STATe-of-Thoughts: Structured Action Templates for Tree-of-Thoughts
تقدم الورقة البحثية "STATe-of-Thoughts" (STATe)، وهي طريقة قابلة للتفسير للحوسبة أثناء الاستدلال، تعمل على تحسين تنوع المخرجات والتحكم في الاستدلال من خلال البحث عبر أنماط أفعال نصية عالية المستوى ومنفصلة بدلاً من الاعتماد على أخذ عينات مستوى الرمز (token) باستخدام درجة الحرارة (temperature).
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 أنك تحاول تعليم روبوت فائق الذكاء كيف يكتب قصة أو يصيغ حجة مقنعة. تعطيه أمراً ما، فيبدأ بالكتابة. ولكن في بعض الأحيان، يعلق الروبوت في حلقة مفرغة، مكرراً نفس الأفكار المملة، أو يشرد بعيداً في الهراء. ولإصلاح ذلك، طور العلماء ما يسمى بـ "الحوسبة أثناء الاستدلال" (Inference-Time Compute - ITC). فكر في الـ ITC كمنح الروبوت "قبعة تفكير" ووقتاً إضافياً للعصف الذهني قبل أن يتحدث. فبدلاً من مجرد تخمين الكلمة التالية، يحاول الروبوت التخطيط لجملته كاملة، أو حتى لفقرته كاملة، مسبقاً.
الطريقة الأكثر شهرة للقيام بذلك تسمى "شجرة الأفكار" (Tree of Thoughts). تخيل الروبوت كمتنزه يقف عند مفترق طرق في الغابة. فبدلاً من مجرد اختيار مسار واحد والأمل في الأفضل، يتخيل المشي في ثلاثة مسارات مختلفة. إنه يفحص كل مسار، ويرى أيها يبدو واعداً، ثم يقرر أي مسار سيتبعه. هذا يساعد الروبوت في إيجاد إجابات أفضل. ومع ذلك، هناك عقبة: عادةً ما يختار الروبوت هذه المسارات عن طريق رمي نرد رقمي (وهي طريقة تسمى "أخذ العينات بدرجة حرارة عالية"). هذا يشبه مطالبة المتنزه باختيار مسار عن طريق الدوران حول نفسه وعيناه مغمضتان. أحياناً يختارون مساراً رائعاً، ولكن غالباً ما يختارون مسارات تبدو متشابهة جداً فيما بينها، أو يضيعون في الغابة. ينتهي الأمر بالروبوت مع العديد من الإجابات التي هي في الأساس جميعها متشابهة، مع اختلاف بسيط في الكلمات فقط.
هنا يأتي دور طريقة جديدة تسمى STATe-of-Thoughts (أو STATe). أراد الباحثون وراء هذه الورقة البحثية منح الروبوت خريطة أفضل. فبدلاً من الدوران في دوائر لاختيار مسار، تمنح STATe الروبوت مجموعة من العلامات الواضحة والمصنفة. قبل أن يبدأ الروبوت في السير، يختار "متحكم" استراتيجية محددة، مثل "ابدأ بقصة حزينة"، أو "استخدم حقيقة علمية"، أو "قارن بين بلدين مختلفين". ثم يتبع الروبوت تلك التعليمات المحددة. الأمر يشبه إخبار المتنزه: "اتبع المسار الذي يحمل علامة حمراء مكتوب عليها 'إطلالة خلابة'". بهذه الطريقة، يستكشف الروبوت أنواعاً مختلفة تماماً من الحجج أو القصص، بدلاً من مجرد نسخ مختلفة قليلاً من النسخة نفسها.
تظهر الورقة البحثية، المنشورة كورقة مؤتمر في COLM 2026، أن طريقة "العلامات الإرشادية" هذه تعمل بشكل أفضل بكثير من طريقة "تدوير العجلة" القديمة. فعندما اختبر الباحثون STATe في مهام الكتابة الإبداعية، أنتج الروبوت قصصاً لم تكن أكثر تنوعاً فحسب (أي أكثر اختلافاً عن بعضها البعض)، بل كانت أيضاً ذات جودة أعلى. وفي اختبار على توليد الحجج، وجدوا أنه يمكنهم التنبؤ بمدى جودة الحجة بمجرد النظر إلى تسلسل العلامات الإرشادية التي اختارها الروبوت. على سبيل المثال، اكتشفوا أن البدء بنوع معين من الأمثلة ثم المتابعة بنوع معين من الأدلة كان مزيجاً رابحاً.
والأهم من ذلك، تتيح STATe للبشر فهم لماذا قدم الروبوت حجة جيدة. ولأن كل خطوة كانت موجهة بتعليمات واضحة ومفهومة بشرياً (مثل "تقديم مثال" أو "تقديم تنازل")، استطاع الباحثون النظر إلى مسار الروبوت والقول: "آه، لقد نجح لأنه اختار استخدام مثال من العالم الحقيقي في وقت مبكر". وهذا أمر كبير لأن هذا يحول عملية تفكير الروبوت من "صندوق أسود" إلى شيء يمكننا قراءته، والتعلم منه، وحتى تحسينه. تشير الورقة إلى أنه باستخدام نماذج العمل المهيكلة هذه، يمكننا بناء ذكاء اصطناعي ليس فقط أكثر ذكاءً وإبداعاً، بل أيضاً أسهل في الفهم والتحكم.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.