تخيل أنك تحاول تنعيم منحوتة معقدة ووعرة باستخدام نهر دوار من حبات الرمل الصلبة الصغيرة. هذه العملية، التي تسمى "التشطيب بالتدفق" (stream finishing)، تشبه نسخة عالية التقنية من صنفرة كرسي خشبي، ولكن بدلاً من استخدام قطعة صنفرة يدوية، يتم غمر الجزء في وعاء دوار من الجزيئات الكاشطة. الهدف هو جعل السطح ناعماً ولامعاً تماماً. ولكن هناك عقبة: المنحوتة لا تظل ثابتة فحسب؛ بل يجب إمساكها بزاوية محددة. إذا أمسكتها بطريقة معينة، ستصطدم الرمال بالجهة الأمامية بقوة لكنها ستخطئ الجهة الخلفية. وإذا أمسكتها بطريقة أخرى، سيتم صقل الخلف بينما تظل المقدمة خشنة. للحصول على تشطيب مثالي لشكل معقد، قد تحتاج إلى تدوير الجزء عبر مئات الزوايا المختلفة، وصقله قليلاً في كل مرة.

المشكلة هي أن معرفة الزوايا التي تعمل بشكل أفضل بدقة أمر صعب للغاية. لا يمكنك مجرد التخمين، لأن فيزياء اصطدام ملايين الحبات الصغيرة بشكل معقد هي عملية فوضوية ويصعب التنبؤ بها. يستخدم العلماء عمليات محاكاة حاسوبية قوية لنمذجة هذه الاصطدامات، لكن تشغيل محاكاة لزاوية واحدة فقط قد يستغرق ساعات. إذا كان لديك مئات الزوايا للتحقق منها، فقد يستغرق الأمر سنوات من وقت الكمبيوتر لإيجال الوصفة المثالية. وهنا تصبح القصة مثيرة للاهتمام: بدلاً من استخدام القوة الغاشمة لتجربة كل الاحتمالات، هل يمكننا تعليم الكمبيوتر تعلم النمط بسرعة وإخباره متى يكون في حالة تخمين؟

يقدم هذا البحث حلاً ذكياً لهذه المشكلة تحديداً. فقد بنى الباحثون "مخمناً ذكياً" (نموذج تعلم آلي) يتعلم من عدد قليل من عمليات المحاكاة الحاسوبية المكلفة، ثم يتنبأ بما سيحدث لمئات الزوايا الأخرى دون تشغيل المحاكاة الكاملة. ولكن هنا تكمن الخدعة السحرية: هذا المخمن الذكي لا يعطي إجابة فحسب، بل يرفع يده أيضاً ويقول: "أنا لست متأكداً بشأن هذه الحالة". عندما يكون النموذج غير متأكد، يقوم النظام تلقائياً بتشغيل المحاكاة البطيئة والمكلفة لهذه الزاوية المحددة لتعلم الحقيقة. ومن خلال تشغيل المحاكاة البطيئة فقط عند الضرورة القصوى، تمكنوا من التنبؤ بأنماط التآكل لما يقرب من 700 زاوية مختلفة باستخدام حوالي 13% فقط من وقت الكمبيوتر الذي كان سيستغرقه فحصها جميعاً.

المشكلة: لغز "نهر الرمل"

فكر في عملية التشطيب بالتدفق كأنها ساحة رقص فوضوية. لديك قطعة عمل (مثل شفرة توربين أو غرسة طبية) تقف في المنتصف، وحشد دوار من الجزيئات الكاشطة (مثل كربيد السيليكون) يدور حولها. في كل مرة يصطدم فيها جزيء بقطعة العمل، فإنه يقتطع جزءاً ضئيلاً من المادة. ويعتمد مقدار التآكل على قوة اصطدام الجزيء، وزاوية الاصطدام، وعدد الجزيئات التي تصطدم بتلك النقطة المحددة.

للحصول على تشطيب موحد، يحتاج المهندسون إلى معرفة كيف سيبدو التآكل بدقة لكل طريقة ممكنة يمكنهم بها إمساك القطعة. إذا أمسكوها قائمة، فسيتم ضرب الجزء العلوي بقوة. وإذا أمالوها، فسيتم ضرب الجانب. ولإيجاد تسلسل التدوير المثالي، سيكون من المثالي رسم خريطة للتآكل لكل زاوية. في العالم الحقيقي، هناك 696 زاوية "ممكنة" قد يجربونها.

تقليدياً، يستخدم العلماء طريقة تسمى "طريقة العناصر المنفصلة" (Discrete Element Method - DEM). تخيل لعبة فيديو حيث كل حبة رمل هي شخصية لها فيزيائها الخاصة. يتتبع الكمبيوتر كل اصطدام، وكل ارتداد، وكل خدش. إنها دقيقة للغاية، لكنها بطيئة أيضاً. تشغيل هذه المحاكاة لزاوية واحدة يستغرق ساعات. فهل القيام بذلك لـ 696 زاوية؟ إنه أمر مستحيل عملياً بالنسبة لتصميم جديد.

الحل: المحقق "المدرك لعدم اليقين"

أدرك المؤلفون أنهم ليسوا بحاجة لمحاكاة كل زاوية. بدلاً من ذلك، قاموا ببناء نموذج "بديل" (surrogate model) — وهو ذكاء اصطناعي سريع وخفيف الوزن يتعلم قواعد اللعبة من بعض الأمثلة ثم يتنبأ بالباقي. لكن الذكاء الاصطناعي العادي لديه عيب: غالسب ما يتصرف بثقة حتى عندما يكون مخطئاً. إذا سألته عن موقف لم يره من قبل، فقد يبتكر مجرد إجابة تبدو منطقية.

لإصلاح ذلك، استخدم الفريق تقنية تسمى "المجموعة العميقة" (deep ensemble). تخيل أنك تطلب من 12 خبيراً مختلفاً حل لغز. إذا اتفقوا جميعاً، يمكنك الوثوق بالإجابة. أما إذا أعطوا جميعاً إجابات مختلفة، فأنت تعلم أن اللغز صعب وأنك بح في حاجة إلى مزيد من المعلومات. في هذا البحث، "الخبراء" هم 12 شبكة عصبية منفصلة تم تدريبها على بيانات مختلفة قليلاً. عندما يُطلب منهم التنبؤ بالتآكل لزاوية جديدة، ينظر الكمبيوتر في مدى اختلافهم. إذا اختلفوا كثيراً، يعرف النظام: "مهلاً، هذه منطقة غير مؤكدة؛ نحن بحاجة لتشغيل المحاكاة البطيئة والمكلفة هنا للحصول على الإجابة الحقيقية".

كيف فعلوا ذلك: تعلم القواعد، وليس مجرد الإجابات

لم يطلب الباحثون من الذكاء الاصطناعي تخمين نمط التآكل النهائي فحسب. سيكون ذلك مثل طلب تخمين النتيجة النهائية لمباراة كرة قدم من طالب دون معرفة القواعد. بدلاً من ذلك، علموا الذكاء الاصطناعي التنبؤ بالمكونات الثلاثة الأساسية التي تسبب التآكل:

1. سرعة الاصطدام العمودي: مدى سرعة اصطدام الجزيئات بالسطح بشكل مباشر.
2. سرعة الاصطدام المماسي: مدى سرعة انزلاقها عبر السطح.
3. تدفق الجزيئات: عدد الجزيئات التي تصطدم بنقطة معينة في الثانية.

بمجرد أن يتنبأ الذكاء الاصطناعي بهذه الأرقات الثلاثة السلسة وسهلة التعلم، يستخدم الباحثون صيغة فيزيائية معروفة (نموذج فيني - Finnie model) لحساب التآكل النهائي. هذا أذكى بكثير لأن الفيزياء الخام للاصطدامات فوضوية ومتعرجة، لكن السرعة وعدد الجزيئات يتغيران بسلاسة مع دوران الجزء. من الأسهل للكمبيوتر تعلم منحنى سلس بدلاً من منحنى جبلي متعرج.

النتائج: حلقة ذكية وفعالة

بدأ الفريق بتشغيل المحاكاة البطيئة والمكلفة لـ 52 زاوية مختارة بعناية (البذور). استخدموا هذه النتائج لتدريب مجموعتهم المكونة من 12 خبيراً من الذكاء الاصطناعي. ثم بدأ السحر الحقيقي:

1. نظر الذكاء الاصطناعي إلى الـ 644 زاوية المتبقية التي لم يروها بعد.
2. حدد الـ 10 زوايا التي اختلف فيها الخبراء الـ 12 أكثر من غيرها (الأكثر عدم يقيناً).
3. قام الكمبيوتر بتشغيل المحاكاة البطيئة والمكلفة لتلك الزوايا العشر فقط.
4. تعلم الذكاء الاصطناعي من هذه النتائج الجديدة وحدث معرفته.
5. كرروا هذه الحلقة خمس مرات.

في النهاية، قاموا بتشغيل المحاكاة المكلفة لـ 92 زاوية فقط من أصل 696 زاوية ممكنة (حوالي 13% من الإجمالي). ومع ذلك، كانت تنبؤاتهم دقيقة للغاية.

بالنسبة للزوايا التي كان النموذج واثقاً منها (عدم يقين منخفض)، طابق نمط التآكل المتوقع المحاكاة الحقيقية بشكل شبه مثالي، مع درجة ارتباط بلغت 0.97. وهذا يعني أن الذكاء الاصطناعي يمكنه إخبارك بالضبط أي أجزاء من المنحوتة ستتآكل وأيها ستبقى آمنة. وحتى بالنسبة للزوايا التي كان فيها النموذج أقل تأكداً، فقد كان صادقاً بشأن عدم يقينه. "درجة عدم اليقين" التي أعطاها النموذج لنفسه كانت مؤشراً صادقاً لمدى خطئه؛ فإذا كانت الدرجة عالية، كان التنبؤ مهتزاً، وإذا كانت منخفضة، كان التنبؤ صلباً.

لماذا هذا مهم

يغير هذا النهج قواعد اللعبة في تصنيع الأجزاء المعقدة. فبدلاً من قضاء شهور في تشغيل المحاكاة لكل زاوية ممكنة، يمكن للمهندسين الآن استخدام هذا الأسلوب "الموجه بعدم اليقين" لإيجاد أفضل استراتيجية صقل في جزء بسيط من الوقت. النظام يعرف متى يخمن ومتى يعرف، مما يوجه قوة الكمبيوتر فقط حيث تشتد الحاجة إليها.

تظهر الورقة البحثية أنه باستخدام 92 محاكاة فقط، استطاعوا إعادة بناء حقول التآكل لمجموعة كاملة مكونة من 696 اتجاهاً بموثوقية عالية. وقد نمت مجموعة "عدم اليقين المنخفض" مع كل خطوة، مما يعني أنه مع بضع جولات إضافية من هذا التعلم الذكي، يمكنهم على الأرجح تغطية مجموعة الزوايا بأكملها بثقة عالية. هذا ليس مجرد طريقة أسرع للقيام بنفس الشيء؛ بل هو طريقة لحل مشكلات كانت في السابق مكلفة للغاية، مما يضمن حصول كل شيء، من شفرات الطائرات إلى غرسات الورك، على التشطيب الناعم والمثالي الذي تحتاجه.