💬 NLP

PDDL-Mind: Large Language Models are Capable on Belief Reasoning with Reliable State Tracking

تقدم الورقة البحثية PDDL-Mind، وهو إطار عمل عصبي-رمزي يعزز قدرة النماذج اللغوية الكبيرة على التفكير في نظرية العقل من خلال فصل استنتاج الاعتقاد عن تتبع حالة البيئة عبر تمثيلات لغة تعريف نطاق التخطيط (PDDL) الصريحة، محققاً بذلك تحسينات كبيرة في الدقة مقارنة بالطرق الحالية المتطورة.

المؤلفون الأصليون: Wang Bill Zhu, Qiutong Tony Yi, Robin Jia, Jesse Thomason

نُشر 2026-04-21

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Wang Bill Zhu, Qiutong Tony Yi, Robin Jia, Jesse Thomason

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

المشكلة الكبرى: النماذج اللغوية الكبيرة بارعة في سرد القصص، لكنها سيئة للغاية في تدوين الملاحظات

تخيل أنك تشاهد خدعة سحرية معقدة أو حلقة من مسلسل كوميدي فوضوي. لديك صديق عبقري (نموذج لغوي كبير، أو LLM) وهو بارع في شرح لماذا قام الساحر بشيء ما أو لماذا غضب أحد الشخصيات. إنه يفهم النفس البشرية بشكل مثالي.

لكن هنا تكمن المشكلة: صديقك لديه ذاكرة قصيرة المدى سيئة للغاية. فكلما طالت القصة، بدأ ينسى من الذي يحمل المفتاح، أو في أي غرفة توجد القطة، أو من الذي سمع المحادثة السرية. ولأنه يفقد تتبع الحقائق الأساسية، فإن استنتاجه النفسي العبقري ينهار. هو لا يخمن الإجابة الخاطئة لأنه "غبي"، بل لأنه يعمل بناءً على حقائق خاطئة.

يجادل مؤلفو هذه الورقة البحثية بأن هذا هو بالضبط ما يحدث مع الذكاء الاصطناعي في اختبارات "نظرية العقل" (Theory of Mind - ToM). نظرية العقل هي القدرة على فهم ما يفكر فيه الآخرون، أو ما يعرفونه، أو ما يعتقدون به. يفشل الذكاء الاصطناعي الحالي في هذه الاختبارات ليس لأنه عاجز عن التفكير المنطقي، بل لأنه لا يستطيع الاحتفاظ بـ "سجل حسابات" ذهني لأحداث القصة بشكل موثوق.

الحل: PDDL-MIND (نهج "كاتب السيناريو")

ابتكر الفريق نظامًا جديدًا يسمى PDDL-MIND. بدلاً من مطالبة الذكاء الاصطناعي بمجرد "القراءة والتخمين"، فإنهم يجبرونه على التصرف مثل كاتب سيناريو للعبة فيديو.

إليك كيف يعمل ذلك، باستخدام تشبيه بسيط:

1. المخطط الأساسي (نطاق PDDL)

تخيل أنك تبني منزلاً. أنت لا تكتفي بقول "ضع جداراً" للبناء. بل تعطيه مخططاً صارماً بالقواعد: يجب أن تكون الجدران بارتفاع 10 أقدام؛ والأبواب بعرض 3 أقدام.
في الورقة البحثية، هذا هو نطاق PDDD. إنه كتاب قواعد مكتوب مسبقاً يحدد:

ماهية الأشياء الموجودة (كراسي، مفاتيح، أشخاص).
الأفعال الممكنة (تحرك، افتح، أمسك، تحدث).
القواعد الصارمة للفيزياء (إذا فتحت صندوقاً، يمكنك رؤية ما بداخله؛ وإذا أغلقته، لا يمكنك ذلك).

2. الترجمة (تحليل القصة)

يقرأ الذكاء الاصطناعي القصة المكتوبة بلغة طبيعية غير منظمة (على سبيل المثال: "دخلت ماري إلى المطبخ ونظرت داخل الثلاجة").
بدلاً من مجرد "قراءة" القصة، يقوم الذكاء الاصطناعي بترجمتها إلى كود منطقي صارم بناءً على المخطط الأساسي.

القصة: "ماري مشت إلى المطبخ."
الكود: MOVE(Mary, Kitchen)
القصة: "ماري فتحت الثلاجة."
الكود: OPEN(Mary, Fridge)

3. مدقق الحقائق (التحقق)

هذا هو المكون السري. قبل أن يحاول الذكاء الاصطناعي الإجابة على سؤال، يقوم "مدقق حقائق" (برنامج كمبيوتر) بتشغيل الكود.

يسأل: "هل كانت ماري تملك بالفعل مفتاح الثلاجة؟"
إذا لم تذكر القصة أنها تملك المفتاح، يقول مدقق الحقائق: "خطأ. هذا الإجراء مستحيل."
يقوم باستبعاد الخطأ وتصحيح "حالة" العالم.

الآن، أصبح لدى الذكاء الاصطناعي جدول زمني مثالي وموثق لما حدث بالضبط، ومن رأى ماذا، ومن يعرف ماذا.

4. الإجابة النهائية

أخيراً، ينظر الذكاء الاصطناعي إلى هذا الجدول الزمني المثالي ويجيب على السؤال: "هل تعتقد ماري أن الكعك موجود في البرطمان؟"
لأن الذكاء الاصطناعي لم يعد يخمن الحقائق، يمكنه استخدام ذكائه الطبيعي لإعطاء الإجابة الصحيحة.

لماذا هذا مهم: تشبيه "اللغز مقابل الرياضيات"

فكر في حل مشكلة "نظرية العقل" مثل حل لغز الصور المقطوعة (Jigsaw Puzzle).

نهج الذكاء الاصطناعي القديم: يحاول الذكاء الاصطناعي حل اللغز من خلال النظر إلى الصورة الموجودة على الصندوق وتخمين أين تذهب القطع. هو جيد في تخمين الصورة، لكنه يستمر في إسقاط القطع أو وضعها في المكان الخاطئ.
نهج PDDL-MIND: يقوم الذكاء الاصطناعي أولاً بفرز كل قطعة بدقة في كومتها الصحيحة (تتبع الحالة). وبمجرد فرز القطع بشكل مثالي، يرى الصورة بسهولة (الاستنتاج المنطقي).

تثبت الورقة البحثية أن فرز القطع هو الجزء الصعب، وليس رؤية الصورة. بمجرد إصلاح عملية الفرز (تتبع الحالة)، يصبح الذكنا الاصطناعي فجأة عبقرياً في حل اللغز.

النتائج: فوز ساحق

اختبر الباحثون هذا النظام على ثلاثة اختبارات صعبة (MMToM-QA، وMuMa-ToM، وFanToM).

النتيجة: حقق PDDL-MIND دقة تزيد عن 88%، متفوقاً على أفضل ذكاء اصطناعي سابق بفارق كبير (أكثر من 5%).
الكفاءة: فعل ذلك باستخدام عدد أقل من "استدعاءات" الكمبيوتر مقارنة بالأساليب الأخرى. بينما كان الذكاء الاصطناعي الآخر يقرأ القصة بجنون 27 مرة محاولاً التذكر، قام PDDL-MIND بقراءتها مرة واحدة فقط، ودوّن الحقائق، ثم حل المسألة.

الخلاصة

تخلص الورقة البحثية إلى أن الذكاء الاصطناعي ليس "سيئاً" في فهم العقول البشرية. هو فقط سيء في تدوين الملاحظات.

من خلال إجبار الذكاء الاصطناعي على ترجمة القصص إلى لغة منطقية صارمة (PDDL) والتحقق من تلك اللغة مقابل القواعد، فإننا نطلق العنان لإمكاناته الحقيقية. الأمر يشبه إعطاء محقق عبقري ولكنه نساٍ مساعداً موثوقاً لتدوين الملاحظات. فجأة، يستطيع المحقق حل القضية.

باختصار: لا تلم عقل الذكاء الاصطناعي؛ بل أصلح ذاكرته. بمجرد أن تصبح الذاكرة موثوقة، سيتبعها الاستنتاج المنطقي.

إليك ملخص تقني مفصل لورقة البحث بعنوان: "PDDL-MIND: النماذج اللغوية الكبيرة قادرة على الاستدلال على الاعتقاد من خلال التتبع الموثوق للحالة."

1. بيان المشكلة

تؤدي النماذج اللغوية الكبيرة (LLMs) حاليًا أداءً يقل بشكل ملحوظ عن المستويات البشرية في اختبارات قياس "نظرية العقل" (Theory-of-Mind - ToM)، والتي تتطلب استنتاج معتقدات، ومعارف، ونوايا الوكلاء بناءً على الأوصاف السردية.

الجدل: لا يوجد إجماع حول السبب الجذري لهذه الإخفاقات. هناك فرضيتان متنافستان:
1. محدودية الاستدلال: تفشل النماذج في الاستدلال عالي المستوى (استنتاج المعتقدات من الحالات).
2. محدودية تتبع الحالة: تفشل النماذج في الحفاظ على تمثيلات دقيقة ومتسقة لحالة العالم مع تراكم الأحداث.
الفجوة: غالبًا ما تتعامل الطرق الحالية مع السرديات كنصوص غير منظمة أو تعتمد على تتبع حالة ضمني يعتمد على الحدس، مما يؤدي إلى الهلوسة وعدم الاتساق. يرى المؤلفون أن العقبة الرئيسية هي التتبع الضمني غير الموثوق للحالة، وليس نقص القدرة على الاستدلال.

2. المنهجية: PDDL-MIND

يقترح المؤلفون PDDL-MIND، وهو إطار عمل عصبي-رمزي (neuro-symbolic) يفصل بين تطور حالة البيئة وبين استدلال الاعتقاد. وهو يستفيد من لغة تعريف مجال التخطيط (PDDL) لتوفير تمثيلات حالة صريحة ومنطقية متسقة.

سير العمل الأساسي

تعريف المجال المحدد مسبقًا:
- يتم إنشاء ملف مجال PDDL ثابت يحتوي على 7 أنواع عامة من الأفعال (move تحرك، open افتح، close أغلق، grab خذ، drop اترك، ask اسأل، tell أخبر).
- يحدد أربعة أنواع من الكائنات: agent (وكيل)، loc (موقع)، obj (كائن)، و utterance (قول/لفظ).
- تتضمن المحمولات (predicates) الحاسمة seen (لتتبع الملاحظة البصرية) و heard (لتتبع المعلومات السمعية)، إلى جانب محمولات الحالة القياسية مثل at (موجود في) و in (داخل).
استخراج الحالة والأفعال (بتحليل LLM):
- التهيئة: يقوم نموذج لغوي كبير (LLM) بتحليل الوصف الأولي للبيئة في السرد وتحويله إلى ملف مشكلة (Problem File) بصيغة PDDL، والذي يحدد الحالة الأولية ( $s_0$ ) والكائنات.
- توليد تسلسل الأفعال: يقوم النموذج بترجمة أحداث السرد إلى تسلسل من أفعال PDDL المرشحة.
- التحقق والترشيح: هذا هو الابتكار الجوهري. يقوم النظام بالتحقق من كل فعل مرشح مقابل المجال المحدد مسبقًا:
  - يتحقق مما إذا كانت الحالة الحالية تستوفي الشروط المسبقة (preconditions) للفعل.
  - إذا كان الفعل صالحًا، يتم تنفيذه لتوليد الحالة التالية ( $s_i$ ) باستخدام آثار (effects) الفعل.
  - إذا كان الفعل غير صالح (على سبيل المثال، وكيل يحاول فتح حاوية لا يمكنه الوصول إليها)، يتم استبعاد الفعل.
- تنتج هذه العملية تسلسلًا تم التحقق منه من حالات العالم المتسقة منطقيًا مع السرد.
استدلال نظرية العقل (ToM Inference):
- يتم تزويد النموذج اللغوي الكبير بـ تسلسل الحالة المتحقق منه وسؤال نظرية العقل.
- يقوم النموذج بعملية استدلال "سلسلة الأفكار" (Chain-of-Thought) بناءً فقط على هذه الحالات المتحقق منها صراحةً لاستنتاج المعتقدات أو النوايا.

3. المساهمات الرئيسية

الفصل بين التتبع والاستدلال: تقدم الورقة دليلًا تجريبيًا على أن النماذج اللغوية الكبيرة تمتلك قدرات استدلال قوية في نظرية العقل ولكنها تعوقها عملية تتبع الحالة غير الموثوقة. ومن خلال إخراج تتبع الحالة إلى مُحقِّق رمزي، يتحسن أداء الاستدلال بشكل كبير.
يجمع PDDL-MIND بين اللغة الطبيعية والمنطق الرمزي، مستخدمًا النماذج اللغوية الكبيرة للتحليل والمحللات الرمزية للتحقق.
تجريد الحدث-الحالة الموحد: يقترح المؤلفون تجريدًا هيكليًا حيث يتم التعامل مع كل من الأفعال الفيزيائية والتحديثات الحوارية كأحداث ذات شروط مسبقة وآثار، مما يوحد سيناريوهات الوكيل الواحد والوكلاء المتعددين تحت صيغة PDDL واحدة.
كفاءة التكلفة: تتطلب الطريقة 3 استدعاءات فقط للنماذج اللغوية الكبيرة لكل مثال (التحليل، التحقق/الاستخراج، الاستدلال)، بينما تتطلب الطرق السابقة المتطورة (مثل AutoToM) ما معدله 17-35 استدعاءً.

4. النتائج التجريبية

تم تقييم الإطار على ثلاثة اختبارات قياس رئيسية لنظرية العقل: MMToM-QA، و MuMa-ToM، و FanToM.

مكاسب الأداء:
- MMToM-QA: حقق PDDL-MIND (باستخدام GPT-4o) دقة بلغت 88.3%، متفوقًا على الحالة السابقة (AutoToM بنسبة 83.0%) بمقدار 5.3%.
- MuMa-ToM: حقق دقة بلغت 88.8%، متجاوزًا AutoToM (81.4%) بمقدار 7.4%.
- FanToM: حقق دقة بلغت 80.0%.
جودة تتبع الحالة: كشف الفحص اليدوي لـ 40 تسلسلًا تم التحقق منها (20 لكل اختبار قياس) عن معدل صحة بلغ 90%، مما يؤكد أن التحقق الرمزي يفلتر الهلوسة بفعالية.
تحليل الأخطاء:
- انقسمت الأخطاء المتبقية (~12%) بين أخطاء التحليل (33% من حالات الفشل، حيث أخطأ النموذج في تحديد الفعل) و أخطاء الاستدلال (67% من حالات الفشل، حيث فشل النموذج في الاستنتاج بشكل صحيح حتى مع وجود حالات مثالية).
- يشير هذا إلى أنه مع تتبع حالة مثالي، يمكن أن ينخفض معدل الخطأ النظري إلى ~8%، مما يعزز الفرضية القائلة بأن تتبع الحالة هو العقبة المهيمنة.
الكفاءة: يعد PDDL-MIND أكثر كفاءة من حيث التكلفة بشكل كبير، حيث يتطلب عدد استدعاءات أقل بحوالي 10 مرات من الطرق التكرارية مثل AutoToM.

5. الأهمية والآثار المترتبة

إعادة تعريف اختبارات نظرية العقل: تجادل الورقة بأن الاختبارات الحالية غالبًا ما تخلط بين تتبع الحالة والاستدلال. يجب أن تعامل الاختبارات المستقبلية تتبع الحالة الدقيق والقابل للتحقق كشرط مسبق لتقييم نظرية العقل بشكل ذي معنى.
رؤية معمارية: تتحدى النتائج سردية "عجز الاستدلال" لدى النماذج اللغوية الكبيرة. بدلاً من ذلك، تشير إلى أن النماذج اللغوية الكبيرة قادرة على الاستدلال المعقد إذا تم نقل "الضجيج" الناتج عن صيانة الحالة إلى آلية صريحة وموثوقة.
الاتجاهات المستقبلية:
- تصميم الاختبارات: يجب أن تقدم الاختبارات المستقبلية تحيزات هيكلية (على سبيل المثال، تغيير الخوارزمية المرتبطة بفعل معين عبر سياقات مختلفة) لمنع النماذج من الاعتماد فقط على تتبع الحالة الرمزي دون فهم دلالي حقيقي.
- المعرفة بالعالم: بينما يتفوق PDDL-MIND في المهام الرمزية ذات العالم المغلق، فإنه يسلط الضوء على الحاجة إلى اختبارات تتطلب دمج المعرفة طويلة الذيل (مثل الأعراف الثقافية، أو الحقائق البيولوجية) التي لا يمكن حصرها بالكامل في ملف مجال PDDL.
القصور: النهج الحالي نصي فقط ويعتمد على مجال محدد مسبقًا، مما يجعله هشًا أمام النماذج التي تعاني في التحليل أو السيناريوهات التي تتطلب إدراكًا متعدد الوسائط (بصري/مكاني).

في الختام، يثبت PDDL-MIND أن تزويد النماذج اللغوية الكبيرة بآلية موثوقة وصريحة لتتبع الحالة عبر PDDL يطلق قدرات الاستدلال الكامنة لنظرية العقل لديها، محققًا أداءً رائدًا (SOTA) بتكلفة حوسبية أقل بكثير.