تخيل أنك محقق بارع يمكنه حل أكثر الألغاز تعقيدًا في العالم. لديك دفتر ملاحظات خارق يمكنه احتواء ملايين الصفحات من الأدلة. لكن هنا تكمن الحبكة، ففي بعض الأحيان، حتى عندما يكون اللغز قابلًا للحل ويكون دفتر ملاحظاتك مليئًا بالمساحة الكافية، تتوقف فجأة عن الكتابة. تضع قلمك جانبًا، تهز رأسك، وتقول: "هذا أكبر من أن يستوعبه دفتري. لا يمكنني إنهاء هذا". أنت لم تنفد المساحة فعليًا؛ بل ظننت ذلك فحسب. يشبه هذا ما يحدث داخل أكثر عقول الكمبيوتر تطورًا لدينا اليوم، والمعروفة باسم النماذج اللغوية الكبيرة (LLMs). هذه أنظمة ذكاء اصطناعي تم تدريبها على كميات هائلة من النصوص التي يمكنها التفكير في المسائل الرياضية، وكتابة الأكواد البرمجية، وتخطيط الاستراتيجيات المعقدة. لفترة طويلة، اعتقد العلماء أن هذه الأنظمة تفشل فقط عندما تكون المشكلة صعبة جدًا لدرجة لا تستطيع فهمها. لكن دراسة جديدة تشير إلى أن هذه الأنظمة لا تفشل لأنها "غبية"، بل لأنها خائفة من حدود قدراتها.

تتعمق هذه الورقة البحثية، التي تحمل عنوان "الضياع في السياق" (Lost in Context)، في مشكلة جديدة غريبة تسمى "قلق السياق". اتضح أن نماذج الذكاء الاصطناعي هذه غالبًا ما تصاب بالذعر بشأن نفاذ المساحة في "دفاتر ملاحظاتها" (والتي تسمى تقنيًا حدود الرموز أو الـ tokens) قبل أن تحاول حتى حل الأجزاء الأصعب من اللغز. أراد الباحثون معرفة ما إذا كانت هذه النماذج تستسلم لأن المهمة مستحيلة حقًا، أم أنها تعاني فقط من "نوبة ذعر" بشأن مقدار العمل الذي قد يتطلبه الأمر. ومن خلال دراسة كيفية سلوك هذه النماذج عند مواجهة مهام طويلة ومعقدة، اكتشف الفريق أن العديد منها سيء للغاية في تقدير الجهد الذي تتطلبه المشكلة بالفعل. فهي تبالغ في تقدير العمل، وتصاب بالذعر، وتنسحب مبكرًا. والخبر الجيد؟ وجد الباحثون طريقة لـ "تقديم الاستشارة" للذكاء الاصطناعي، وتعليمه الثقة في قدراته والتوقف عن الذعر، مما جعله أفضل بكثير في حل المشكلات دون الحاجة لجعل الذكاء الاصطناعي أكبر أو أذكى.

نوبة الذعر في الآلة

لفهم ما يحدث، دعونا نتخيل أن الذكاء الاصطناعي هو عداء ماراثون. في الماضي، كنا نعتقد أنه إذا توقف العداء، فذلك لأن السباق طويل جدًا أو لأن ساقيه تعبتا كثيرًا. لكن هذه الدراسة وجدت أن العداء يتوقف أحيانًا لأنه ينظر إلى خط النهاية ويفكر: "أوه لا، إن خط النهاية يبعد 100 ميل! لن أصل أبدًا!"، رغم أن خط النهاية يبعد في الواقع 5 أميال فقط. لدى العداء الطاقة لإنهاء السباق، لكن خريطته الداخلية خاطئة، لذا ينسحب قبل الأوان.

اختبر الباحثون هذه الفكرة باستخدام لغز كلاسيكي يسمى "برج هانوي" (Tower of Hanoi). تخيل ثلاثة أوتاد ومجموعة من الأقراص ذات الأحجام المختلفة. الهدف هو نقل المجموعة بأكملة من وتد إلى آخر، مع اتباع قواعد صارمة: يمكنك تحريك قرص واحد فقط في كل مرة، ولا يمكنك أبدًا وضع قرص أكبر فوق قرص أصغر. الجزء الصعب هو أنه مع إضافة المزيد من الأقراص، ينمو عدد الحركات المطللة بشكل انفجاري. مع وجود 12 قرصًا فقط، تحتاج إلى أكثر من 4,000 حركة. طلب الباحثون من عدة نماذج ذكاء اصطناعي رفيعة المستوى حل هذه الألغاز.

إليك الاكتشاف الصادم: رفضت العديد من النماذج الأكثر ذكاءً، مثل Claude Sonnet 3.7 و DeepSeek R1، حل الألغاز الأكثر صعوبة. ولكن عندما فحص الباحثون بدقة سبب رفضها، وجدوا أن النماذج لم تكن تقول "أنا لا أعرف الإجابة"، بل كانت تقول أشياء مثل: "هذا طويل جدًا للكتابة"، أو "سأنفد من المساحة". لقد استسلموا لأنهم اعتقدوا أن الحل سيكون أكبر من أن يستوعبه ذاكرتهم، رغم أن اللغز كان ضمن حدودهم الفعلية تمامًا. يطلق الباحثون على هذا اسم "قلق السياق". إنه شكل من أشكال الشك الذاتي المبكر حيث يعتقد الذكاء الاصطناعي أنه لا يستطيع إنجاز المهمة، فلا يحاول حتى.

الرياضيات السيئة للذكاء الاصطناعي

لماذا يصاب الذكاء الاصطناعي بالخوف؟ تشير الورقة إلى أن السبب هو أن النماذج سيئة في الرياضيات — وتحديدًا، سيئة في تخمين مقدار "المساحة" (أو الرموز/tokens) التي سيستغرقها الحل. طلب الباحثون من النماذج تخمين عدد الكلمات التي سيحتاجونها لكتابة حل للمشكلة. وكانت النتائج مذهلة.

النماذج التي أظهرت قلقًا بالغت في تقدير المساحة التي يحتاجونها بنحو 24%. ظنوا أن إجابة مكونة من 100 كلمة ستستغرق مساحة 124 كلمة. ولأنهم اعتقدوا أن المهمة ضخمة جدًا، فقد أصيبوا بالذعر واستسلموا. في المقابل، النماذج التي لم تكن تعاني من القلق كانت في الواقع تقلل من تقدير المساحة بنحو 19%. كانوا أكثر تفاؤلاً، وفكروا: "مهلًا، هذا سهل!" وحاولوا بالفعل حلها.

يخلق هذا الخطأ في التقدير نبوءة تحقق ذاتها. إذا اعتقد الذكاء الاصطناعي أن المهمة مستحيلة لأنها "كبيرة جدًا"، فإنه يتوقف. وإذا اعتقد أنها قابلة للإدارة، فإنه يستمر. وجدت الدراسة أن هذا القلق لم يكن مجرد خلل بسيط؛ بل كانت له عواقب حقيقية. فعندما كانت النماذج قلقة، كانت أقل دقة بنسبة 15% في حل المشكلات. والأسوأ من ذلك، عندما نجحت في حل مشكلة ما بشكل صحيح، كانت إجاباتها أطول بنسبة 54% وأقل كفاءة. الأمر يشبه طالبًا متوترًا، بدلًا من كتابة مقال واضح وقصير، يسهب في الكلام ويضيع الوقت والورق لأنه قلق من عدم تقديم ما يكفي.

تعليم الذكاء الاصطناعي الهدوء

الجزء الأكثر إثارة في الورقة هو أن الباحثين لم يكتفوا بإيجاد المشكلة فحسب، بل وجدوا العلاج أيضًا. تساءلوا: هل هذا القلق جزء دائم من عقل الذكاء الاصطناعي، أم يمكننا تعليمه ألا يكون متوترًا؟

لاختبار ذلك، استخدموا تقنية تسمى الضبط الدقيق الخاضع للإشراف (SFT). تخيل أن لديك طالبًا يخاف من الرياضيات. بدلًا من إعطائه مسائل رياضية أصعب، تعرض عليه أمثلة لطلاب آخرين حلوا مسائل مماثلة بهدوء وثقة. تقول له: "انظر، يمكنك القيام بذلك دون ذعر".

أخذ الباحثون مجموعة بيانات من الحلول الصحيحة للغز "برج هانوي" ولكنهم استبعدوا أي حل أظهر علامات القلق. ثم قاموا بتدريب نموذج ذكاء اصطناعي جديد فقط على هذه الأمثلة الهادئة والواثقة. لم يعلموا النموذج أي حقائق جديدة ولم يجعلوه أكبر، بل علموه فقط طريقة جديدة في التفكير.

النتيجة؟ كان النموذج "المُعالج" مذهلاً. لقد توقف عن الاستسلام المبكر. تعلم أن يثق في قدرته على إنهاء المهمة.

• قلل النموذج الجديد من قلقه بنسبة تزيد عن 50%.
• أصبح أفضل بكثير في حل الألغاز، خاصة تلك ذات الصعوبة المتوسطة.
• حتى أنه نقل هذه الثقة الجديدة إلى نوع مختلف تمامًا من الألغاز (إيجاد أقصر مسار على شبكة)، مما أظهر أنه لم يكن يحفظ الإجابات فحسب، بل يتعلم استراتيجية أفضل.

ماذا يعني هذا للمستقبل

تشير هذه الورقة إلى أننا قد نكون ننظر إلى أداء الذكاء الاصطناعي من منظور خاطئ. غالبًا ما نعتقد أنه لجعل الذكاء الاصطناعي أفضل، نحتاج فقط إلى جعله أكبر، أو تزويده بمزيد من البيانات، أو جعله أذكى. لكن هذه الدراسة تقترح أنه في بعض الأحيان، يكون الذكاء الاصطناعي ذكيًا بما يكفي بالفعل؛ إنه يحتاج فقط إلى تعلم كيفية إدارة ثقته بنفسه.

وجد الباحثون أن "قلق السياق" هو عادة سلوكية، وليس حدًا صلبًا لعقل الآلة. من خلال مساعدة النماذج على تقييم قدراتها بدقة والتوقف عن المبالغة في تقدير مدى صعوبة المهمة، يمكننا جعلها أكثر موثوقية وكفاءة دون الحاجة لبناء حواسيب فائقة جديدة وضخمة. إنه تذكير بأنه حتى بالنسبة للذكاء الاصطناعي، أحيانًا لا يكون العائق الأكبر هو المشكلة نفسها، بل هو الخوف من المشكلة.

في النهاية، تظهر الورقة أنه مع القليل من "العلاج النفسي" (أو في هذه الحالة، التدريب الدقيق على الأمثلة الهادئة)، يمكن لنماذج الذكاء الاصطناعي أن تتعلم التوقف عن الذعر، والثقة في مهاراتها، وحل المشكلات التي كانت تخشاها سابقًا. إنها خطوة صغيرة ولكنها قوية نحو بناء ذكاء اصطناعي لا يعرف فقط كيف يفكر، بل يعرف أيضًا كيف يستمر عندما تصبح الأمور صعبة.