📊 statistics

Holographic Invariant Storage: Design-Time Safety Contracts via Vector Symbolic Architectures

تقدم هذه الورقة "التخزين الهولوغرافي الثابت" (Holographic Invariant Storage - HIS)، وهو بروتوكول يستفيد من البنى المتجهة الرمزية لتوفير ضمانات سلامة ذات صيغة مغلقة عند التصميم للحد من انحراف سياق النماذج اللغوية الكبيرة، بما في ذلك حدود محددة على دقة الاسترداد، والمتانة تجاه الضجيج، والسعة، والتي تم التحقق من صحتها من خلال عمليات المحاكاة والتجارب السلوكية.

المؤلفون الأصليون: Arsenios Scrivens

نُشر 2026-03-17

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Arsenios Scrivens

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 تتحدث إلى صديق آلي ذكي جداً ولكنه يتشتت انتباهه بسهولة. تبدأ المحادثة معه بإعطائه قاعدة صارمة: "كن لطيفاً دائماً ولا تكذب أبداً."

في البداية، يتذكر الروبوت هذه القاعدة تماماً. ولكن مع استمرار المحادثة لفترة أطول وأطول، مليئة بالنكت والقصص والأسئلة المعقدة، يبدأ الروبوت في الشعور بـ "التعب". تندثر القاعدة الأصلية تحت ركام من الكلمات الجديدة. يُسمى هذا "انزياح السياق" (Context Drift). ينسى الروبوت تعليمته الأكثر أهمية وقد يبدأ في قول شيء غير آمن أو فظ، ليس لأنه "شرير"، بل لأنه ببساطة فقد تتبع القاعدة في منتصف محادثة طويلة.

تقترح هذه الورقة حلاً ذكياً يسمى "التخزين الهولوغرافي الثابت" (Holographic Invariant Storage - HIS). وإليك كيف يعمل، مشروحاً عبر تشبيهات بسيطة.

1. المشكلة: قاعدة "الضياع في المنتصف"

تخيل ذاكرة الروبوت مثل سبورة بيضاء ضخمة.

القاعدة: تكتب "كن لطيفاً" بخط أحمر عريض في الأعلى.
المحادثة: بينما تتحدث، تستمر في كتابة جمل جديدة على السبورة. في النهاية، تصبح السبورة ممتلئة. قاعدة "كن لطيفاً" لا تزال موجودة، لكنها الآن في السطر رقم 500، محاطة بفوضى من النصوص الأخرى.
الفشل: عندما ينظر الروبوت إلى السبورة ليقرر ماذا سيقول تالياً، يصاب بالارتباك بسبب الضجيج. يركز على آخر شيء قلته أنت، وليس على القاعدة الأولى.

الحلول الحالية تشبه الصراخ بالقاعدة مراراً وتكرارًا ("كن لطيفاً! كن لطيفاً! كن لطيفاً!"). هذا ينجح لفترة، لكنه يملأ السبورة بالمزيد من النصوص، ومع ذلك قد يظل الروبوت مشتتاً.

2. الحل: "بطاقة السلامة الهولوغرافية"

يقترح المؤلفون نهجاً مختلفاً. بدلاً من مجرد كتابة القاعدة على السبورة البيضاء، يعطون الروبوت "بطاقة سلامة" خاصة توجد خارج سياق المحادثة.

تستخدم هذه البطاقة خدعة سحرية تسمى "بنية الرموز المتجهة" (Vector Symbolic Architecture) (والتي قد تبدو معقدة، ولكن فكر فيها كـ "كود هولوغرافي").

الكود السحري: تخيل أن قاعدة "كن لطيفاً" ليست مكتوبة بكلمات، بل مشفرة كنمط فريد عالي الأبعاد (مثل بصمة إصبع معقدة).
الضجيج: مع ازدياد فوضى المحادثة، تصبح ذاكرة الروبوت "مشوشة" (مثل التشويش على تلفاز قديم).
الاستعادة: تمتلك بطاقة السلامة خاصية مميزة: حتى لو خلطت هذه البطاقة بالكثير من ضجيج التشويش، يمكنك رياضياً "تنظيفها" واستعادة بصمة الإصبع الأصلية تماماً.

3. كيف يعمل "السحر" (التشبيه)

تخيل أن لديك ضوءاً أبيض نقياً (قاعدة السلامة).

المشكلة: تسلط هذا الضوء عبر نافذة متسخة وضبابية (المحادثة الطويلة). يبدو الضوء باهتاً ورمادياً.
الطريقة القديمة: تحاول مسح النافذة بقطعة قماش (إعادة كتابة القاعدة). هذا يساعد قليلاً، لكن النافذة تتسخ مرة أخرى فوراً.
طريقة الـ HIS: لديك مرشح خاص (البطاقة الهولوغرافية). حتى لو كان الضوء القادم عبر النافذة رمادياً وموحلاً، فإنك تمرره عبر هذا المرشح. تم تصميم المرشح بحيث أنه مهما بلغ مقدار الاتساخ على النافذة، فإن الضوء الخارج من الجانب الآخر يكون دائماً أبيض نقياً مرة أخرى.

تثبت الورقة رياضياً أن هذا المرشح يعمل في كل مرة، بغض النظر عن طول المحادثة أو مدى "اتساخ" الضجيج. إنه ضمان، وليس مجرد تخمين.

4. "مقياس الانزياح"

يتضمن النظام أيضاً منبهاً مدمجاً، ولكنه منبّه ذكي.

المؤقت الغبي: "أعد إدخال القاعدة كل 5 دقائق". (هذا أمر هدِر إذا كان الروبوت لا يزال يستمع، وسيكون متأخراً جداً إذا كان الرخيب قد ارتبك بالفعل).
مقياس انزياح HIS: يتحقق النظام باستمرار من "نقاء" ذاكرة الروبوت الحالية. إنه يشبه كاشف الدخان. بمجرد أن تصبح الذاكرة "مدخنة" قليلاً (منزاحة)، ينطلق الإنذار، ويقوم النظام فوراً بتنظيف الذاكرة باستخدام بطاقة السلامة.

5. ما وجدته الورقة بالفعل

اختبر الباحثون هذا مع أربعة نماذج مختلفة من الذكاء الاصطناعي (بعضها صغير وبعضها كبير):

الروبوتات الصغيرة (2 مليار معلمة/Parameter): هي تلك التي تتشتت بسهولة. ساعدت "بطاقة السلامة" هذه الروبوتات على تذكر قواعدها بشكل أفضل بكثير. كانت أكثر أماناً بشكل ملحوظ عند استخدام هذا النظام.
الروبوتات الكبيرة (7 مليار معلمة/Parameter): هي ذكية ومنضبطة للغاية بالفعل. لم تكن بحاجة إلى البطاقة بقدر الحاجة إليها لأنها نادراً ما تنسى القواعد في المقام الأول. ومع ذلك، ظل النظام يعمل بشكل مثالي عندما تشتت انتباهها.

الخلاصة الكبرى

هذه الورقة لا تقول فقط "مهلاً، دعونا نجرب هذا". إنها تقدم "عقداً تصميمياً".

فكر في الأمر كشراء سيارة.

الطريقة القديمة: تشتري سيارة وتأمل أن تعمل المكابح. تكتشف فشلها فقط عندما تحاول التوقف على منحدر.
طريقة HIS: تقدم الورقة ضماناً هندسياً للمهندسين قبل أن يبنوا السيارة حتى. تقول: "إذا استخدمتم هذا النظام، فنحن نضمن أن المكابح ستوقف السيارة بكفاءة 70%، بغض النظر عن ثقل الحمولة أو انزلاق الطريق".

باختة القول: هذا شبكة أمان رياضية تضمن ألا يفقد الذكاء الاصطناعي "بوصلته الأخلاقية"، مهما كانت المحادثة طويلة أو فوضوية. إنها تحول السلامة من "تخمين مأمول" إلى "مسألة رياضية مضمونة".

إليك ملخص تقني مفصل لورقة "التخزين الهولوغرافي الثابت: عقود السلامة في وقت التصميم عبر البنى المتجهية الرمزية" للباحث أرسينيوس سكريفنز.

1. بيان المشكلة

تتناول الورقة مشكلة انزياح السياق (Context Drift) في النماذج اللغوية الكبيرة (LLMs)، وهي ظاهرة يتدهور فيها التزام النموذج بتعليمات السلامة الأصلية مع امتلاء نافذة السياق (Context Window) بضجيج التفاعل.

الثغرة الأمنية: تعامل آليات الانتباه القياسية (Attention Mechanisms) قيود السلامة كأنها مجرد تسلسل آخر من الرموز (Tokens). ومع زيادة طول السياق (من 128 ألف إلى مليون رمز)، يتسبب انحياز الحداثة الموضعية (Positional Recency Bias) في ضياع تعليمات السلامة المبكرة في "منتصف السياق"، حيث تتنافس احتماليًا ضد الضجيج الحواري المباشر.
محدودية الحلول الحالية:
- التعلم المعزز من التغذية الراجعة البشرية (RLHF) / الذكاء الاصطنافي الدستوري: تدمج السلامة في الأوزان، لكنها لا تقدم آلية استرداد أثناء التشغيل بمجرد حدوث الانزياح.
- التوليد المعزز بالاسترجاع (RAG) / مساحات العمل (Scratchpads): لا تزال الذاكرة الخارجية تتنافس مع ضجيج السياق عبر آلية الانتباه.
- إعادة التلقين الدوري (Periodic Re-prompting): نهج استدلالي شائع يفتقر إلى الأساس النظري ويتوسع بشكل سيئ؛ فهو يعتمد على مؤقتات ثابتة بدلاً من المقاييس المدركة للمحتوى.
الفجوة: هناك حاجة لآلية توفر ضمانات جبرية على استرداد الإشارة ومقياس انزياح مستمر لتحديد متى يكون حقن الإشارات مجددًا ضروريًا، بشكل مستقل عن محتوى الضجيج أو حجم النموذج.

2. المنهجية: التخزين الهولوغرافي الثابت (HIS)

يقترح المؤلفون بروتوكول HIS، وهو يستخدم البنى المتجهية الرمزية (VSA) والحوسبة فائقة الأبعاد (HDC) لتخزين واستعادة إشارات السلامة.

المكونات الجوهرية

التمثيل: يستخدم متجهات ثنائية القطب (Bipolar Hypervectors) ذات أبعاد $D$ (حيث $D=10,000$ ). في الأبعاد العالية، تكون المتجهات العشوائية شبه متعامدة.
العمليات:
1. الربط ( $\otimes$ ): ضرب عنصري. يُستخدم لربط "مفتاح الهدف" ( $K_{goal}$ ) بـ "القيمة الآمنة" ( $V_{safe}$ ) لإنشاء ثابت: $H_{inv} = K_{goal} \otimes V_{safe}$ .
2. التجميع (+): جمع عنصري. يُستخدم لتراكم ضجيج السياق ( $N_{context}$ ) على الثابت.
3. التنقية (sign): دالة الإشارة العنصرية ( $\text{sign}(x)$ ). تعمل على كبح الضجيج عبر الاحتفاظ بالأبعاد التي يتفق فيها الإشارة والضجيج والامتناع (إخراج 0) حيث يحدث التعادل.

بروتوكول الاستعادة

التهيئة: توليد مفتاح عشوائي $K_{goal}$ وتشفير تعليمات السلامة كـ $V_{safe}$ . حساب $H_{inv}$ وتخزينه خارجيًا.
الانزياح: أثناء التشغيل، يتم تشفير السياق كمتجه ضجيج $N_{context}$ .
التطبيع (Normalization): يتم تطبيع متجه الضجيج ليتناسب مع مقدار الثابت ( $\|N\| = \|H_{inv}\| = \sqrt{D}$ ). هذا قيد تصميمي حاسم لتثبيت نسبة الإشارة إلى الضوضاء (SNR) عند 0 ديسيبل.
الاستعادة:
- التراكب: $S = H_{inv} + \hat{N}_{context}$
- التنقية: $S_{clean} = \text{sign}(S)$
- فك الربط: $V_{recovered} = S_{clean} \otimes K_{goal}$
مقياس الانزياح: يعمل تشابه جيب التمام (Cosine Similarity) بين تشفير السياق الحالي والثابت المخزن كمقياس مستمر. إذا انخفض عن عتبة معينة، يقوم النظام بتحفيز إعادة الحقن.

3. المساهمات الرئيسية: عقد السلامة في وقت التصميم

المساهمة الأساسية للورقة هي مجموعة من الضمانات النظرية ذات الصيغ المغلقة التي تسمح للمهندسين بتقدير ميزانية دقة الاسترداد والسعة قبل النشر.

النظرية 1 (حد استرداد الإشارة الواحدة):
بالنسبة للمتجهات ثنائية القطب، فإن القيمة المتوقعة لتشابه جيب التمام بين الإشارة المستردة والأصلية هي:
$E[\text{CosSim}] = \frac{1}{\sqrt{2}} \approx 0.707$
الأهم من ذلك، أن هذا الحد مستقل عن عمق أو محتوى الضجيج. ويعتمد ذلك على الاصطلاح القياسي $\text{sign}(0)=0$ ، الذي يمتنع عن الأبعاد المتساوية، مما يزيد من الدقة مقارنة بكسر التعادل العشوائي (0.50).
الافتراض 1 (المتانة المستمرة للضجيج):
بالنسبة للضجيج الغاوسي المستمر بانحراف معياري $\sigma$ ، فإن دقة الاسترداد هي:
$E[\text{CosSim}] = 2\Phi\left(\frac{1}{\sigma}\right) - 1$
(حيث $\Phi$ هي دالة التوزيع التراكمي القياسي الطبيعي).
الافتراض 2 (سعة الإشارات المتعددة):
عند تخزين $K$ من ثوابت السلامة في تراكب واحد، تتدهور دقة الاستردة كالتالي:
$E[\text{CosSim}] \approx \sqrt{\frac{1}{K+1}}$
يسمح هذا للمهندسين بحساب الحد الأقصى لعدد قيود السلامة المتزامنة ( $K$ ) قبل الحاجة إلى خطوة تنقية قائمة على كتاب الرموز (Codebook).

4. النتائج والتحقق

التحقق على مستوى الإشارة (Monte Carlo)

المحاكاة: $n=1,000$ تجربة مع $D=10,000$ .
النتيجة: كان المتوسط التجريبي لدقة الاستردة هو 0.7072 ( $\sigma = 0.0036$ )، وهو ما يتقارب بدقة مع الحد النظري $1/\sqrt{2} \approx 0.7071$ .
المتانة: حافظ البروتوكول على هذه الدقة عبر ثلاثة أنواع مختلفة من الضجيج (إغراق المعلومات، المطالبات العدائية، التشتت الدلالي)، مما أثبت استقلالية المحتوى.
المقارنة المرجعية: بالمقارنة مع "عدم التدخل" (الدقة $\approx 0$ )، و"إعادة التلقين الدوري" (الدقة تتدهور كـ $1/\sqrt{K}$ )، و"RAG" (الدقة $\approx$ الصدفة)، حافظ HIS على دقة مستقرة عند $0.71$ بغض النظر عن حمل الضجيج.

التجربة التجريبية السلوكية

الإعداد: 720 تجربة عبر أربعة نماذج لغوية مفتوحة المصدر (2B–7B بارامتر) باستخدام نص حواري مكون من 30 دورة مع 14 مطالبة غير آمنة.
النتائج:
- نماذج 2B: أدى إعادة حقن HIS إلى تحسين الالتزام بالسلامة بشكل كبير مقارنة بعدم التدخل ( $p_{uncorr}=0.013$ ، وحجم التأثير $d=0.71$ ).
- نماذج 7B: تشبعت جميع الظروف عند $\ge 0.993$ للسلامة، مما يشير إلى أن المحاذاة الجوهرية كانت كافية؛ ولم تظهر التدخلات الخارجية أي فائدة إضافية.
- المقارنة: لم يتفوق HIS بشكل كبير على "المؤقت المتوافق مع التردد" في هذه التجربة ( $p=0.29$ )، مما يشير إلى أن التجربة لم تكن قوية بما يكفي للكشف عن الميزة المحددة لـ التوقيت المدرك للمحتوى مقابل التوقيت الثابت.

5. الأهمية والآثار المترتبة

ضمانات وقت التصميم: على عكس المؤقتات أو مقاييس التضمين، يوفر HIS ثباتًا جبريًا. يمكن للمهندسين التنبؤ رياضيًا بأن إشارة السلامة ستكون قابلة للاسترداد بدقة $\approx 0.71$ بغض النظر عن طول المحادثة أو مدى عدائية المطالبات.
الجدولة المدركة للمحتوى: يوفر البروتوكول مقياسًا مستمرًا يعتمد على المحتوى (تشابه جيب التمام) لتحفيز إعادة الحقن، مما يستبدل المؤقتات ذات الفترات الثابتة.
ميزانية السعة: يسمح حد $\sqrt{1/(K+1)}$ للأنظمة بحساب عدد قيود السلامة التي يمكن تجميعها قبل الحاجة إلى البحث في كتاب الرموز، مما يتيح ميزانية ذاكرة دقيقة.
القيود:
- الإشارة مقابل الاستخدام: يضمن HIS استرداد الإشارة، وليس ضمان أن النموذج اللغوي سـ يلتزم بها (مشكلة "الاستخدام" تظل قائمة).
  la متطلبات التطبيع: يتطلب النظام تطبيعًا نشطًا لمقدار الضجيج، مما يؤدي إلى فقدان المعلومات حول شدة الهجوم (رغم أن كاشف شذوذ منفصل يمكن أن يعالج ذلك).
- النطاق: أظهرت التجربة التجريبية عوائد متناقصة على النماذج الأكبر والأكثر محاذاة (7B+)، مما يشير إلى أن HIS أكثر أهمية للنماذج الأصغر أو الجلسات طويلة الأمد عالية الخطورة.

الخاتمة

تؤسس هذه الورقة لـ التخزين الهولوغرافي الثابت كإطار عمل نظري لسلامة النماذج اللغوية الكبيرة. من خلال الاستفادة من خصائص الفضاءات ثنائية القطب عالية الأبعاد، فإنها تحول استرداد إشارة السلامة من تخمين هندسي احتمالي إلى خاصية حتمية وقابلة للتعاقد. وبينما تشير التجربة السلوكية إلى أن الميزة العملية على المؤقتات البسيطة تتطلب مزيدًا من الدراسة، فإن عقد السلامة في وقت التصميم نفسه يمثل مساهمة مبتكرة في مجال محاذاة الذكاء الاصطناعي وإدارة السياق.