معضلة المحقق: عندما لا يكفي مجرد الرؤية

تخيل أنك محقق تحاول حل لغز، ولكن بدلاً من البحث عن الأدلة، أنت تحدق في صورة واحدة عالية الدقة. في عالم الذكاء الاصطناائي، هذا هو ما تفعله "النماذج متعددة الوسائط" (multimodal models): فهي تنظر إلى الصور وتحاول الإجابة على أسئلة حولها. لفترة طويلة، تحسنت قدرات هؤلاء المحققين الآليين من خلال تعلم استخدام "الأدوات". إذا كان الدليل صغيراً جداً بحيث لا يمكن رؤيته، فإنهم يتعلمون كيفية التكبير. وإذا كان النص ضبابياً، فإنهم يتعلمون كيفية تفتيح الصورة. يُسمى هذا "التفكير بالصور". الأمر يشبه إعطاء المحقق عدسة مكبرة ومصباحاً يدوياً.

ومع ذلك، هناك عقبة. بعض الألغاز لا تُحل بمجرد النظر بجهد أكبر. تخيل لغزاً يتطلب منك عدّ عدد البكسلات بالضبط في نمط معين، أو تحديد الزاوية الدقيقة التي تم تدوير حلقة مخفية بها. لا يوجد قدر من التكبير أو التفتيح سيساعدك على "رؤية" الإجابة بعينيك. عليك أن تحسبها. هنا يصطدم الأسلوب القديم في التفكير بحائط مسدود. يمكن للذكاء الاصطناعي وصف خطوات حل اللغز بالكلمات، لكن الكلمات لا يمكنها إجراء عمليات حسابية على صورة. تأتي هذه الورقة البحثية لتملأ هذه الفجوة، وتطرح سؤالاً بسيطاً ولكنه عميق: ماذا لو لم يكتفِ الذكاء الاصطناعي بوصف الحل، بل قام فعلياً بكتابة برنامج كمبيوتر لتشغيل هذا الحل؟

فكرة الورقة الكبرى: البرمجة كطريقة للتفكير

تقدم هذه الورقة طريقة جديدة للذكاء الاصطناعي لحل الألغاز البصرية تسمى Code-with-Image (البرمجة مع الصورة). بدلاً من مطالبة الذكاء الاصطناعي بمجرد "النظر" إلى صورة وتخمين الإجابة، أو استخدام قائمة جاهزة من الأدوات مثل "القص" أو "التدوير"، يعطي الباحثون الذكاء الاصطناعي لوحة بيضاء ومفسراً للغة بايثون (Python interpreter) - وهو أداة لتشغيل أكواد الكمبيوتر. مهمة الذكاء الاصطناعي هي كتابة برنامج يتلاعب ببكسلات الصورة مباشرة للعثين على الإجابة.

فكر في الأمر كالتالي: في الطريقة القديمة، إذا سألت ذكاءً اصطناعياً، "كم عدد النقاط الحمراء في هذه الصورة؟"، فقد يحاول وصف النقاط أو استخدام أداة لتحديدها. في Code-with-Image، يجب على الذكاء الاصطناعي كتابة نص برمجي (script) يقول: "مر على كل بكسل، تحقق مما إذا كان أحمر اللون، عُدّه، ثم اطبع المجموع الكلي". البرنامج هو عملية الاستنتاج. إذا كان الكود صحيحاً، فالإجابة صحيحة. وإذا كان الكود خاطئاً، فالإجابة خاطئة. هذا ينقل التحدي من "رؤية" الإجابة إلى "بناء" الإجابة.

المشكلة: الذكاء الاصطناعي يستطيع الوصف، لكنه لا يستطيع التنفيذ

وجد الباحثون أن حتى أكثر نماذج الذكاء الاصطناعي ذكاءً تعاني في هذا المجال. لقد اختبروا معياراً ضخماً يسمى CwI-Bench (Code-with-Image Bench)، والذي يحتوي على 30 نوعاً مختلفاً من الألغاز البصرية. هذه الألغاز مصممة بحيث لا يمكنك مجرد "النظر" إليها للحصول على الإجابة؛ بل يجب عليك إجراء عملية حسابية متعددة الخطوات على البكسلات.

عندما حاول الذكاء الاصطناعي حل هذه الألغاز باستخدام الكلمات فقط (حتى مع تفعيل وضع "التفكير" الخاص به)، فشل فشلاً ذريعاً. على سبيل المثال، النموذج المتطور GPT-5.6-luna حقق أقل من 30% من الإجابات الصحيحة. كان بإمكانه وصف الخطوات بدقة ("أحتاج إلى تدوير الصورة وعدّ البكسلات")، لكنه لم يستطع فعلياً القيام بالعملية الحسابية. كان الأمر يشبه طباخاً يمكنه وصف الوصفة بالتفصيل الممل، لكنه لا يستطيع طهي الوجبة فعلياً.

ومع ذلك، عندما أعطى الباحثون الذكاء الاصطناعي مفسراً للغة بايثون وطلبوا منه كتابة كود لحل المشكلة، قفزت الدرجات. ارتفعت دقة GPT-5.6-luna إلى 43%. كما ارتفعت دقة النموذج مفتوح المصدر Qwen3.5-27B من 12.6% إلى 32.6%. لقد سمح الكود للذكاء الاصطناعي بمعالجة بيانات الصورة فعلياً، محولاً إياها من لعبة تخمين إلى عملية حسابية.

السر الخفي: تعليم نفسه كيفية تصحيح الأخطاء (Debugging)

لكن إليكم المفاجأة: حتى مع القدرة على كتابة الكود، ظل الذكاء الاصطناعي يرتكب أخطاء. كان يكتب برنامجاً يبدو صحيحاً ولكن به خطأ صغير غير مرئي - مثل عدّ بكسل إضافي واحد أو استخدام رقم خاطئ للتدوير. كان الذكاء الاصطناعي يشغل الكود، ويحصل على إجابة خاطئة، ثم يحاول ببساطة كتابة برنامج جديد، وغالباً ما يرتكب نفس الخطأ مرة أخرى.

لإصلاح ذلك، ابتكر المؤلفون حلقة "تطور ذاتي" تسمى Self-Reflection over Executable Reasoning (التفكير التأملي عبر الاستنتاج القابل للتنفيذ). هذا هو الجزء الأكثر ذكاءً في القصة. تخيل أن الذكاء الاصطناٍ هو طالب يؤدي اختباراً. عندما يخطئ في سؤال ما، بدلاً من مجرد الانتقال للسؤال التالي، يُجبر على:

1. النظر في اختباره الفاشل: قراءة الكود الذي كتبه والإجابة الخاطئة التي حصل عليها.
2. تشغيل محاكاة: إعادة تشغيل الكود في "بيئة معزولة" (sandbox) آمنة ليرى بالضبط أين تعطل.
3. إصلاح الخطأ (Bug): تعديل الكود لتصحيح الخطأ.
4. حفظ الدرس: إذا نجح الإصلاح، يقوم بحفظ الكود المصحح كـ "مهارة" (قطعة نصية) في مكتبة.

يحدث هذا دون الحاجة إلى إعادة تدريب الذكاء الاصطناعي أو إعادة صياغة بنيته العصبية. إنه يتعلم فقط من إخفاقاته. تظهر الورقة أن حلقة "التعليم الذاتي" هذه قوية للغاية.

• بالنسبة لنموذج GPT-5.6-luna، أدى استخدام هذه المهارات المتطورة ذاتياً إلى رفع دقته من 43% إلى 67%.
• بالنسبة لنموذج Qwen3.5-27B، قفزت الدقة من 32.6% إلى 55.9%.

لماذا هذا مهم: مهارات يمكنك نسخها ولصقها

أحد أروع النتائج هو أن هذه "المهارات" هي مجرد نصوص عادية. إنها ليست محبوسة داخل عقل الذكاء الاصطناعي. أظهر الباحثون أنه يمكنهم أخذ المهارات التي تعلمها نموذج ضخم وقوي (مثل نموذج بـ 27 مليار بارامتر) ولصقها في نموذج أصغر وأضعف (9 مليارات بارامتر).

النموذج الأصغر، الذي لم يكن قادراً على حل المشكلات بمفرده، أصبح فجأة أفضل بكثير بمجرد قراءة "الدليل المرجعي" الذي كتبه النموذج الأكبر.

• انتقل نموذج 9B من دقة 11.1% إلى 34.5% بمجرد استخدام المهارات التي طورها نموذج 27B.
• والمثير للدهشة بشكل أكبر، أن هذه المهارات نجحت مع أنواع مختلفة من نماذج الذكاء الاصطناعي. فالمهارة التي تعلمها أحد عائلات النماذج ساعدت عائلة أخرى مختلفة تماماً على التحسن.

ما تنفيه هذه الورقة

الورقة واضحة جداً بشأن ما لا يعمل. فهي تجادل بأن مجرد إعطاء الذكاء الاصطناعي قائمة من الأدوات (مثل "التكبير"، "القص"، أو "البحث") ليس كافياً لهذه الأنواع المحددة من المشكلات. يحتاج الذكاء الاصطناعي إلى كتابة خوارزميته الخاصة من الصفر. كما توضح أن مجرد "التفكير" بجهد أكبر بالكلمات لا يساعد؛ فالعقبة ليست نقصاً في الأفكار، بل هي نقص في التنفيذ. يمكن للذكاء الاصطناعي وصف الخوارزمية، لكن بدون تشغيل الكود، لا يمكنه حل اللغز.

الخلا الخلاصة

تشير هذه الورقة إلى أنه بالنسبة للمشكلات البصرية التي تتطلب حسابات دقيقة، فإن أفضل طريقة للذكاء الاصطناعي للتفكير هي كتابة الكود. لكن الاختراق الحقيقي هو أن نماذج الذكاء الاصطناعي هذه يمكنها تعليم نفسها كيف تصبح أفضل في كتابة ذلك الكود من خلال تصحيح أخطائها بنفسها. إنهم لا يحتاجون إلى معلم بشري لإصلاح كودهم؛ بل يحتاجون فقط إلى بيئة معزولة لتشغيله، ومرآة ليروا أين أخفقوا، وقليل من الصبر للمحاولة مرة أخرى.

النتائج مقاسة ومحددة: في معيار يتكون من 30 عائلة من المهام، رفعت المهارات المتطورة ذاتياً أداء أفضل النماذ من الأربعينات المنخفضة إلى الستينات المرتفعة (نسبة مئوية للدقة). وبينما لا تدعي الورقة أن هذا يحل كل المشكلات البصرية، إلا أنها تثبت أنه بالنسبة للمهام التي تكمد فيها الإجابة في رياضيات البكسلات بدلاً من مجرد فحص العين، فإن البرمجة هي المفتاح، والتأمل الذاتي هو المفتاح الرئيسي.