تخيل أنك تعلم روبوتًا كيفية حل لغز ضخم متعدد الخطوات. في عالم الذكاء الاصطالي، يسمى هذا تدريب "وكيل بحث" (Search Agent). هؤلاء الوكلاء يشبهون المحققين الرقميين الذين لا يكتفون بمجرد البحث عن حقيقة واحدة؛ بل يتعين عليهم التجول عبر الإنترنت، وقراءة عشرات المواقع الإلكترونية، وربط النقاط ببعضها، وتجميع إجابة معقدة. فكر في الأمر كأنه رحلة بحث عن كنز، لكن الخريطة مفقودة، وعلى الروبوت اكتشاف المسار من خلال طرح الأسئلة، والتحقق من الأدلة، وأحيانًا إدراك أنه يسير في دوائر مفرغة. التحدي الكبير الذي يواجه العلماء هو معرفة كيفية تعليم هذه الروبوتات كيف تصبح أفضل في عملية البحث. عادةً، عندما ينهي الروبوت رحلة البحث، يكتفي المعلم بإعطائه عبارة بسيطة مثل "عمل جيد!" أو "حاول مرة أخرى!" بناءً على ما إذا كان قد وجد الكنز النهائي أم لا. لكن هذا يشبه تقييم طالب في فصل دراسي كامل بناءً فقط على درجة الامتحان النهائي، متجاهلين حقيقة أنه درس بجد لأسابوة ولكنه ارتكب خطأً سخيفًا واحدًا في النهاية، أو أنه خمن الإجابة الصحيحة من المحاولة الأولى دون بذل أي عمل حقيقي.

هذه الورقة البحثية، التي تحمل عنوان "ABSeeker"، تعالج هذه المشكلة تحديدًا. فقد أدرك الباحثون، العاملون في جامعة شانغهاي جياو تونغ، أنه لجعل وكلاء البحث أذكياء حقًا، نحتاج إلى النظر في كل خطوة يتخذونها، وليس فقط في النتيجة النهائية. لقد اقترحوا طريقة تدريب جديدة تسمى "تخصيص الائتمان بالرجوع عن الإجابة" (Answer-Backtracked Credit Assignment - ABC). فبدلاً من الاكتفاء بالقول "لقد حصلت على الإجابة الصحيحة، لذا فإن كل خطوة اتخذتها كانت جيدة"، يعمل نظامهم بالرجوع إلى الوراء من الإجابة الصحيحة لمعرفة ماهية الأدلة المحددة التي كان يجب العثور عليها في الطريق. بعد ذلك، يعود النظام عبر رحلة الروبوت ويمنحه "الائتمان" (Credit) لكونه وجد تلك الأدلة، حتى لو ضل الروبوت طريقه في النهاية، كما يمنحه "وقت مستقطع" (Time-out) للخطوات التي أهدرت الوقت أو تجاهلت الأدلة الجيدة، حتى لو وصل الروبوت إلى الإجابة الصحيحة عن طريق الصدفة في النهاية. وقد اختبروا ذلك على نموذج ذكاء اصطناعي صغير نسبيًا (4 مليارات معلمة) ووجدوا أنه يمكنه حل ألغاز البحث المعقدة بشكل أفضل من النماذج الأكبر بكثير، مما يثبت أن تعليم الروبوت كيف يفكر خطوة بخطوة أهم من مجرد جعل الروبوت أكبر حجمًا.

لغز الدرجة "الكل أو لا شيء"

دعونا نتعمق في كيفية عمل ذلك. تخيل أنك تدرب كلبًا على إيجاد لعبة مخبأة محددة في حديقة ضخمة. في الطريقة القديمة للتدريب (والتي تسميها الورقة "الإشراف على مستوى المسار")، كنت ستعطي الكلب مكافأة فقط إذا أحضر اللعبة إليك. إذا وجد الكلب اللعبة ثم أسقطها في بركة ماء في طريق عودته، فلن تعطيه مكافأة. وإذا تاه الكلب، وركض في دوائر، ثم اصطدم باللعبة بالصدفة، ستعطيه مكافأة. هذا أمر مربك للكلب! فهو لا يعرف أن إيجاد اللعبة كان أمرًا جيدًا، أو أن الركض في دوائر كان أمرًا سيئًا.

يجادل مؤلفو هذه الورقة بأن هذا النهج "الكل أو لا شيء" يعد خللاً رئيسيًا في تدريب وكلاء البحث في الذكاء الاصطناعي. فقد لاحظوا أنه حتى عندما يفشل الذكاء الاصطناعي في العثؤال عن الإجابة النهائية، فإنه غالبًا ما يتخذ خطوات صحيحة عديدة في الطريق — مثل العثيد على الموقع الصحيح أو قراءة الفقرة الصحيحة. وعلى العكس من ذلك، قد يحصل الذكاء الاصطناعي على الإجابة الصحيحة عن طريق الحظ أو باتخاذ طريق مختصر غريب يتجاوز الحقائق المهمة. وتجادل الورقة بأننا بحاجة إلى طريقة لتقييم كل حركة يقوم بها الذكاء الاصطناعي، وليس فقط الدرجة النهائية.

المحقق الذي "يعود إلى الوراء"

لإصلاح ذلك، ابتكر الباحثون حيلة ذكية تسمى استعادة الأدلة بالرجوع عن الإجابة (Answer-Backtracked Clue Recovery). إليك التشبيه: تخيل أن الذكاء الاصطناعي هو محقق نجح للتو في حل جريمة ويعرف اسم المجرم ("الإجابة الحقيقية"). تقترح الورقة أنه بدلاً من الاحتفال بالفوز فحسب، يجب على المحقق أن يعمل عكسيًا. "حسنًا، أنا أعلم أن المجرم هو جون. لإثبات أنه جون، يجب أن أكون قد وجدت بصمته، وحجته (عذره)، وسيارته".

في حالة الذكاء الاصطناعي، يأخذ النظام الإجابة الصحيحة ويستخدم ذكاءً اصطناعيًا قويًا للرجوع إلى الوراء وسرد جميع الأدلة الوسيطة التي يجب اكتشافها للوصال إلى تلك الإجابة. على سبيل المثال، إذا كانت الإجابة هي علامة تجارية محددة لشامبو، فقد تكون الأدلة هي "الشركة التي تملكها"، و"السنة التي تخرج فيها المؤسس"، و"قائمة المكونات". تصبح هذه الأدلة هي "الخريطة" لتقييم أداء الذكاء الاصطناعي.

تسجيل نقاط الخطوات

بمجرد تجهيز خريطة الأدلة، ينتقل النظام إلى تسجيل نقاط الخطوات المرتبطة بالأدلة (Clue-Anchored Step Scoring). وهنا يحدث السحر. يتم إعادة تشغيل رحلة الذكاء الاصطناعي، ويتم فحص كل خطوة مقابل خريطة الأدلة.

• الخطوات الجيدة: إذا وجد الذكاء الاصطناً دليلًا (مثل قائمة المكونات)، فإنه يحصل على درجة عالية، حتى لو استسلم الذكاء الاصطناعي في النهاية وفشل في حل اللغز بأكه.
• الخطوات السيئة: إذا تجاهل الذكاء الاصطناعي دليلًا أو أهمل خيطًا جيدًا، فإنه يتلقى عقوبة، حتى لو تعثر بطريقة ما في الإجابة الصحيحة لاحقًا.
• الخطوات المحايدة: التجول دون العثور على أي شيء يحصل على درجة محايدة.

هذا يحول درجة "النجاح/الفشل" البسيطة إلى تقرير مفصل لكل حركة قام بها الذكاء الاصطناعي. وتظهر الورقة أن هذه الطريقة تسمح للذكاء الاصطناعي بالتعلم من أخطائه بشكل أسرع لأنها تعرف بالضبط أي حركة كانت خاطئة، بدلاً من مجرد معرفة أن المحاولة بأكملها فشلت.

النتائج: عقل صغير، انتصارات كبيرة

بنى الباحثون وكيل بحث جديدًا يسمى ABSeeker باستخدام هذه الطريقة. بدأوا بنموذج يسمى Qwen3.5-4B، وهو صغير نسبيًا في عالم الذكاء الاصطناعي (فكر فيه كطالب ثانوي ذكي مقارنة بـكمبيوتر خارق بمستوى الدكتوراه). لقد قاموا بتدريبه على 8,500 مثال فقط — وهي كمية ضئيلة مقارنة بالملايين المطلب عادةً.

كانت النتائج مفاجئة. في اختبار صعب يسمى BrowseComp، حيث يتعين على الذكاء الاصطناعي العثور على إجابات لأسئلة معقدة ومتعددة الأجزاء على الويب، سجل ABSeeker نسبة 37.3%. وعندما أضافوا ميزة لمساعدة الذكاء الاصطناعي على إدارة ذاكرته (المسمى "إدارة السياق" - context management)، قفزت النتيجة إلى 55.3%.

لوضع هذا في المنظور، تقارن الورقة ABSeeker بوكلاء ذكاء اصطناعي أكبر بكثير (حوالي 30 مليار معلمة، وهم مثل المحققين المحترفين). تمكن ABSeeker، "الطالب الثانوي"، من التفوق على أو مضاهاة هؤلاء الوكلاء الأكبر حجمًا في عدة اختبارات صعبة. على سبيل المثال، في النسخة الصينية من الاختبار (BrowseComp-ZH)، سجل 52.9%، متفوقًا على النماذج الأكبر التي سجلت درجات أقل.

لماذا يهم هذا الأمر؟

تشير الورقة إلى أن السر ليس فقط في جعل الذكاء الاصطناعي أكبر؛ بل في تعليمه كيفية تقييم تقدمه. فمن خلال استخدام "تخصيص الائتمان بالرجوع عن الإجابة"، يتعلم الذكاء الاصطناعي تقدير الأفعال المفيدة وتجنب الأفعال غير المفيدة، بغض النظر عما إذا كان سيفوز في النهاية أو يخسر اللعبة. وجد المؤلفون أنه حتى في المحاولات الفاشلة، كانت هناك حوالي 10% من الخطوات التي كانت في الواقع اكتشافات عالية الجودة يجب مكافأتها. تحت النظام القديم، كانت تلك الخطوات الجيدة ستُعاقب لأن الإجابة النهائية كانت خاطئة.

باختختصار، تظهر هذه الورقة أنه إذا أعطيت الذكاء الاصطناه خريطة مفصلة لما تبدو عليه "الرحلة الجيدة"، فيمكنه تعلم كيفية التنقل في الإنترنت بكفاءة أكبر، حتى لو بدأ بعقل أصغر. ويعتقد الباحثون أن هذا النهج يمكن أن يكون نقطة تحول لتدريب وكلاء الذكاء الاصطناعي المستقبليين لحل المشكلات المعقدة، ليس فقط من خلال التخمين، ولكن من خلال التفكير في كل خطوة بعناية.