🤖 AI

MaD Physics: Evaluating information seeking under constraints in physical environments

تقدم الورقة البحثية MaD Physics، وهو معيار مرجعي مبتكر صُمم لتقييم قدرة الوكلاء الاصطناعيين على استنتاج القوانين الفيزيائية والتخطيط للقياسات في ظل قيود الموارد من خلال اختبارهم في بيئات ذات قوانين فيزيائية معدلة، مما يكشف عن حدود قدرات الاستدلال العلمي والاستكشاف المنظم في نماذج Gemini الحالية.

المؤلفون الأصليون: Moksh Jain, Mehdi Bennani, Johannes Bausch, Yuri Chervonyi, Bogdan Georgiev, Simon Osindero, Nenad Tomašev

نُشر 2026-05-12

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Moksh Jain, Mehdi Bennani, Johannes Bausch, Yuri Chervonyi, Bogdan Georgiev, Simon Osindero, Nenad Tomašev

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 محقق تحاول حل لغز ما، ولكن لديك قاعدة صارمة للغاية: لديك قدر محدود من المال لإنفاقه على الأدلة.

هذه هي الفكرة الجوهرية وراء مشروع بحثي جديد يسمى MaD Physics (قياس واكتشاف الفيزياء). قام الباحثون في Google DeepMind وMila بإنشاء اختبار يشبه ألعاب الفيديو لمعرفة مدى قدرة "العلماء الآليين" (AI scientists) على فهم كيفية عمل العالم عندما لا يمكنهم ببساطة البحث عن الإجابات في كتاب مدرسي ولا يستطيعون تحمل تكلفة فحص كل شيء.

إليك تفصيل بسيط لكيفية عمل ذلك وما وجدوه:

1. اللعبة: "صندوق الغموض"

في هذا الاختبار، يتم وضع الذكاء الاصطناعي في عالم افتراضي حيث تتحرك الأجسام من حوله. ولكن هناك خدعة: قواعد الفيزياء في هذا العالم مكسورة أو "معدلة" قليلاً.

ربما لا تجذب الجاذبية الأشياء للأسفل بالطريقة المعتادة.
ربما تدور المياه بنمط يتحدى ديناميكا السوائل الطبيعية.
ربما تتصرف الجسيمات كما لو كانت متصلة بخيوط غير مرئية لا وجود لها في عالمنا الحقيقي.

الذكاء الاصطناعي لا يعرف هذه القواعد. عليه أن يفهمها من خلال مراقبة حركة الأجسام.

2. التحدي: "ميزانية الأدلة"

هذا هو الجزء الذي يأتي منه اسم "MaD". لدى الذكاء الاصطناعي ميزانية (مثل محفظة بها عدد محدد من العملات المعدنية).

النظر إلى جسم ما يكلف مالاً.
النظر عن قرب (دقة عالية) يكلف الكثير.
النظر من بعيد (دقة منخفضة) يكلف القليل.
الانتظار لفترة أطول للنظر يكلف وقتاً أكثر.

يجب على الذكاء الاصطناعي اتخاذ خيارات ذكية: "هل يجب أن أنفق ميزانيتي بالكامل في فحص جسم واحد بدقة شديدة، أم يجب أن أنفق القليل في فحص عشرة أجسام مختلفة للحصول على فكرة عامة؟"

إذا أهدر الذكاء الاصطناعي ماله على تخمينات سيئة، فسينفد منه المال قبل أن يتمكن من حل اللغز. وبمجرد انتهاء المال، تتوقف اللعبة، ويجب على الذكاء الاصطناعي التنبؤ بمكان وجود الأجسام في المستقبل بناءً فقط على الأدلة التي تمكن من شرائها.

3. العوالم الثلاثة

للتأكد من أن الذكاء الاصطناعي لا يقوم فقط بحفظ الحقائق الموجودة في العالم الحقيقي، اختبروه في ثلاثة "أكوان" مختلفة:

عالم الكرة المرتدة (الميكانيكا الكلاسيكية): أجسام ترتد وتتصادم، ولكن مع "ذاكرة" غريبة وغير مرئية تجعل من الصعب دفعها في اتجاهات معينة.
عالم المياه الدوامة (ديناميكا السوائل): سائل يتدفق، ولكن مع "قوة فضائية" غير مرئية تدفعه في أنماط دوران غريبة.
عالم الجسيمات الشبحية (ميكانيكا الكم): جسيمات صغيرة تتصرف كموجات، ولكن مع لمسة مختلفة: قواعد كيفية ظهورها عند النظر إليها تختلف عن الواقع.

4. المشاركون في الاختبار

اختبر الباحثون أربع نسخ مختلفة من نماذج Gemini AI التابعة لـ Google (من نموذج أصغر وأسرع إلى نموذج أكبر وأذكى) لمعرفة مدى براعتها في هذه اللعبة.

5. النتائج: ما أخطأ فيه الذكاء الاصطناعي

كانت النتائج متواضعة بعض الشيء بالنسبة للذكاء الاصطناعي:

لقد عانوا في أن يكونوا "استراتيجيين": غالباً ما كان الذكاء الاصطناعي ينفق ميزانيته بشكل غير فعال. فقد كان أحياناً ينظر إلى الأشياء الخاطئة أو ينظر بدقة شديدة إلى أشياء لا تهم، مما يؤدي لنفاد المال قبل فهم النمط.
لم يستطيعوا "ابتكار" قوانين جديدة: عندما كانت الفيزياء معدلة، كان الذكاء الاصطناعي غالباً ما يحاول فرض قواعد العالم الحقيقي على العالم الجديد. كان الأمر يشبه محاولة حل لغز "سودوكو" باستخدام قواعد لعبة "الشطرنج".
النماذج الأفضل كانت أفضل، لكن ليس بشكل مثالي: النماذج الأذكى (مثل Gemini 3) ارتكبت أخطاء أقل وكانت أفضل في التنبؤ بالمستقبل، لكنها لم تستطع أيضاً فهم "الشيفرة السرية" للفيزياء المعدلة بشكل مثالي.
المرئيات جعلت الأمر أصعب: عندما كان على الذكاء الاصطناعي النظر إلى صور للأجسام المتحركة بدلاً من مجرد الأرقام، أصبح أكثر ارتباكاً.

الخلاصة

تخلص الورقة البحثية إلى أنه بينما يصبح الذكاء الاصطناعي جيداً جداً في الإجابة على الأسئلة التي يعرف إجاباتها بالفعل، فإنه لا يزال يعاني في الاكتشاف العلمي الحقيقي: القدرة على الخروج، وإنفاق الموارد المحدودة بحكمة، وجمع بيانات جديدة، وفهم قواعد لم توجد بعد.

فكر في الأمر بهذه الطريقة: الذكاء الاصطناعي بارع في كونه أميناً للمكتبة (يجد الكتب الموجودة)، لكنه لا يزال يتعلم كيف يكون مستكشفاً (يرسم خريطة لمنطقة لم يسبق لأحد رؤيتها من قبل). MaD Physics هي خريطة جديدة للباحثين ليروا بالضبط أين يضل الذكاء الاصطناعي طريقه حتى يتمكنوا من مساعدته على التعلم كيف يستكشف بشكل أفضل.

ملخص تقني: MaD Physics – تقييم البحث عن المعلومات تحت القيود في البيئات الفيزيائية

بيان المشكلة
إن الاكتشاف العلمي عملية متأصلة في استهلاك الموارد، تتطلب من الوكلاء (agents) الموازنة بين جودة وكمية القياسات بسبب القيود الفيزيائية والزمنية والمالية. وبينما تركز المعايير المرجعية الحالية للاكتشاف العلمي على الاستدلال القائم على المعرفة الساكنة (مثل الإجابة على الأسئلة بناءً على الحقائق المحفوظة) أو التصميم التجريبي غير المقيد، فإنها تفشل في تقييم قدرة الوكيل على إجراء قياسات استراتيجية والتخطيط تحت قيود صارمة. علاوة على ذلك، تعتمد المعايير المرجعية القياسية غالبًا على قوانين فيزيائية معروفة جيدًا، مما يسمح للوكلاء بالنجاح من خلال استرجاع المعرفة بدلاً من الاكتشاف التجريبي. هناك فجوة حرجة في تقييم الوكلاء الذين يجب عليهم جمع المعلومات بنشاط، وإدارة ميزانية محدودة، واستنتاج الديناميكيات الكامنة من بيانات مشوشة ومتفرقة في بيئات قد تكون فيها القوانين الحاكمة مجهولة أو معدلة.

المنهجية: معيار MaD Physics
لمعالجة هذه الفجوة، يقترح المؤلفون MaD Physics (قياس واكتشاف الفيزياء)، وهو معيار مرجعي مصمم لتقييم القدرة على إجراء قياسات معلوماتية واستخلاص الاستنتاجات مع الخضوع لقيود على جودة وكمية القياس.

تصميم البيئة: يتكون المعيار المرجعي من ثلاث بيئات بارامترية متميزة تعتمد على الميكانيكا الكلاسيكية، وميكانيكا الموائع، وميكانيكا الكم. ولمنع الوكلاء من الاعتماد على المعرفة المسبقة بالفيزياء القياسية، تتضمن كل بيئة قوانين فيزيائية "معدلة" (على سبيل المثال: كتلة قصورية متباينة الخواص، قوانين جاذبية معدلة مثل $1/R$ أو تأثيرات تموج، تهيئة تشابك غير خطية، وقواعد بور معممة باستخدام $L_p$ -norms).
بروتوكول التقييم: يتم التقييم عبر مرحلتين:
1. مرحلة القياس: يعمل الوكيل تحت ميزانية ثابتة $B$ . يجب عليه اختيار ما سيقيسه بالتتابع (مثل جسيمات أو إحداثيات محددة)، ومتى يقيس (الخطوة الزمنية)، وبأي دقة (مستوى الضجيج). كل ملاحظة تترتب عليها تكلفة $C(o_k, \sigma_k)$ ، والتي تزداد مع زيادة الدقة (انخفاض الضجيج). يجب على الوكيل تعظيم كسب المعلومات ضمن الميزانية.
2. مرحلة التنبؤ: بمجرد استنفاد الميزانية أو الوصول إلى أقصى زمن $T_{max}$ ، يجب على الوكيل استنتاج القانون الفيزيائي الأساسي والتنبؤ بحالة النظام عند وقت استعلام مستقبلي $T_{query} > T_{max}$ .
تنفيذ الوكيل: يقيم المؤلفون أربعة نماذج من عائلة Gemini (وهي 2.5 Flash Lite، و2.5 Flash، و2.5 Pro، و3 Flash) باستخدام هيكل وكيل بسيط يتمتع بقدرات تنفيذ الأكواد. يتم اختبار استراتيجيتين للتلقين (prompting): "التلقين الأساسي" الذي يوفر سياقًا عامًا، و"تلقين الاستراتيجية" المستوحى من التصميم التجريبي البايزي، والذي يوجه الوكيل لتعظيم كسب المعلومات المتوقع (EIG) لكل وحدة تكلفة.

المساهمات الرئيسية

منهجية تقييم مبتكرة: يقدم البحث إطارًا لتقييم وكلاء البحث عن المعلومات في المجالات الفيزيائية التي تؤكد صراحة على المقايضة بين تكلفة الدقة في التصميم التجريبي، متجاوزًا مهام الاستدلال الساكنة.
بيئات بارامترية بقوانين معدلة: تتضمن مجموعة البيئات الثلاث (الكلاسيكية، الموائع، الكم) تعديلات محددة وموثقة على القوانين الفيزيائية القياسية. وهذا يضمن انخراط الوكلاء في اكتشاف نشط بدلاً من استرجاع المعرفة المحفوظة.
تقييم شامل للنماذج الرائدة: يقوم المؤلفون بتقييم نماذج Gemini المتعددة على MaD Physics، وتحليل الأداء عبر درجات مختلفة من تعديل القوانين، وإظهار تأثير التلقين الاستراتيجي في التعامل مع عدم اليقين العلمي.

النتائج التجريبية

أداء النماذج: بشكل عام، يتحسن الأداء مع زيادة قدرة النموذج (من Flash Lite إلى Pro ثم إلى 3 Flash). ومع ذلك، حتى أكثر النماذج قدرة تواجه صعوبة في التكوينات المعدلة.
دقة التنبؤ: غالبًا ما تنتج الوكلاء تنبؤات خارج النطاق أو غير دقيقة، حتى في تكوينات الفيزياء العادية. وبينما يحسن "تلقين الاستراتيجية" الأداء عمومًا من خلال فرض جمع بيانات منهجي، إلا أن الأخطاء الجسيمة لا تزال قائمة.
الدقة الرمزية مقابل الدقة التنبؤية: أحد النتائج الرئيسية هو الانفصال بين الدقة التنبؤية والاستعادة الرمزية. غالبًا ما يفشل الوكلاء في تحديد الشكل الرمزي الصحيح للقانون الفيزيائي الأساسي (على سبيل المثال، الفشل في التمييز بين جاذبية $1/r^2$ و $1/r$ )، حتى عندما يمكنهم تقديم تنبؤات معقولة.
تعدد الوسائط والتعلم داخل السياق:
- الملاحظات البصرية: عندما يتم تزويد الوكلاء بتمثيلات بصرية بدلاً من البيانات الرقمية، تزدود أخطاء التنبؤ بشكل كبير، رغم أن الاتجاهات المتعلقة بقدرة النموذج تظل ثابتة.
- التعلم داخل السياق: عبر تجارب متعددة، يُظهر Gemini 3 Flash قدرة على تقليل خطأ التنبؤ، بينما يفشل Gemini 2.5 Pro في التعلم في التكوينات المعدلة.
استنتاج البارامترات: في متغير يكون فيه الشكل الهيكلي معروفًا والهدف هو استنتاج بارامتر واحد ( $\kappa$ )، تميل الوكلاء إلى تقدير البارامتر بأقل من قيمته الحقيقية، مما يظهر انحيازًا نحو الفيزياء القياسية.

الأهمية والادعاءات
يضع البحث MaD Physics كخطوة نحو معايير قادرة على التقاط الطبيعة الاستكشافية وغير المنظمة للاكتشاف العلمي. ويدعي المؤلفون أن MaD Physics يحدد بفعالية أوجه القصور في النماذج الرائدة فيما يتعلق بمهام البحث عن المعلومات الديناميكية. وتحديدًا، يسلط المعيار الضوء على:

ضعف الأداء التنبئي اللاحق عندما لا يستطيع الوكلاء الاعتماد على القوانين المحفوظة.
الصعوبة في استعادة التعبيرات الرمزية الدقيقة للقوانين الفيزيائية، حتى مع توفر البيانات.
ضرورة التخطيط الاستراتيجي تحت القيود، وهي قدرة تظهر النماذج الحالية حاجة كبيرة للتحسين فيها.

يخلص المؤلفون إلى أنه بينما تُظهر النماذج الحالية وعودًا في الاستدلال، إلا أنها تعاني مع الواقع العملي للبحث العلمي: تخصيص الموارد المحدودة لتعظيم كسب المعلومات واستنتاج ديناميكيات جديدة من بيانات مشوشة ومقيدة. ويُقترح كعمل مستقبلي استكشاف هياكل وكلاء أكثر تطورًا، وتلقين أكثر تحسينًا، وتوسيع نطاق العمل ليشمل أنظمة فيزيائية أكثر تعقيدًا.