Persistent Computational State: A Session-Centric Runtime for Generative World Models
تجادل هذه الورقة بأن فشل نماذج العالم التوليدية الحالية في دعم مهام المحاكاة ذات الحالة (stateful) لا ينبع من قيود معمارية، بل من تصميمات وقت التشغيل المتمحورة حول الطلب والتي تتخلص من الحالة الحسابية المستمرة، وتقترح بدلاً من ذلك وقت تشغيل متمحور حول الجلسة يتيح إنشاء نقاط فحص واستعادة فورية تقريباً للحالة غير القابلة لإعادة الحوسبة لتسهيل عمليات تدحرج نماذج العالم المتطابقة بايتياً وبكفاءة.
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 تبني لعبة فيديو لا تكتفي بمجرد تشغيل سيناريو مكتوب؛ بل هي عالم "يعيش" حقاً. في هذا النوع من الألعاب، إذا ابتعدت عن نار المخيم، تظل النار مشتعلة. وإذا تركت كرة تتدحرج من فوق تلة، ستستمر في التدحرج. هذا هو حلم "نماذج عوالم التوليد" (Generative World Models): أنظمة ذكاء اصطناعي يمكنها محاكاة واقع متسق وحي، وليس مجرد توليد صور جميلة. لكن هنا تكمن العقبة: لكي يظل هذا العالم حياً، يحتاج الكمبيوتر إلى تذكر ما حدث بالضبط، وصولاً إلى أدق التفاصيل، حتى عندما يشيح اللاعب بنظره ثم يعود لينظر مرة أخرى.
لفترة طويلة، اعتقد العلماء أن نماذج الذكاء الاصطناعي هذه تفشل لأنها "تنسى" أو "سيئة في التذكر". افترضوا أن عقل الذكاء الاصطناعي ببساطة ليس كبيراً بما يكفي لاستيعاب القصة بأكملها. لكن هذا البحث يطرح سؤالاً مختلفاً: ماذا لو لم يكن الذكاء الاصطناعي هو المشكلة؟ ماذا لو كانت المشكلة في نظام الكمبيوتر الذي يشغل اللعبة، والذي يستمر في رمي ملاحظات الذكاء الاصطناعي في المهملات في كل مرة يأخذ فيها اللاعب استراحة؟ اكتشف المؤلفون أن "الذاكرة" التي يحتاجها الذكاء الاصطناعي للحفاظ على اتساق العالم ليست قوة خارقة سحرية؛ بل هي مجرد قطع محددة من البيانات التي كان نظام الكمبيوتر يحذفها بالخطأ.
لغز "هل نسيت؟" العظيم
في عالم توليد الفيديو بالذكاء الاصطناعي، هناك خلل محبط. تخبر الذكاء الاصطناعي أن يظهر قطة تقفز على سرير، ثم تطلب منه إظهار القطة وهي تبتعد. بعد ذلك، تطلب منه إظهار القطة وهي تقفز عائدة إلى السرير. في عالم مثالي، يجب أن تهبط القطة في نفس المكان تماماً، وبنفس الفراء المبعثر بنفس الطريقة. ولكن في عام 2026، عندما اختبر الباحثون هذا باستخدام 14 نموذجاً مختلفاً (باستخدام اختبار يسمى MBench) و23 نموذجاً مختلفاً (باستخدام WRBench)، وجدوا نفس النتيجة المحبطة: القطة لم تعد كما كانت. لقد "انحرف" العالم؛ بدا السرير مختلفاً، وموقع القطة كان خاطئاً، والفيزياء بدت مكسورة.
نظر الخبراء إلى هذه العوالم المحطمة وقالوا: "نماذج الذكاء الاصطناعي ضعيفة جداً. إنها بحاجة إلى تدريب جديد، وعقول أكبر، ووحدات ذاكرة خاصة لتتعلم كيف تتذكر". ظنوا أن المشكلة تكمكم داخل عقل النموذج.
لكن مؤلفي هذا البحث، بقيادة "زين لين"، قرروا لعب دور المحقق. اشتبهوا في أن الجاني ليس عقل الذكاء الاصطناعي، بل نظام الكمبيوتر الذي يشغله — وهو "بيئة التشغيل" (Runtime).
تجربة المحقق: اختبار "السفر عبر الزمن"
لإثبات نظريتهم، أعد الباحثون تجربة ذكية. أخذوا نموذج ذكاء اصطناعي يعمل بالفعل وتركوه يولد مشهداً. ثم، قبل أن يصبح المشهد معقداً، أخذوا "لقطة" (Snapshot) لشيئين محددين للغاية كان الكمبيوتر يحتفظ بهما:
- آخر صورة رآها الذكاء الاصطناعي (مخزنة كمجرد قائمة من الأرقام).
- حالة مولد الأرقام العشوائية (RNG state). فكر في هذا كأنه "رمية النرد" الداخلية للذكاء الاصطناعي. في كل مرة يتخذ فيها الذكاء الاصطناعي قراراً أو ينشئ تفصيلاً جديداً، فإنه يرمي نردًا رقميًا. إذا لم تحفظ الرقم الدقيق الذي استقرت عليه الرمية، فستكون الرمية التالية مختلفة، وسيتغير العالم.
بعد أخذ هذه اللقطة، أجبر الباحثون الذكاء الاصطناعي على القيام بـ "رحلة". جعلوه يولد تسلسلاً طويلاً ومجنوناً من الأحداث — بما يكفي لخلخلة أي ذاكرة "ضمنية" قد يكون الذكاء الاصطناعي يحاول الاحتفاظ بها في رأسه. ثم أوقفوا الرحلة، ورموا كل ما كان الكمبيوتر يحتفظ به، واستعادوا اللقطة.
كانت النتيجة صادمة. عندما استكمل الذكاء الاصطناعي العمل من اللقطة، كان الفيديو الذي ولده مطابقاً بت-بايت (Byte-for-byte) للفيديو الذي كان سيظهر لو أن الذكاء الاصطناعي لم يغادر أبداً. كان مثالياً. هبطت القطة في نفس المكان تماماً. البكسلات كانت متطابقة.
أثبت هذا أن الذكاء الاصطناعي يمكنه تذكر كل شيء بشكل مثالي. المشكلة لم تكن في أن الذكاء الاصطناعي ينسى؛ بل في أن نظام الكمبيوتر الذي يشغل الذكاء الاصطناعي قد رمى الملاحظات (اللقطة) قبل أن يتمكن الذكاء الاصطناعي من استخدامها.
خلط بين "الطلب" و"الجلسة"
لماذا رمى الكمبيوتر الملاحظات؟ اتضح أن الكمبيوتر كان يتبع قواعد مصممة لبرامج الدردشة الآلية (مثل تلك التي تتحدث إليها لإنجاز واجباتك المدرسية). تعمل برامج الدردشة بنظام "الطلبات" (Requests). أنت تطرح سؤالاً، يجيب الكمبيوتر، ثم يخلي مكتبه ليكون جاهزاً للشخص التالي. هذا يعمل بشكل رائع لبرامج الدردشة لأنه إذا نسي البرنامج السياق، يمكن للكمبيوتر ببساطة إعادة قراءة كلماتك السابقة ليفهم الأمر.
لكن نماذج العوالم مختلفة. هي تعمل بنظام "الجلسات" (Sessions). الجلسة هي قصة مستمرة. إذا أوقفت قصة وعدت إليها لاحقاً، فأنت لا تريد من الكمبيوتر أن يعيد قراءة الكتاب؛ بل تريده أن يلتقط الخيط من حيث توقف تماماً.
يطلق المؤلفون على قطعة البيانات المفقودة اسم الحالة الحسابية المستمرة (Persistent Computational State - PCS). وهي قائمة صغيرة وجوهرية من الأشياء التي يجب حفظها للحفاظ على اتساق العالم.
- بالنسبة لنموذج بسيط، الـ PCS هو مجرد الصورة الأخيرة ورمية النرد (حوالي 1.38 ميجابايت).
- بالنسبة لنموذج أكثر تعقيداً يحتوي على "بنك ذاكرة"، فهو ذلك البنك بالإضافة إلى رمية النرد (حوالي 185 كيلوبايت).
- بالنسبة لنموذج يستخدم "نافذة" من البيانات الماضية، فهي تلك النافذة بالإضافة إلى رمية النرد (حوالي 1.67 جيجابايت).
يوضح البحث أنك لست بحاجة لحفظ كل شيء (الذي سيكون ضخماً وبطيئاً). أنت فقط بحاجة لحفظ الـ PCS. والأفضل من ذلك؟ حفظ واستعادة هذه البيانات يستغرق فقط 0-0.012 مللي ثانية. هذا أسرع بخمس مراتب عشرية من الوقت المستغرق لتوليد خطوة واحدة من الفيديو (1.85 ثانية). إنه أمر يكاد يكون مجانياً.
تحول "الأهمية" مقابل "الحداثة"
وجد البحث أيضاً شيئاً مفاجئاً حول كيفية إدارة هذه الذاكرة عندما يمتلئ الكمبيوتر. في برامج الدردشة، تستخدم الحواسيب عادةً قاعدة "الحداثة" (Recency): يقوم الكمبيوتر برمي الرسائل الأقدم لإفساح المجال للرسائل الجديدة. لكن بالنسبة لنماذج العوالم، هذا كارثي.
تخيل أنك تشاهد فيلماً، وقرر الكمبيوتر رمي المشهد الذي حدث قبل 10 دقائق لأنه "قديم"، محتفظاً فقط بالمشهد الذي حدث قبل دقيقة واحدة. إذا كان الفيلم يتطلب منك تذكر ما حدث قبل 10 دقائق لفهم النهاية، فإن الفيلم سينهار.
اختبر المؤلفون طرقاً مختلفة لإدارة الذاكرة. ووجدوا أنه بالنسبة لنماذج العوالم، فأنت بحاجة إلى قاعدة "الأهمية" (Relevance). يجب عليك الاحتفاظ بالأجزاء المهمة من الذاكرة من أجل "العودة" (اللحظة التي تعود فيها الكاميرا)، حتى لو كانت قديمة.
- عندما أُجبر الكمبيوتر على أن يكون شديد التقتير في الذاكرة (2 ميجابايت متاحة فقط)، نجحت قاعدة "الحداثة" في إنقاذ 6 عوالم فقط من أصل 16.
- أما قاعدة "الأهمية"، فقد أنقذت جميع العوالم الـ 16.
هذا تحول هائل. هذا يعني أنه للحفاظ على عالم حي، عليك التوقف عن التفكير مثل برنامج دردشة والبدء في التفكير كراوٍ للقصص يعرف أي نقاط الحبكة هي الأكثر أهمية.
الخلاصة الكبرى
يخلص البحث إلى أن "النسيان" في نماذج عوالم الذكاء الاصطناعي ليس خطأً في عقل الذكاء الاصطناعي، بل هو خطأ في عملية التنظيم المنزلي لنظام الكمبيوتر. كان الذكاء الاصطناعي مستعداً للتذكر، لكن النظام كان يستمر في رمي الملاحظات في سلة المهملات.
من خلال تغيير النظام لحفظ "الحالة الحسابية المستمرة" (اللقطة ورمية النرد) وباستخدام طريقة أذكى لتحديد ما يجب الاحتفاظ به عندما تضيق الذاكرة، أظهر الباحثون أن:
- يمكن استعادة العالم بشكل مثالي. يمكن للذكاء الاصطناعي العودة إلى حالة مطابقة تماماً لما كان عليه قبل فترة طويلة.
- التكلفة شبه معدومة. حفظ هذه الحالة يستغرق أجزاء من المليون من الثانية.
- يمكن تشغيل عدد أكبر بكثير من الجلسات. نظرًا لأن الكمبيوتر ليس مضطرًا للاحتفاظ بكل الذاكرة الثقيلة على بطاقة الرسوميات فائقة السرعة، فيمكنه تخزين "الملاحظات" على القرص الصلب العادي. وهذا يعني أن بطاقة رسوميات واحدة يمكنها التعامل مع حوالي 2,300 مرة أكثر من الجلسات النشطة مقارنة بالسابق.
لم يجد المؤلفون طريقة لإصلاح الذاكرة فحسب، بل وجدوا أن "الإصلاح" كان في الواقع تغييراً بسيطاً في كيفية إدارة وقت ومساحة الكمبيوتر. العالم لم يضع، بل كان ينتظر فقط أن يتم التقاطه.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.