Extracting Search Trees from LLM Reasoning Traces Reveals Myopic Planning

تخيل أنك تشاهد نوعين مختلفين من لاعبي الشطرنج: بطل بشري (Grandmaster) وذكاء اصطناعي متطور للغاية يتحدث مع نفسه أثناء التفكير.

تستقصي هذه الورقة البحثية كيف تقوم نماذج الذكاء الاصطناعي هذه (النماذج اللغوية الكبيرة، أو LLMs) بالتخطيط لخطواتها فعلياً في لعبة تسمى "أربعة في صف واحد" (Four-in-a-Row). أراد الباحثون معرفة ما يلي: عندما يكتب الذكاء الاصطناعي عملية تفكير طويلة ومفصلة، هل يقوم حقاً بتخطيط استراتيجي عميق مثل البشر، أم أنه يتظاهر بذلك فقط؟

إليك تفصيل نتائجهم باستخدام تشبيهات بسيطة:

1. الإعداد: اللعبة "الناطقة"

قام الباحثون بإعداد بطولة حيث لعبت 27 نموذجاً مختلفاً من الذكاء الاصطناعي لعبة "أربعة في صف واحد" ضد بعضها البعض. وهي لعبة بسيطة تعتمد على إسقاط أقراص ملونة في شبكة، بهدف الحصول على أربعة في صف واحد (أفقياً، أو رأسياً، أو قطرياً).

قبل اتخاذ أي حركة، طُلب من نماذج الذكاء الاصطناعي "التفكير بصوت عالٍ" (وهي عملية تسمى "سلسلة الأفك‏ر" أو Chain-of-Thought). حيث كانت تولد فقرات نصية طويلة، تحاكي حركات مستقبلية مثل: "إذا لعبتُ هنا، سيلعب الخصم هناك، ثم سألعب أنا هنا..."

2. الاستقصاء: قراءة "خريطة الأفكار"

قام الباحثون بتحويل هذه الفقرات الطويلة والفوضوية إلى أشجار بحث منظمة ونظيفة (مثل شجرة العائلة، ولكن لخطوات اللعبة):

• الجذر (Root): لوحة اللعب الحالية.
• الأغصان (Branches): الحركات التي فكر فيها الذكاء الاصطناعي.
• الأوراق (Leaves): السيناريوهات المستقبلية التي تخيلها الذكاء الاصطناعي.

ثم قارنوا "خرائط أفكار" الذكاء الاصطناعي بكيفية لعب الخبراء البشر لنفس اللعبة.

3. الاكتشاف الكبير: المفكر "السطحي"

وجد الباحثون انفصالاً مفاجئاً بين ما يقوله الذكاء الاصطناعي عما يفعله وبين ما يفعله حقاً.

• الطريقة البشرية: الخبراء البشر يشبهون الغواصين في الأعماق. إنهم ينظرون بعيداً في المستقبل. إذا رأوا حركة ما، فإنهم يحاكون 5 أو 6 خطوات في المستقبل ليروا ما إذا كانت ستؤدي إلى الفوز. ويتحسن أداؤهم كلما نظروا بعمق أكبر.
• طريقة الذكاء الاصطناعي: نماذج الذكاء الاصطناعي تشبه السياح السطحيين.
  • الوهم: يكتب الذكاء الاصطناعي قصة طويلة ومفصلة جداً عن النظر 10 خطوات للأمام. يبدو الأمر وكأنه غوص عميق.
  • الواقع: عندما يختار الذكاء الاصطناعي حركة بالفعل، فإنه يتجاهل كل ذلك التفكير العميق تقريباً. إنه يتصرف كلاعب قصير النظر (Myopic). هو يهتم فقط بالخطوة التالية المباشرة.

التشبيه: تخيل طالباً يكتب مقالاً من 10 صفحات حول كيفية حل مسألة رياضية. يكتب معادلات معقدة للفصول من 2 إلى 10. لكن عندما يكتب الإجابة النهائية بالفعل، فإنه ينظر فقط إلى الجملة الأولى من المسألة ويخمن الإجابة. المقال الطويل كان مجرد "زينة"، وليس المحرك الفعلي الذي يقود الإجابة.

4. ما الذي يجعل الذكاء الاصطناعي يفوز حقاً؟

اختبر الباحثون ما الذي يدفع نجاح الذكاء الاصطناعي:

• العمق (مدى النظر للأمام): لم يكن هذا مهماً. حتى لو كتب الذكاء الاصطناعي عن النظر 10 خطوات للأمام، لم يساعدهم ذلك على الفوز.
• الاتساع (عدد الخيارات التي يتم فحصها): كان هذا هو المفتاح. نماذج الذكاء الاصطناعي التي فازت كانت هي تلك التي نظرت إلى مزيد من الحركات الأولى المختلفة (مثل فحص 20 باباً مختلفاً) بدلاً من النظر بعمق في باب واحد فقط.

الأمر كما لو أن الذكاء الاصطناعي يفوز عبر إلقاء شبكة واسعة، وليس عبر الغوص في الأعماق.

5. تجربة "الجراحة"

لإثبات أن الذكاء الاصطناعي لم يكن يستخدم تفكيره العميق فعلياً، أجرى الباحثون تجربة "جراحية".

• أخذوا نص التفكير الطويل للذكاء الاصطناعي وحذفوا الأجزاء التي تحدث فيها عن النظر بعيداً في المستقبل (الأجزاء "العميقة").
• أبقوا فقط على الأجزاء التي تحدث فيها عن الحركة التالية المباشرة.
• النتيجة: قام الذكاء الاصطناعي باتخاذ نفس الحركات تماماً كما قبل.

أثبت هذا أن التفكير العميق كان مجرد "ضجيج". لم يكن الذكاء الاصطناعي بحاجة إليه لاتخاذ قراره. كان القرار مدفوعاً بالكامل بالأفكار السطحية والمباشرة.

6. الخاتمة

تخلص الورقة البحثية إلى أن هناك اختلافاً جوهرياً بين التخطيط البشري وتخطيط الذكاء الاصطناعي:

• البشر يصبحون أكثر ذكاءً من خلال التفكير الأعمق.
• الذكاء الاصطناعي يصبح أكثر ذكاءً من خلال التفكير الأوسع، لكنه لا يستخدم فعلياً الأفكار العميقة التي يولدها لاتخاذ القرارات.

الذكاء الاصطناعي جيد في محاكاة مظهر التخطيط العميق، لكنه لا يعمل بناءً عليه. وهذا يشير إلى أن مجرد جعل نماذج الذكاء الاصطناعي تكتب مسارات استدلال أطول وأكثر تعقيداً لن يجعلها بالضرورة مخططين أفضل؛ نحن بحاجة لتعليمها كيف تستخدم فعلياً الأفكار العميقة التي تولدها.