Training and Benchmarking Code Generation for Physics-Inspired Animations
تقدم هذه الورقة SimuScene، وهو عبارة عن مجموعة بيانات ومعيار شامل لتدريب وتقييم النماذج اللغوية الكبيرة على توليد كود قابل للتنفيذ للرسوم المتحركة المستوحاة من الفيزياء، مما يوضح أن حتى النماذج الرائدة تعاني في هذه المهمة ولكن يمكن تحسينها بشكل كبير من خلال مسار تعلم تعزيزي مبتكر يستخدم المكافآت البصرية.
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 أن لديك صديقاً آلياً فائق الذكاء يمكنه قراءة كتاب قصصي وكتابة كود برمجي فوراً لصنع فيلم من تلك القصة. تقول له: "كرة تتدحرج على تلة وتصطدم بجدار"، وتتوقع أن ترى كرة تتدحرج على تلة وتصطدم بجدار. هذا هو حلم النماذج اللغوية الكبيرة (LLMs): حواسيب يمكنها فهم لغة البشر وتحويلها إلى فعل. لكن هناك جزءاً مخادعاً؛ فمجرد أن يكتب الروبوت كوداً برمجياً لا يعني أن الفيلم الذي سيصنعه سيبدو حقاً مثل القصة. قد يعمل الكود، لكن الكرة قد تطفو كالشبح، أو تتدحرج للأعلى، أو تتحول إلى مربع. تستكشف هذه الورقة ركناً محدداً من العلم حيث نتساءل: هل يمكن لهذه الروبوتات الذكية (الذكاء الاصطناعي) ليس فقط كتابة السيناريو، بل أيضاً إخراج فيزياء الفيلم لتبدو واقعية؟ الأمر يشبه سؤال طاهٍ ألا يكتفي بكتابة وصفة لكعكة فحسب، بل أن يخبزها بالفعل لتكون بطعم الكعكة، وليس بطعم الطوب.
لقد قرر الباحثون وراء هذه الدراسة، بقيادة فريق من جامعة محمد بن زايد للذكاء الاصطناعي وجامعة سون يات سين، وضع هذه الروبوتات الذكية تحت الاختبار الأقصى. لقد ابتكروا لعبة جديدة تسمى SimuScene. فكر فيها كملعب ضخم ومؤتمت يحتوي على 52 موضوعاً فيزيائياً مختلفاً، مثل الجاذبية، والضوء، والكهرباء، وكيفية تدفق السوائل. لقد بنوا نظاماً يولد آلاف السيناريوهات الفريدة—مثل "قرص دوار على طاولة زلقة" أو "انكسار الضوء عبر عدسة"—ثم يطلب من الذكاء الاصطناعي كتابة كود "بايثون" لتحريكها. لكن العقدة هنا هي: لا يكتفي الذكاء الاصطناعي بمجرد كتابة كود يعمل؛ بل يجب أن ينتج الكود فيديو يبدو فعلياً متوافقاً مع الفيزياء الموصوفة. وللتحقق من ذلك، استخدموا "حكماً" خاصاً (نموذج لغة ورؤية) يشاهد الفيديو الناتج ويجيب على أسئلة مثل: "هل ارتدت الكرة؟" أو "هل انكسر الضوء بالطريقة الصحيحة؟". إذا فشل الفيديو في الإجابة على الأسئلة، يفشل الذكاء الاصطناعي في الاختبار.
كانت النتائج بمثابة صدمة للواقع. فحتى أكثر نماذج الذكاء الاصطناي المتطورة والمتاحة اليوم واجهت صعوبة بالغة. عندما طلب الباحثون من 10 نماذج ذكاء اصطناعي رائدة توليد هذه الرسوم المتحركة، لم يحقق أفضل نموذج منها سوى حوالي 21.5% من السيناريوهات بشكل صحيح في المتوسط. وهذا يعني أنه مقابل كل 100 محاولة، ينجح الذكاء الاصطناعي في إنشاء فيديو يطابق الوصف الفيزيائي حوالي 21 مرة فقط. في معظم الأوقات، يعمل الكود، لكن الحركة تكون غريبة: قد تمر الأشياء عبر الجدران، أو تتحرك في الاتجاه الخاطئ، أو تتجاهل الجاذبية تماماً. اتضح أن تعليم الذكاء الاصطناعي كتابة الكود شيء، وتعليمه فهم القواعد غير المرئية لكيفية حركة العالم وتصور تلك القواعد هو لغز أصعب بكثير.
ومع ذلك، لا تتوقف الورقة عند القول بأن "الأمر صعب". فقد جرب الفريق أيضاً حيلة ذكية لجعل نماذج الذكاء الاصطناعي أفضل. استخدموا طريقة تسمى التعلم التعزيزي (Reinforcement Learning)، وهي تشبه تدريب كلب باستخدام المكافآت. فبدلاً من مجرد قول "أحسنت" أو "سيء" للذكاء الاصطناعي بناءً على النص، تركوا الذكاء الاصطناعي يولد فيديو، ثم شاهدوا الفيديو، وأعطوه "مكافأة" فقط إذا بدا الفيديو صحيحاً بالفعل. لقد استخدموا حكماً يعتمد على الرؤية لتقديم هذه المكافآت. بعد هذا التدريب، تحسنت نماذج الذكاء الاصطناعي بشكل ملحوظ. فنماذج أصغر بدأت بمعدل نجاح 0% وتمكنت من الوصول إلى معدل نجاح 11.1% بعد التدريب، بينما قفز نموذج أكبر من 18.3% إلى 34.4%. وهذا يشير إلى أنه على الرغم من أن نماذج الذكاء الاصطناعي ليست محركات فيزيائية مثالية بعد، إلا أنها يمكن أن تتعلم كيف تصبح أفضل إذا عرضت عليها الأفلام التي تنشئها وسمحت لها برؤية أخطائها.
باختصار، تظهر هذه الورقة أنه بينما يبدو أصدقاؤنا من الذكاء الاصطناعي بارعين في كتابة الكود، إلا أنهم لا يزالون يتعلمون كيف يكونون مخرجين جيدين للفيزياء. يمكنهم كتابة السيناريو، لكن جعل الفيلم يبدو واقعياً لا يزال عملاً قيد التطوير. لقد بنى الفريق مجموعة بيانات ضخمة تضم أكثر من 7,600 سيناريو فيزيائي للمساعدة في تدريبهم، وتثبت تجاربهم أن مشاهدة النتائج (الفيديوهات) والتعلم منها هي وسيلة قوية لتعليم هذه النماذج. إنها علامة تبعث على الأمل بأنه مع التدريب الصحيح، قد نمتلك قريباً ذكاءً اصطناعياً يمكنه تحويل أوصافنا الفيزيائية الأكثر جموحاً إلى صور متحركة دقيقة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.