تخيل عالماً لا تكتفي فيه برامج الكمبيوتر باتباع دليل تعليمات جامد كتبه إنسان، بل يمكنها فعلياً التعلم من أخطائها وإعادة كتابة قواعدها الخاصة لتصبح أفضل. هذا هو حلم "الوكلاء ذاتيي التطور". فكر فيهم كشخصية في لعبة فيديو، بعد خسارتها في معركة ضد زعيم، لا تكتفي بمجرد إعادة المحاولة؛ بل تتوقف، وتفهم لماذا خسرت، وتغير دليل استراتيجيتها الخاص، ثم تحاول مجدداً. لفترة طويلة، اعتقد العلماء أنه لكي ينجح هذا الأمر، يجب على الإنسان بناء وصفة محددة للغاية وخطوة بخطوة ليتبعها الكمبيوتر. كانت هذه الوصفة تشبه مدرباً صارماً يخبر اللاعب بدقة متى ينظر إلى لوحة النتائج، ومتى يغير سلاحه، ومتى يتوقف عن التدريب. ولكن مع ازدياد ذكاء الحواسيب — لتصبح "نماذج رائدة" قادرة على التفكير المعقد — بدأ الباحثون يتساءلون: هل ما زلنا بحاجة إلى ذلك المدرب الصارم؟ أم يمكن للكمبيوتر أن يحدد روتين تدريبه الخاص إذا أعطيناه هدفاً وميزانية فقط؟

هذه الورقة البحثية، التي تحمل عنوان "إعادة التفكير في الوكلاء ذاتيي التطور"، تغوص مباشرة في هذا السؤال. فقد وضع الباحثان، هوي شيو وفان يانغ من مايكروسوفت ريسيرتش، تجربة رائعة لمعرفة ما إذا كان بإمكان ذكاء اصطناعي فائق الذكاء تنظيم عملية تعلمه الخاصة دون سيناريو مكتوب مسبقاً. لقد قارنا الطريقة القديمة، حيث يملي الإطار العملي (المدرب) كل خطوة من عملية التحسين، مقابل طريقة جديدة تسمى "التحسين مفتوح النهايات" (OEO). في OEO، يُمنح الذكاء الاصطناعي هدفاً واضحاً، وقائمة بالحركات المسموح بها، وحداً لكمية "الطاقة" (أو الرموز/Tokens) التي يمكنه إنفاقها، لكنه هو من يقرر كيف يستخدم تلك الطاقة ليصبح أفضل. الأمر يشبه إعطاء طاهٍ قائمة بالمكونات ومهلة زمنية، لكن ترك الخيار له ليقرر ما إذا كان سيخبز كعكة أو يحضر وجبة مقلاة، بدلاً من إجباره على اتباع وصفة محددة.

كانت النتائج واضحة بشكل مدهش. فعند استخدام ذكاء اصطناعي رفيع المستوى (GPT-5.5) كـ "طاهٍ"، كان النهج مفتوح النهايات جيداً بقدر النهج الصارم المكتوب مسبقاً، بل وكان في كثير من الأحيان أفضل منه. في الواقع، عبر 14 اختباراً مختلفاً، فاز الذكاء الاصطناعي مفتوح النهايات في 12 اختباراً، وتعادل مرة واحدة، وخسر بفارق ضئيل جداً (0.21 نقطة مئوية) مرة واحدة فقط. والأكثر إثارة للإعجاب هو أنه حقق ذلك باستخدام حوالي 34.3% فقط من ميزانية "الطاقة" التي تطلبتها الطريقة الصارمة. اتضح أنه إذا كان الذكاء الاصطناعي ذكياً بما يكفي، فهو لا يحتاج إلى مدرب يخبره كيف يتدرب؛ بل يمكنه اكتشاف أفضل طريقة للتعلم أثناء العمل.

ومع ذلك، ترسم الورقة خطاً هاماً جداً في الرمال. فهذه الحرية لا تعمل إلا إذا كان الذكال الاصطناعي قادراً حقاً. فعندما اختبر الباحثون النظام باستخدام ذكاء اصطناعي "متوسط" أو "ضعيف"، فشل النهج مفتوح النهايات. فقد ارتبكت نماذج الذكاء الاصطناعي الأقل قدرة، ولم تستطع معرفة ما يجب فعله بعد ذلك، وأنتجت نتائج معطلة. في تلك الحالات، كان المسار الصارم والمكتوب مسبقاً (المدرب) ضرورياً لإبقاء الأمور تسير. تشير الدراسة إلى أن القواعد الصارمة ليست ضرورية دائماً، لكنها تعمل كـ "سقالة" مساعدة للعقول الأقل قدرة. الخلاصة الأساسية ليست أننا يجب أن نتخلص من جميع القواعد، بل يجب أن نترك أذكى نماذج الذكاء الاصطناعي تقود عملية تعلمها، مع الإبقاء على "عجلات التدريب" الصارمة لمن لا يزالون يتعلمون المشي.

الاكتشاف الجوهري: من يقود الحافلة؟

النتيجة الرئيسية لهذه الورقة هي أنه بالنسبة لنماذج الذكاء الاصطناعي عالية القدرة، لم يعد "مسار التحسين المحدد مسبقاً" — ذلك المخطط الجامد والخطوات المتتالية التي كان البشر يكتبونها للكمبيوتر — شرطاً للنجاح. في الماضي، كانت أنظمة مثل SKILLOPT (الذي يستخدم مسار تدريب مرحلي خطوة بخطوة) و GEPA (الذي يستخدم بحثاً تطورياً تأملياً) هي المعيار الذهبي. كانت تعمل مثل خط تجميع في مصنع: يحدد الإطار العملي بالضبط كيفية جمع الأدلة، وكيفية تعديل الكود، ومتى يتوقف.

قدم الباحثون التحسين مفتوح النهايات (OEO) لاختبار ما إذا كان بإمكان الذكاء الاصطناعي الإمساك بعجلة القيادة. في OEO، لا يزال الإطار العملي يضع قواعد الطريق (الهدف، الميزانية، والبيانات المسموح بها)، لكن الذكاء الاصطناعي هو من يقرر المسار. يمكنه اختيار جمع الأدلة، أو إعادة كتابة تعليماته الخاصة، أو التوقف في أي وقت يرى فيه أنه انتهى.

وعندما وضعوا نظام OEO المدفوع بـ GPT-5.5 في مواجهة الطرق الصارمة، كانت النتائج مذهلة. في 8 إعدادات معيارية مختلفة، تفوق OEO على طريقة SKILLOPT الصارمة أو تعادل معها في كل حالة. وضد طريقة GEPA، فاز OEO في 5 من أصل 6 مرات، وكان الخسارة الوحيدة بفارق ضئيل جداً قدره 0.21 نقطة مئوية. ولعل الجزء الأكثر إثارة هو الكفاءة: استخدم OEO وسيطاً 34.3% فقط من ميزانية الرموز (tokens) التي كان من المفترض أن يستخدمها SKILLOPT. هذا يعني أن الذكاء الاصطناعي لم يصبح أفضل فحسب، بل أصبح أفضل مع استهلاك أقل من نصف "الوقود" الذي تطلبه الأسلوب القديم.

استبعاد "الطريق السهل"

قبل الاحتفال، أراد الباحثون التأكد من أنهم ليسوا مخدوعين. فقد تساءلوا: "هل يحصل الذكاء الاصطناعي على حظ جيد لأنه يعرف الإجابة بالفعل؟" أو "هل قام فقط بإعادة كتابة الكود مرة واحدة وانتهى بالأمر؟".

ولاختبار ذلك، أجروا تجربة "الصفر تفاعل" (zero-interaction) كعنصر تحكم. أعطوا الذكاء الاصطناعي المهارة الأولية وطلبوا منه إعادة كتابتها مرة واحدة فقط دون أي حلقات ممارسة أو تغذية راجعة. أظهرت النتائج أن إعادة الكتابة "من المرة الأولى" لم تكن كافية. في بعض المهام، جعلت إعادة الكتابة من المرة الأولى الذكاء الاصطناعي أسوأ. وفي مهام أخرى، حسنت النتيجة، لكنها ظلت بعيدة عن نظام OEO بفوارق كبيرة (على سبيل المثال، في مهمة LiveMath، كانت إعادة الكتابة من المرة الأولى متأخرة بأكثر من 30 نقطة مئوية عن OEO التفاعلي). وهذا يثبت أن المكاسب لم تأتِ من المعرفة المسبقة للذكاء الاصطناعي وحدها؛ بل جاءت من الحلقة التفاعلية حيث يمكن للذكاء الاصطناعي التعلم، والتكيف، وصقل استراتيجيته بمرور الوقت.

حدود القدرة: متى نحتاج إلى مدرب؟

اكتشفت الورقة أيضاً حداً حاسماً لهذه الحرية. فالنهج "مفتوح النهايات" ليس حلاً سحرياً يعمل مع كل ذكاء اصطناعي. فقد اختبر الباحثون النظام مع محسنات "متوسطة" و"ضعيفة" (نماذج أقل قدرة).

هنا، انقلت القصة تماماً. فعندما كان المحسن ذا قدرة "متوسطة"، كان مسار SKILLOPT الصارم يؤدي أداءً أفضل من OEO. وعندما كان المحسن "ضعيفاً"، انهار نظام OEO تماماً؛ فلم يستطع الذكاء الاصطناعي الضعيف حتى إنتاج إجراء صالح من خلال الواجهة المفتوحة، ولم يتم إحراز أي تقدم. في المقابل، حافظ المسار الصارم على حركة الذكاء الاصطناعي الضعيف، حتى لو لم يكن الأكثر كفاءة.

يشير هذا إلى أن المسار الصارم المكتوب مسبقاً يعمل كـ "سقالة". بالنسبة لذكاء اصطناعي عبقري، تكون السقالة غير ضرورية وقد تعيقه. أما بالنسبة لمتعلم لا يزال يجد موطئ قدم له، فإن هذه السقالة ضرورية لمنعه من السقوط من المنحدر.

المسار مقابل الوجهة

أخيراً، نظر الباحثون "تحت الغطاء" ليروا كيف يتعلم الذكاء الاصطناني. قارنوا بين "الرحلة" (التعديلات المحددة والتغييرات التي أجراها الذكاء الاصطناعي) وبين "الوجهة" (درجة الأداء النهائية).

وجدوا أن الطريقتين سلكتا مسارات مختلفة تماماً. قام نظام OEO بإجراء تغييرات أكبر وأكثر جرأة وأعاد كتابة تاريخه بشكل متكرر أكثر من نظام SKILLOPT الصارم. ومع ذلك، رغم اختلاف المسارات بشكل جذري، إلا أنهما غالباً ما وصلا إلى حل نفس المشكلات. في كثير من الحالات، كانت المهارات النهائية التي أنتجتها كلتا الطريقتين صحيحة على نفس مجموعة الأسئلة الاختبارية، رغم أن نص المهارات بدا مختلفاً جداً.

يخبرنا هذا أنه لا توجد طريقة واحدة "صحيحة" لحل مشكلة ما. المسار الصارم يجبر الذكاء الاصطناعي على اتباع مسار ضيق وآمن، بينما يسمح النهج مفتوح النهايات باستكشاف مشهد أوسع وأكثر فوضوية. كلاهما يمكن أن يؤدي إلى نفس الوجهة، لكن النهج مفتوح النهايات يصل إلى هناك بمرونة أكبر ووقود أقل، بشرما إذا كان السائق ماهراً بما يكفي للتعامل مع الطريق المفتوح.

الخلاصة

تخلص الورقة إلى أننا بحاجة لإعادة التفكير في كيفية بناء الوكلاء ذاتيي التطور. لسنا بحاجة لإجبار كل ذكاء اصطناعي على الدخول في صندوق جامد مكتوب مسبقاً. بدلاً من ذلك، يجب أن نتبنى نهجاً "متكيفاً مع القدرة". إذا كان الذكاء الاصطناعي ذكياً بما يكفي (نموذج رائد)، يمكننا تسليمه المفاتيح وتركه يؤلف عملية تعلمه الخاصة عبر الإنترنت. نحن فقط بحاجة لإبقاء حواجز الحماية في مكانها: الأهداف، الميزانية، وقواعد الاشتباك. ولكن بالنسبة للنماذج الأقل قدرة، لا يزال التدريب الصارم والقديم هو الطريقة الأفضل لضمان تعلمهم بفعالية. إنه تحول من "مقاس واحد يناسب الجميع" إلى "الأداة المناسبة للعقل المناسب".