Solver-Aware Decompositions for Programming-by-Example: When Dividing Requires Knowing how to Conquer

تخيل عالماً يمكن فيه للحواسيب أن تتعلم كتابة كودها الخاص بمجرد النظر إلى أمثلة قليلة لما تريد منها القيام به. هذا هو المجال المثير لـ البرمجة بالمثال (PBE). فكر في الأمر كأنك تعلم روبوتاً كيفية خبز كعكة: أنت لا تكتب دليلاً لكل خطوة؛ بل تكتفي بإظهار المثال له: "هذا وعاء به دقيق، وهذه هي الكعكة الجاهزة"، وسيقوم الروبوت باستنتاج الوصفة بنفسه. ولجعل هذا يعمل للمهام المعقدة، يستخدم الباحثون الأذكياء استراتيجية "فرق تسد". فهم يجزئون المشكلة الكبيرة والمخيفة (خبز الكعكة) إلى مشكلات فرعية صغيرة يمكن إدارتها (خلط الدقيق، إضافة البيض، خبز العجين).

في هذا الإعداد، هناك شخصيتان رئيسيتان: المجزئ (Decomposer) والمُخلق (Synthesizer). المجزئ هو المخطط؛ ينظر إلى الهدف الكبير ويقول: "حسناً، نحتاج أولاً لخلط الدقيق". أما المُخلق فهو العامل؛ يأخذ تلك التعليمات ويكتب بالفعل الكود الخاص بخلط الدقيق. لسنوات، درب العلماء "المجزئ" عبر إظهاره الخطط "المثالية" التي وضعها الخبراء البشر (الحقيقة الأرضية/Ground Truth). كانت الفكرة بسيطة: إذا قال الخبير البشري "اخلط الدقيق"، فيجب على المجزئ أن يقول ذلك بالضبط. لكن هذه الورقة البحثية تطرح سؤالاً محيراً: ماذا لو كانت خطة الخبير البشري مثالية للإنسان، لكنها كابوس للعامل الروبوت؟ ماذا لو ارتبك الروبوت بسبب الخطة "المثالية" واستسلم ببساطة؟

تقدم هذه الورقة طريقة جديدة للتدريب تسمى التجزئة المدركة للمُحلل (SAD). وجد الباحثون أن مجرد نسخ خطة الخبير البشرى لا يعمل دائماً لأن العامل الروبوت (المُخلق) لديه نقاط قوة ونقاط ضعف خاصة به. أحياناً، تكون الخطة التي تبدو مختلفة قليلاً عن نسخة الإنسان أسهل بكثير للروبوت في اتباعها. ومن خلال السماح للمجزئ بالتعلم مباشرة من نجاحات وإخفاقات الروبوت، بدلاً من مجرد نسخ الإنسان، يصبح النظام أفضل بكثير في حل المشكلات. في الواقع، اكتشفوا "مفارقة دقة" غريبة: المجزئ الذي نسخ الإنسان بدقة أكبر كان هو الأسوأ في جعل الروبوت ينهي المهمة. كان أفضل مجزئ هو ذاك الذي عرف كيف يتحدث لغة الروبوت، حتى لو تطلب ذلك الابتعاد عن النص الأصلي للإنسان.

قصة المخططين الاثنين

لفهم سبب أهمية ذلك، دعنا نتخيل أنك تحاول تعليم روبوت حرفي جداً وأخرق قليلاً كيفية بناء برج من المكعبات. لديك مهندس معماري بشري (الخبير) وبناء روبوت (المُخلق).

الطريقة القديمة: نسخ المهندس المعماري
في الماضي، كان الباحثون يدربون "مخطط" الروبوت (المجزئ) عبر إظهار المخططات الهندسية للمهندس البشري. إذا قال المهندس: "أولاً، ابنِ قاعدة مربعة"، يتعلم المخطط أن يقول: "ابنِ قاعدة مربعة". كان المنطق هو: "إذا قال الإنسان إن هذا صحيح، فلا بد أنه صحيح".

لكن هنا تكمن المشكلة: البناء الروبوت أخرق. لديه طريقة محددة في تحريك ذراعيه. ربما هو بارع في رص المكعبات في خط مستقيم ولكنه سيء جداً في صنع مربعات مثالية. إذا أخبر المخطط البناء: "اصنع مربعاً"، فقد يعلق البناء، ويدور حول نفسه، ثم يستسلم، رغم أن المربع يعد خطوة "صحيحة" في نظر الإنسان. كان المخطط طالباً جيداً للإنسان، لكنه معلم سيء للروبوت.

الطريقة الجديدة: الاستماع إلى البناء (SAD)
أدرك مؤلفو هذه الورقة أن المخطط يحتاج لمعرفة حدود البناء. لقد ابتكروا طريقة تدريب جديدة تسمى التجزئة المدركة للمُحلل (SAD). بدلاً من مجرد نسخ الإنسان، يتلقى المخطط تغذية راجعة من البناء أثناء عملية التعلم.

تخيل أن المخطط يقترح خطوة ما. يحاول البناء تنفيذها.

• إذا نجح البناء، يحصل المخطط على درجة عالية.
• إذا تعثر البناء، يحصل المخطط على درجة منخفضة، حتى لو بدت الخطوة مطابقة تماماً للمخطط البشري.

مع مرور الوقت، يتعلم المخطط اقتراح خطوات يمكن للبناء التعامل معها فعلياً. قد يقول: "لنبنِ خطاً طويلاً من المكعبات أولاً"، لأنه يعرف أن البناء جيد في الخطوط، حتى لو كان المهندس البشري يفضل مربعاً. يتعلم المخطط "التحدث بلغة البناء"، وليس فقط "التحدث بلغة الإنسان".

المفاجأة الكبرى: مفارقة الدقة

الجزء الأكثر إثارة في هذا البحث هو ما يسمونه مفارقة الدقة (Accuracy Paradox).

عادة، في المدرسة، إذا نسخت نموذج الإجابة الخاص بالمعلم بدقة، ستحصل على درجة امتياز. لكن في عالم الروبوتات هذا، حدث العكس. قارن الباحثون بين مخططين:

1. المُقلد (The Copycat): حاول هذا المخطط مطابقة المخططات الهندسية للمهندس البشري قدر الإمكان. كان دقيقاً جداً في نسخ الإنسان.
2. المخطط المدرك للمُحلل (SAD): حاول هذا المخطط مطابقة ما يمكن للبناء الروبوت القيام به فعلياً. وغالباً ما اقترح خطوات تبدو مختلفة عن المخططات البشرية.

كانت النتائج صادمة. كان المُقلد بارعاً في مطابقة الإنسان (دقة تجزئة عالية)، لكنه فشل في جعل الروبوت يبني البرج في معظم الأحيان. أما المخطط المدرك للمُحلل (SAD) فقد كان سيئاً في مطابقة كلمات الإنسان بدقة (دقة تجزئة منخفضة)، لكنه جعل الروبوت يبني البرج بشكل أكبر بكثير.

لقمل أن كونك "صحيحاً" وفقاً للإنسان لا يعني أنك "مفيد" للروبوت. قد تكون خطة الإنسان منطقية تماماً، ولكن إذا لم يستطع الروبوت تنفيذها، فإن الخطة تصبح بلا فائدة. تعلم مخطط SAD المقايضة بين "الظهور بمظهر يشبه الإنسان" وبين "إنجاز المهمة".

إثبات أنها ليست مج مجرد صدفة

للتأكد من أن هذا لم يكن مجرد حادث عرضي، اختبر الباحثون فكرتهم في ثلاثة "عوالم" مختلفة:

1. Deepcoder & Lambdabeam: هذه عوالم حيث يتعين على الروبوت التعامل مع قوائم من الأرقام. هنا، توجد طرق عديدة لحل المشكلة، وعلى الروبوت اختيار المسار الصحيح. في هذه العوالم، حقق SAD نتائج مذهلة. فقد حل مهاماً أكثر بكังيد من المُقلد، خاصة عندما أصبحت المهام أطول وأصعب.
2. Robustfill: هذا عالم معالجة النصوص (مثل إعادة ترتيب الحروف في كلمة). في هذا العالم، الخطوات جامدة للغاية؛ هناك طريقة واحدة صحيحة فقط للقيền بالأمور، ولا يملك الروبوت خيارات حقيقية. هنا، لم يساعد SAD على الإطلاق. أدى كل من المُقلد وSAD نفس الأداء تماماً.

هذه قطعة حاسمة من اللغز. فهي تثبت أن SAD يساعد فقط عندما يكون هناك غموض—أي عندما يتعين على الروبوت الاختيار بين مسارات مختلفة. إذا كان المسار ثابتاً، فلا يحتاج الروبوت إلى مخطط خاص. ولكن عندما تكون هناك خيارات، يحتاج المخطط لمعرفة أي مسار يمكن للروبوت سلوكه فعلياً.

اختبار "الأوراكل": عندما يكون الإنسان مخطئاً

ذهب الباحثون إلى أبعد من ذلك. أنشأوا اختبار "وضع الإله" (God-mode) حيث أجبروا الروبوت على اتباع المخطط البشري المثالي بدقة، متجاوزين المخطط تماماً. أطلقوا عليه اسم أوراكل الحقيقة الأرضية (Ground Truth Oracle).

توقعوا أن يكون الأوراكل هو الأفضل أداءً. وعادة ما كان كذلك. لكن هنا كانت المفاجزة: استطاع SAD حل بعض المهام التي عجز عنها الأوراكل.

كيف يمكن ذلك؟ كيف يمكن لروبوت يتجاهل الخطة البشرية "المثالية" أن يؤدي بشكل أفضل من الروبوت الذي يتبع الخطة "المثالية"؟
الجواب هو أن الخطة البشرية "المثالية" تقود الروبوت أحياناً إلى فخ. قد يقترح الإنسان خطوة صحيحة منطقياً ولكنها صعبة للغاية على الروبوت في البحث داخل مساحة العمل الخاصة به. أما مخطط SAD، وبسبب تعلمه لعادات الروبوت، فقد وجد مساراً مختلفاً، أو أقصر، أو أبسط لم يفكر فيه الإنسان، ولكن كان بإمكان الروبوت اتباعه بسهولة.

في الواقع، وجد مخطط SAD حلولاً مختلفة تماماً عن حلول البشر. في بعض الحالات، كان حل SAD أقصر واستخدم أدوات مختلفة. لم تكن خطة الإنسان "خاطئة" من الناحية المنطقية، لكنها كانت "خاطئة" بالنسبة لهذا الروبوت المحدد.

ماذا يعني هذا للمستقبل

تشير هذه الورقة إلى تحول كبير في كيفية تعليم الذكاء الاصطناعي. لا يمكننا فقط أن نقول للذكاء الاصطناعي "انسخ الإنسان". يجب أن نعلمه فهم الأداة التي يستخدمها. إذا كانت الأداة روبوتاً أخرق، فيجب أن تكون التعليمات بسيطة ومباشرة، حتى لو تطلب ذلك تجاهل تعليمات الإنسان المعقدة والراقية.

وجد الباحثون أنه من خلال السماح للمخطط بالتعلم من الأداء الفعلي للروبوت، تمكنوا من حل مشكلات كانت مستحيلة سابقاً. لم يجعلوا الروبوت أفضل قليلاً فحسب، بل فتحوا الباب أمام مجموعة كاملة من المهام التي لم تستطع الخطط البشرية "المثالية" الوصول إليها.

في النهاية، تعلمنا هذه الورقة درساً قيماً في العمل الجماعي: أفضل خطة ليست دائماً تلك التي تشبه فكرة الخبير تماماً. أفضل خطة هي تلك التي يستطيع الفريق تنفيذها فعلياً. أحياناً، لغزو مشكلة ما، عليك أن تعرف بالضبط كيف يقاتل شريكك، وليس فقط ما يعتقد أنه يجب عليه فعله.