تخيل أنك تحاول العثور على الوصفة المثالية لنكهة جديدة من الآيس كريم، لكن لا يمكنك سوى تذوق بضع دفعات قبل أن تنفد منك المكونات والوقت. هذه هي المعاناة اليومية لـ "التحسين البايزي" (Bayesian Optimization)، وهي طريقة ذكية يستخدمها العلماء للعثور على أفضل حل لمشكلة ما عندما يكون الاختبار مكلفاً أو بطيئاً. فكر في الأمر كأنك محقق يحل لغزاً باستخدام أدلة محدودة جداً. يستخدم المحقق أداتين رئيسيتين: النموذج البديل (Surrogate Model)، وهو يشبه الرسام الذي يحاول رسم خريطة لجميع نكهات الآيس كريم الممكنة بناءً على العينات القليلة التي تم تذوقها حتى الآن، ودالة الاستحواذ (Acquisition Function)، وهي تشبه البوصلة التي تقرر أين يجب البحث تالياً—هل نجرب نكهة جديدة وجريئة (الاستكشاف) أم نقوم بتعديل طفيف على النكهة التي تكاد تكون مثالية (الاستغلال)؟

لفترة طويلة، اعتقد العلماء أن أفضل طريقة لحل هذه الألغاز هي اختيار رسام واحد وإعداد بوصلة واحدة في البداية والتمسك بهما للأبد. ولكن تماماً مثل المحقق البشري، يتغير النهج الأفضل مع تطور القضية. في البداية، قد تحتاج إلى الاستكشاف بجنون؛ وفي وقت لاحق، تحتاج إلى التركيز بشدة. المشكلة هي أن "المحققين الآليين" الحاليين غالباً ما يحاولون تغيير البوصلة فقط أو تغيير الرسام فقط، تاركين الآخر عالقاً في الماضي، أو يحاولون تغيير كليهما معاً باستخدام قاعدة واحدة جامدة لا تفهم تفاصيل الموقف. تقدم هذه الورقة نظاماً جديداً فائق الذكاء يسمى DASH، والذي يعمل كمحقق يمكنه استبدال رسامه واستراتيجية بوصلته بشكل مستقل، بينما يستخدم أيضاً مساعداً فائق الذكاء لتذكر كل دليل واتخاذ أفضل تخمين للخطوة التالية.

أدوات المحقق الجديدة: DASH

تعرف على DASH (إطار العمل المتكيف والمفكك للنموذج البديل والاستحواذ - Decoupled Adaptive Surrogate–Acquisition Harness). إنه إطار عمل جديد مصمم لجعل "التحسين البوازي الآلي" (AutoBO) أفضل بكثير في العثور على الإجابات المثلى في التجارب المعقدة والمكلفة، مثل خلط المواد الكيميائية لإنتاج أدوية جديدة أو ضبط إعدادات حاسوب فائق السرعة.

تجادل الورقة بأن الطريقة القديمة في القيام بالأشياء تشبه قيادة سيارة حيث يمكنك تغيير عجلة القيادة أو المحرك فقط، ولكن ليس كليهما أبداً، وعليك أن تقرر أيهما ستغير بناءً على ضوء لوحة قيادة واحد مربك. يقوم DASH بإصلاح ذلك من خلال فك الارتباط بين الجزءين الرئيسيين لعملية التحسين. فهو يعامل "الرسام" (النموذج البديل) و"البوصلة" (دالة الاستحواذ) كوظيفتين منفصلتين تتطلبان أنواعاً مختلفة من الاهتمام.

1. الرسام المدفوع بالبيانات (تكيف النموذج البديل)
أولاً، يتحقق DASH باستمرار مما إذا كان "الرسام" الحالي لا يزال يقوم بعمل جيد. هو لا يخمن فحسب؛ بل يجري اختباراً صارماً يسمى "التحقق المتبادل بترك عنصر واحد خارج المجموعة" (leave-one-out cross-validation). تخيل أن المحقق يأخذ كل دليل وجده حتى الآن، ويخفي واحداً منها، ثم يسأل الرسام أن يخمن ما هو ذلك الدليل المخفي. إذا كان الرسام جيداً في تخمين الأدلة المخفية، فإنه يبقى في الفريق. أما إذا بدأ في تقديم تخمينات سيئة، فإن DASH يستبدله برسّام آخر قد يكون أفضل في هذه المرحلة من اللغز. ويستند هذا الاستبدال إلى ثلاثة فحوصات محددة:

• الموثوقية التنبؤية: هل يحصل الفنان على الأرقام الصحيحة؟
• معايرة عدم اليقين: هل يعرف الفنان متى يكون غير متأكد؟ (الرسام الجيد يعترف عندما لا يكون متأكداً، بدلاً من الرسم بثقة وبشكل عشوائي).
• اتساق التصنيف: هل يمكن للرسام تحديد أي النكهات أفضل من غيرها بشكل صحيح، حتى لو لم يعرف الطعم الدقيق؟

2. البوصلة المدفوعة بالسياق (تكيف دالة الاستحواذ)
بينما يتم فحص الرسام بواسطة الرياضيات، يتم توجيه "البوصلة" بواسطة نموذج لغوي كبير (LLM)—وهو أساساً مساعد ذكاء اصطناعي ذكي جداً قرأ الكثير من الكتب. هنا يصبح DASH مبدعاً للغاية. فبدلاً من مجرد اختيار الخطوة التالية "الأفضل" بناءً على رقم، يستخدم DASH الذكاء الاصطناعي للقيام بشيئين:

• المرحلة الأولى (المجموعة): ينظر الذكاء الاصطناعي إلى كيفية سير التجربة ويقرر عدد "التذاكر" التي سيمنحها لاستراتيجيات البحث المختلفة. ربما يرى الذكاء الاصطناعي الآن أننا بحاجة إلى تخمينين جامحين (استكشاف) وتعديل آمن واحد (استغلال). بناءً على هذا المزيج، يقوم ببناء "قائمة قصيرة" من المرشحين.
• المرحلة الثانية (الاختيار): ينظر الذكاء الاصطناعي بعد ذلك إلى تلك القائمة القصيرة ويختار المرشح "الأفضل" الوحيد لتجربته تالياً. هو لا ينظر فقط إلى الأرقام؛ بل يستخدم "معرفته بالعالم" وذاكرته للتجربة بأكملها ليسأل: "هل هذا المرشح منطقي بالنظر إلى ما نعرفه حتى الآن؟"

3. الذاكرة والبداية الدافئة (الإطار/الحزام)
للتأكد من أن الذكاء الاصطناعي لا يرتبك أو يبدأ من الصفر في كل مرة، يحتوي DASH على "إطار" (Harness) بميزتين خاصتين:

• البداية الدافئة الموجهة بالمعرفة: قبل بدء التجربة، يستخدم الذكاء الاصطناعي معرفته العامة لاقتراح بعض نقاط البداية الجيدة، حتى لا يضيع المحقق وقته في تذوق الفانيليا بينما هو يبحث عن الشوكولاتة.
• الذاكرة المهيكلة: مع استمرار التجربة، يقوم النظام بتدوين كل شيء في دفتر ملاحظات مهيكل. فهو يتذكر ما نجح، وما هي الفرضيات التي تم اختبارها، وما هي الحالة الراهنة. يساعد هذا الذكاء الاصطناعي على اتخاذ قرارات أذكى لاحقاً في اللعبة، بدلاً من نسيان بداية القصة.

النتائج: أذكى، أسرع، وأكثر أماناً

اختبر المؤلفون DASH في أربع مهام تحسين كيميائي مختلفة (مثل إيجاد أفضل مزيج لتفاعل كيميائي) وأربع مهام ضبط حاسوبي. كانت النتائج مبهرة.

في المهام الكيميائية، تفوق DASH على أفضل الأساليب الآلية الموجودة بفارق كبير. وتحديداً، حسن عامل التسريع (مدى سرعة العثور على الحلول الجيدة) بنسبة 12.51% وعامل التعزيز (مدى جودة الحل النهائي) بنسبة 5.00% مقارنة بالمنافس الأقوى السابق، وهي طريقة تسمى BOOST. تشير الورقة إلى أن القوة الخارقة لـ DASH تكمن في تحسين الرحلة بأكملها للبحث، وليس فقط الوجهة النهائية.

ومن المثير للاهتمام، أن الورقة تحققت أيضاً مما إذا كان DASH يقوم ببساطة بـ حفظ الإجابات من مجموعات البيانات الاختبارية. فقد أجروا اختبارات صارمة لمعرفة ما إذا كان بإمكان الذكاء الاصطناعي استدعاء أرقام أو أنماط محددة رآها من قبل دون القيام بالعمل الفعلي. أظهرت النتائج عدم وجود دليل قابل للكشف على أن DASH كان يحفظ الإجابات ببساطة. وحتى عندما طُلب من الذكاء الاصطناعي تخمين أفضل إجابة دون رؤية أي بيانات على الإطلاق، فقد كان أداؤه ضعيفاً، مما يثبت أن نجاحه يأتي من التفكير الفعلي في المشكلة، وليس من وجود الإجابات مخبأة في ذاكرته.

لماذا هذا مهم؟

تشير الورقة إلى أنه من خلال فصل "الرياضيات" الخاصة بفحص النموذج عن "الاستنتاج" الخاص باختيار الخطوة التالية، ومن خلال منح الذكاء الاصطناعي ذاكرة جيدة وبداية دافئة، يمكننا حل المشكلات الواقعية المكلفة بكفاءة أكبر بكثير. سواء كان ذلك في إنشاء مواد جديدة، أو تحسين التفاعلات الكيميائية، أو ضبط الأنظمة الحاسوبية المعقدة، يقدم DASH طريقة لنكون أكثر ذكاءً بشأن كيفية إنفاق وقتنا ومواردنا المحدودة. إنه ليس عصا سحرية تحل كل شيء فوراً، ولكنه أداة جديدة قوية جداً تساعد العلماء والمهندسين على العثور على "نكهة الآيس كريم المثالية" بعدد أقل من اختبارات التذوق من أي وقت مضى.