وجده الباحثون، باستخدام بعض التشبيهات البسيطة.
1. مشكلة "المسطرة المكسورة" (أخطاء عدم المحاذاة)
تخيل أنك تحاول محاذاة ورقتين من الورق المربّع (الرسم البياني) لجمع المربعات. إذا حركت إحدى الورقتين قليلاً إلى اليسار أو اليمين، فسيكون حسابك بالكامل خاطئاً، حتى لو كان رياضياً مثالياً.
وجد الباحثون أن العديد من نماذج الذكاء الاصطناعي تعاني من "عدم المحاذاة". فبدلاً من محاذاة عمود "الآحاد" مع عمود "الآحاد"، يقوم الذكاء الاصطناعي بإزاحة أحد الأرقام سهواً.
التحول المفاجئ: هذا ليس مجرد خرق عشوائي. غالباً ما يكون سببه كيفية "قراءة" الذكاء الاصطناعي للنصوص، وهي عملية تسمى "التقطيع" (Tokenization). فكر في الأمر كقراءة كتاب حيث يتم تقسيم بعض الكلمات إلى حروف مفردة، بينما تُجمع كلمات أخرى في مجموعات من ثلاثة أحرف. ولأن الذكاء الاصطناعي يرى الأرقام في هذه المجموعات الغريبة وغير المتساوية، فإنه يفقد مكانه على "الورقة المربعة"، مما يؤدي إلى عدم محاذاة الأرقام.
2. مشكلة "المصباح الوامض" (أخطاء الحمل القريب)
في عمليات الجمع الطويلة، غالباً ما يتعين عليك "ترحيل الواحد". إذا جمعت ، تكتب $01$ إلى العمود التالي.
وجد الباحثون أن نماذج الذكاء الاصطناعي تعاني من مشكلة "الوميض" في هذا الصدد. تخيل مصباحاً يعمل بشكل جيد في الغالب، ولكنه أحياناً — لثانية واحدة فقط — يرتعش وينطفئ.
الذكاء الاصطناعي لا يفشل لأنه لا يفهم الرياضيات؛ بل يفشل لأنه يرتكب "هفوات بسيطة". فهو إما:
- ينسى ترحيل الواحد عندما ينبغي له ذلك.
- يرحل واحداً عندما لا ينبغي له ذلك.
اكتشف الباحثون أن هذه ليست أخطاء "كبيرة". إنها مجرد خلل تقني صغير وموضعي. الأمر يشبه متنزهاً يسير في مسار مثالي لأميال، لكنه كل بضعة أميال، يخطو خطوة واحدة خاطئة قليلاً. في النهاية، سيجد نفسه على بُعد أميال عن وجهته المنشودة، رغم أنه كان "غالباً" على المسار الصحيح.
3. لماذا "الأكبر" ليس دائماً "الأذكى"
قد تعتقد: "إذا كان الذكاء الاصطناعي يعاني، فلنعطه دماغاً أكبر (بيانات وقدرة حوسبة أكثر)!"
تشير الورقة البحثية إلى أن هذا قد لا ينجح. وبينما تكون النماذج الأكبر أفضل بشكل عام، إلا أنها لا تزال تصطدم بحائط مسدود كلما طالت الأرقام. الأمر يشبه محاولة إصلاح صنبور يسرب الماء عن طريق بناء منزل أكبر. لقد بنيت قصراً رائعاً، لكن الصنبور لا يزال يقطر. المشكلة ليست في حجم النظام؛ بل في الآلية التي يستخدمها للقيام بالعمل.
الصورة الكبيرة: تحذير "الصندوق الأسود"
إن أهم استنتاج من هذه الورقة ليس عن الرياضيات — بل عن الموثوقية.
نحن نبني حالياً أنظمة ذكاء اصطناعي تعمل مثل "الصناديق السوداء". نراها تقوم بأشياء مذهلة وعبقرية، لذا نفترض أنها "ذكية" في كل شيء. لكن هذا البحث يثبت أن الذكاء الاصطناعي لا "يفكر" مثل البشر. فالطفل البشري يتعلم أن ويدرك مفهوم الكمية. أما الذكاء الاصطناعي فهو أشبه بنظام متطور جداً لمطابقة الأنماط، يمكنه أحياناً أن يفقد مكانه أو يتعثر في تفصيل صغير.
الدرس المستفاد: لا ينبغي لنا أن نخلط بين كون الشيء "متطوراً" وبين كونه "موثوقاً". وحتى يتم إصلاح هذه "الأعطال الجوهرية في المصفوفة"، علينا أن نكون حذرين جداً بشأن الوثوق بالذكاء الاصطناعي للقيام حتى بأبسط المهام.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.