← أحدث الأبحاث
💬 NLP

Training Skills Like Parameters via Self-Supervised Semantic Diffusion

تقترح هذه الورقة إطار عمل لوكيل ذاتي التطور وغير خاضع للإشراف، يقوم بتدريب مكتبة خارجية من المهارات النصية عبر عملية انتشار دلالي ذاتية الإشراف، مما يمكّن النماذج اللغوية الكبيرة من إتقان مجالات معقدة ومتخصصة بشكل مستقل مثل كتابة السيناريو دون الحاجة إلى الوصول إلى الأوزان أو إشراف بشري خارجي.

المؤلفون الأصليون: Mo Li, Zixin Yin, Ting Cao, Yunxin Liu

نُشر 2026-07-31
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Mo Li, Zixin Yin, Ting Cao, Yunxin Liu

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 تحاول تعليم متدرب عبقري لكنه يفتقر للخبرة كيفية كتابة سيناريو فيلم مشوق. لديك مكتبة تضم آلاف السيناريوهات الحائزة على جوائز، لكن لا يمكنك ببساطة إعادة كتابة دماغ المتدرب لجعله يحفظها جميعاً. في عالم الذكاء الاصطناعي، هذه "المتدربين" هم النماذج اللغوية الكبيرة (LLMs) — وهي حواسيب فائقة الذكاء يمكنها الدردشة، والكتابة، وحل المشكلات. ومع ذلك، عندما يتعلق الأمر بمهام إبداعية متخصصة للغاية مثل كتابة الدراما القصيرة، فإنها غالباً ما تبدو عامة بعض الشيء مقارنة بالخبراء البشر. عادةً، لإصلاح ذلك، نحاول "الضبط الدقيق" (fine-tuning) للنموذج، وهو أمر يشبه إجراء عملية قلب مفتوح لدماغه لتغيير توصيلاته الداخلية. لكن هذا مكلف، ويتطلب الوصول إلى الشفرة السرية للنموذذ (التي لا تمنحها العديد من الشركات الكبرى)، وبمجرد انتهاء الجراحة، يظل النموذج عالقاً بهذا الإصدار المحدد للأبد. إذا ظهر نموذج أفضل في العام المقبل، فسيتعين عليك البدء من جديد.

لذا، بحث العلماء عن طريقة مختلفة: بدلاً من تغيير الدماغ، لماذا لا نعطي المتدرب مجموعة من "أوراق الغش" أو "كتاب قواعد" يمكنه قراءته كلما احتاج للمساعدة؟ يُسمى هذا "التعلم الخارجي" (externalized learning). تكمن المشكلة في أن كتابة أوراق الغش هذه تتطلب من خبير بشري الجلوس لشرح حيله السرية، وهو أمر بطيء ومكلف، وغالباً ما لا يرغب الخبراء في مشاركة أسرارهم خوفاً من تقليدهم. تسأل هذه الورقة البحثية سؤالاً جريئاً: هل يمكننا تعليم ذكاء اصطناعي كتابة أوراق الغش الخاصة به، باستخدام الأفلام والسيناريوهات الموجودة فقط، دون الحاجة إلى إنسان ليقيم واجباته المدرسية أو يشرح القواعد؟

يقول الباحثون وراء هذه الدراسة، الذين عملوا على سيناريوهات الدراما القصيرة، إن الإجابة هي نعم. لقد بنوا نظاماً يتعلم فيه وكيل الذكاء الاصطناعي الكتابة كالمحترفين من خلال لعب لعبة "الفساد وإعادة البناء". فكر في الأمر هكذا: تخيل أنك تأخذ سيناريو فيلماً مثالياً ومفصلاً وتمرره عبر آلة تمزيق حتى لا يتبقى لديك سوى ملخص بسيط للحبكة مكون من جملة واحدة فقط. ثم تقدم ذلك الملخص للذكاء الاصطناعي وتقول له: "أعد بناء سيناريو الفيلم الكامل من هذا الملخص". لكن هنا تكمن الخدعة: الذكاء الاصطناعي لا يقوم بالتخمين فحسب؛ بل لديه "بنك ذاكرة" من بطاقات القواعد التي يمكنه استشارتها. بعد أن يحاول الذكاء الاصطناعي إعادة بناء السيناريو، يقوم النظام بمقارنة إعادة البناء الفوضوية هذه مقابل السيناريو البشري الأصلي والمثالي. وبدلاً من أن يقول المعلم البشري "عمل جيد" أو "عمل سيء"، يكتشف النظام تلقائياً الاختلافات — مثل الأماكن التي كان فيها الحوار طويلاً جداً أو حيث لم يتحرك الشخصية بما يكفي — ويكتب تقريراً عما سار بشكل خاطئ.

يُستخدم هذا التقر بثم يتم تحديث بنك الذاكرة الخاص بالذكاء الاصطناعي. إذا اتبع الذكاء الاصطناعي قاعدة أدت إلى سيناريو سيء، فسيتم تعديل تلك القاعدة أو التخلص منها. وإذا فاتته قاعدة كانت ستجعل السيناريو أفضل، فسيتم إنشاء بطاقة قاعدة جديدة. يحدث هذا مراراً وتكراراً، كحلقة تصحيح ذاتي. الذكاء الاصطناعي لا يغير دماغه؛ بل يستمر في صقل مكتبته الخارجية من "بطاقات كيف تفعل ذلك". اختبر الباحثون هذا على مجموعة ضخمة من الدراما القصيرة الاحترافية. ووجدوا أنه بعد التدريب، أصبحت سيناريوهات الذكاء الاصطناعي أقرب بكثير إلى الجودة البشرية. وتحديداً، تعلم الذكاء الاصطناعي كتابة مشاهد حركة أكثر واقعية (بدلاً من وصف أشياء لا تستطيع الكاميرا رؤيتها)، وخلق نهايات مشوقة أكثر إثارة، واستخدام الأدوات (props) في القصة بدلاً من مجرد جعل الشخصيات تحدق فيها.

ما يجعل هذا رائعاً حقاً هو أن "أوراق الغش" التي تعلمها الذكاء الاصطناعي ليست مرتبطة بنموذج حاسوبي محدد. فقد أخذ الباحثون بنك الذاكرة الذي تم تدريبه على نوع معين من الذكاء الاصطناعي وأعطوه لنوع مختلف تماماً من نماذج الذكاء الاصطناعي، وقد نجح الأمر بنفس القدر من الكفاءة. إنه يشبه إذا كتبت دليلاً مثالياً لكتابة الأفلام، وساعد ذلك الدليل طالبين مختلفين بأدمغة مختلفة تماماً ليصبحا كاتبين رائعين. تشير الدراسة إلى أن هذه الطريقة تسمح للذكاء الاصطناعي بتعليم نفسه مهارات معقدة من أمثلة بشرية عالية الجودة دون الحاجة إلى معلمين بشريين مكلفين أو تغيير الكود الأساسي للذكاء الاصطناعي. وبينما لا يزال النظام غير مثالي بعد — إذ يواجه أحياناً صعوبة في تذكر قراءة القاعدة الصحيحة في الوقت المناسب — إلا أنه يظهر مساراً واعداً للذكاء الاصطناعي للاستمرار في التعلم والتحسن من خلال دراسة أفضل الأعمال البشرية، بمفرده تماماً.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 💬 cs.CL →