تخيل عالماً تريد فيه تعليم روبوت كيفية رسم لوحة، ولكن بدلاً من إعطائه فرشاة ولوحة رسم، تعطي له مليون كرة صغيرة غير مرئية ومجموعة من القواعد لكيفية تحركها. هذا هو جوهر النمذجة التوليدية (Generative Modeling)، وهو فرع من فروع الذكاء الاصطناعي المخصص لإنشاء بيانات جديدة — مثل الصور أو الموسيقى أو النصوص — تبدو تماماً مثل الحقيقية. وللقيام بذلك، غالباً ما يستخدم علماء الذكاء الاصطناعي مفهوماً يسمى ألعاب المجال المتوسط (Mean-Field Games). لا تفكر في هذا كلعبة لوحية لها فائزون وخاسرون، بل كساحة رقص ضخمة وغير مرئية. في اللعبة التقليدية، أنت تهتم فقط بخصمك؛ أما في "رقصة المجال المتوسط"، فإن كل راقص صغير جداً لدرجة أنه لا يلاحظ الآخرين بشكل فردي؛ بدلاً من ذلك، يتفاعل الراقصون فقط مع الحشد ككل. إذا تجمّع الحشد في زاوية واحدة، يشعر الراقص بدفعة لطيفة للابتعاد. وإذا كان الحشد متفرقاً، يشعر بجذب للانضمام إليه. هذا "الوعي بالحشد" يساعد الكرات على الانتشار بشكل مثالي لتملأ شكلاً ما، مثل سحابة دخان تشكل دائرة مثالية.

لفترة طويلة، استخدم الباحثون فكرة "رقصة الحشد" هذه لبناء أنواع مختلفة من فناني الذكاء الاصطناعي. بعض الفنانين يخبرون الكرات بالتحرك في خطوط مستقيمة؛ والبعض الآخر يخبرهم بالاهتزاز عشوائياً مثل الجسيمات في الغاز. وحتى الآن، كانت هذه تُعامل كاثنتي عشرة وصفة مختلفة تماماً، لكل منها تعليماتها وأدواتها المعقدة. ولكن ماذا لو كانت جميعها مجرد إعدادات مختلفة على نفس الآلة؟ هذا هو السؤال الكبير الذي يطرحه بحث بعنوان "الكل في واحد: النمذجة التوليدية كتصميم لألعاب المجال المتوسط". لم يكتفِ المؤلفان، كون تشاو وشو تشن، بإيجاد طريقة جديدة للرسم فحسب، بل بنيا مترجماً عالمياً يسمح لك بالتبديل بين أي من الأساليب الاثني عشر الرئيسية بمجرد تدوير بعض المفاتيح، بل واكتشفا طريقة جديدة تجعل الذكاء الاصطناعي يرسم صوراً أكثر تنوعاً عن طريق إضافة قاعدة "المساحة الشخصية" إلى الرقصة.

جهاز التحكم عن بعد العالمي: MFGLab

يقدم البحث أداة جديدة مفتوحة المصدر تسمى MFGLab. تخيل أن لديك منصة ألعاب فيديو معقدة بها اثني عشر نوعاً مختلفاً من أشرطة الألعاب، وكل منها يتطلب وحدة تحكم مختلفة، وبطاريات مختلفة، ودليلاً مختلفاً. هكذا كانت النمذجة التوليدية في السابق. يستبدل MFGLab كل ذلك بجهاز تحكم عالمي واحد.

هذا "التحكم عن بعد" هو قائمة بسيطة من أربعة إعدادات، يطلق عليها المؤلفان اسم توبل التكلفة (cost tuple) وهي (M, I, L, σ):

• M (الوجهة): أين يجب أن تنتهي الكرات؟ (مثلاً: "اجعلها تبدو مثل سحابة قياسية").
• L (الطاقة): كم من الجهد يجب أن تبذل الكرات للوصول إلى هناك؟ (مثلاً: "اتخذ أقصر مسار" أو "تحرك بكسل").
• I (التفاعل): كيف تتفاعل الكرات مع الحشد؟ (مثلاً: "ابقَ متباعداً" أو "تجاهل بعضكم البعض").
• σ (الضجيج): ما مقدار الاهتزاز العشوائي؟ (مثلاً: "تحرك بسلاسة" أو "تذبذب مثل الهلام").

من خلال تغيير هذه الأرقام الأربعة ببساطة، يتحول برنامج MFGLab تلقائياً إلى أي من نماذج الذكاء الاصطناعي الاثني عشر الشهيرة، مثل التدفقات الطبيعية المستمرة (Continuous Normalizing Flows)، أو النماذج القائمة على الدرجة (Score-based Models)، أو جسور شرويدنجر (Schrödinger Bridges). اختبر المؤلفون ذلك عبر تشغيل نفس المهام باستخدام "جهاز التحكم العالمي" الجديد ومع الأدوات القديمة المخصصة. كانت النتائج متطابقة. لم يفقد النظام الجديد أي جودة؛ بل جعل العملية أسهل بكثير. الأمر يشبه اكتشاف أن جميع أنواع السيارات الاثني عشر مبنية في الواقع على نفس الهيكل، وتحتاج فقط إلى استبدال عجلة القيادة والمحرك لتغيير النموذج.

اكتشاف "المساحة الشخصية": DI-Flow

بينما كانوا يبنون جهاز التحكم العالمي هذا، لاحظ المؤلفون شيئاً مثيراً للاهتمام. في معظم نماذج الذكاء الاصطناعي الموجودة، كان إعداد "التفاعل" (I) مضبوطاً على الصفر. كان هذا يعني أن الكرات تُؤمر بتجاهل بعضها البعض تماماً. كانت ستتحرك نحو وجهتها، لكنها لم تكن تهتم إذا انتهى بها الأمر متكدسة فوق بعضها البعض. وهذا غالباً ما يؤدي إلى انهيار النمط (mode collapse)، وهي مشكلة حيث يصبح الذكاء الاصطناعي كسولاً ويرسم الشيء نفسه مراراً وتكراراً، مما يجعله يفقد التنوع في البيانات.

تساءل المؤلفون: "ماذا لو منحنا الكرات حساً بالمساحة الشخصية؟". صمموا إعداداً جديداً يسمى DI-Flow. في هذا الوضع، يتم ضبط تكلفة "التفاعل" لتكون دالة تعمل كقوة طاردة. إذا وجدت كرة نفسها في منطقة مزدحمة (حيث يوجد العديد من الكرات الأخرى)، فإنها تشعر بدفعة قوية للتحرك إلى مكان أكثر هدوءاً وفراغاً. وإذا كانت في مكان منعزل، تشعر بوخزة لطيفة للبقاء هناك.

تبين أن هذا التغيير البسيط كان بمثابة نقطة تحول لأنواع معينة من البيانات. فعند اختباره على "خليط غاوسي حلقي" (شكل مستهدف يشبه حلقة من ست نقاط متميزة)، واجهت النماذج القياسية صعوبة في تغطية جميع النقاط الست بالتساوي. بعض النماذج لم تصل إلا إلى ثلاث أو أربع نقاط فقط. لكن DI-Flow، بقاعدة "المساحة الشخصية" الجديدة، تمكن من تغطية 99.7% من المنطقة المستهدفة، حيث نشر الكرات بشكل مثالي عبر جميع النقاط الست دون الحاجة إلى أي اهتزاز عشوائي (ضجيج). لقد حقق أفضل النتائج بين جميع النماذج "الحتمية" (غير العشوائية) التي تم اختبارها.

حل اللغز بدون خريطة

تناول البحث أيضاً مشكلة ثانية: كيفية حل هذه الألعاب. عادةً، لتعليم الكرات كيفية الرقص، عليك استخدام طريقة تسمى "التدريب العصبي"، وهي تشبه محاولة تعلم رقصة من خلال مشاهدة فيديو لها مراراً وتكراراً، وتخمين الخطوات، والأمل في إصابتها. إنها عملية بطيئة وتفشل أحياناً إذا كانت الرقصة معقدة للغاية (مثل عندما تحتاج الكرات إلى الاهتزاز عشوائياً).

استخدم المؤلفون مجموعة مختلفة من الأدوات من عالم نظرية الألعاب، تسمى حلالات MFG (MFG solvers). بدلاً من تخمين الخطوات، تقوم هذه الحلالات بحساب حركات الرقص المثالية رياضياً، بالعمل عكسياً من خط النهاية إلى البداية. واختبروا نوعين من هذه الحلالات:

1. البرمجة الديناميكية القائمة على الشبكة (Grid-based DP): وهي طريقة تقسم ساحة الرقص إلى شبكة وتحلها خطوة بخطوة.
2. الفاعل-الناقد (Actor-Critic): وهي طريقة تستخدم "ناقداً" للحكم على الحركات و"فاعلاً" لتحسينها.

كانت النتائج مفاجئة. بالنسبة للنماذج التي تتضمن اهتزازاً عشوائياً (الديناميكيات العشوائية)، غالباً ما فشلت طرق التدريب العصبية القديمة تماماً، منتجةً نتائج فوضوية ومنهارة. ومع ذلك، فإن حلالات MFG الجديدة حلت هذه المشكلات ذاتها في أقل من ثانية واحدة وحققت تغطية شبه مثالية (أكثر من 98%). الأمر كما لو أن الطريقة القديمة كانت تحاول تعلم رقصة عبر التعثر في الظلام، بينما قام الحل الجديد ببساء قراءة ورقة الكوريغرافيا (تصميم الرقصات) ونفذها بدقة.

الخلاًصة

لا يدعي هذا البحث أنه اخترع نوعاً جديداً من الذكاء الاصطناعي يمكنه الرسم بشكل أفضل من البشر. بدلاً من ذلك، يدعي أنه نظم "حديقة حيوان" من أدوات رسم الذكاء الاصطناعي الموجودة في نظام واحد يمكن إدارته. إنه يوضح أن:

1. التوحيد: النماذج الاثني عشر هي مجرد إعدادات مختلفة للعبة أساسية واحدة.
2. الابتكار: من خلال إضافة قاعدة "المساحة الشخصية" (DI-Flow)، يمكننا إجبار الذكاء الاصطناعي على استكشاف المزيد من البيانات دون الاعتماد على الضجيج العشوائي.
3. الكفاءة: استخدام حلالات نظرية الألعاب يمكن أن يكون أسرع وأكثر موثوقية من طرق التدريب التقليدية لمهام معقدة معينة.

يشير المؤلفون إلى أن هذا الإطار يفتح الباب أمام اكتشافات مستقبلية. إذا كان بإمكاننا بسهولة استبدال قاعدة "التفاعل"، فقد نتمكن من تصميم ذكاء اصطناعي يفهم الديناميكيات الاجتماعية المعقدة، مثل تدفق حركة المرور أو سلوك الحشود، بنفس السهولة التي يرسم بها صورة. ويختتم البحث بالإشارة إلى أنه بينما نجحت قاعدة "المساحة الشخصية" بشكل رائع مع البيانات ذات الشكل الحلقي، فإن أداءها على أشكال أخرى (مثل الهلالين) كان مختلطاً، مما يشير إلى أن القاعدة الأفضل تعتمد على الشكل المحدد الذي تحاول رسمه. لكن الفكرة الرئيسية واضحة: من خلال النظر إلى النمذجة التوليدية كأنها لعبة من الجسيمات المتفاعلة، يمكننا أخيراً رؤية الصورة الكاملة، وليس مجرد الأجزاء.