Chain-of-Thought Shows the Path to a Tree: Realizing Branching Complexity

تخيل أنك تحاول تعليم روبوت فائق الذكاء كيف يفكر. تعطيه صورة لمتاهة وتطلب منه إيجاد المخرج. في الماضي، كانت هذه الروبوتات تشبه القراء السريعين الذين يمكنهم فقط إلقاء نظرة خاطفة على الصورة بأكملة مرة واحدة وتخمين الإجابة. لقد كانوا بارعين في رصد الأنماط، ولكن إذا تطلبت المشكلة رحلة طويلة وخطوة بخط بخطوة — مثل المشي عبر متاهة، وتذكر أين انعطفت، والعودة إلى الوراء عند اصطدامك بطريق مسدود — فغالباً ما كانوا يضيعون. لم يكن بإمكانهم "التفكير بصوت عالٍ" أو تدوين ملاحظات.

ثم اكتشف العلماء خدعة تسمى "سلسلة الأفكار" (Chain of Thought - CoT). فبدلاً من مجرد تخمين الإجابة النهائية، يُسمح للروبوت بكتابة سلسلة من الخطوات الوسيطة، تماماً كما يحل الإنسان مسألة رياضية على ورقة مسودة. هذا يحول الروبوت إلى مسافر يمكنه بالفعل السير عبر المتاهة، خطوة بخطوة. ولكن السؤال الكبير هو: هل يمكن لهذا الروبوت حقاً أداء مهام معقدة في العالم الحقيقي مثل التنقل عبر هيكل شجري أو إيجاد أقصر مسار، أم أنه جيد فقط في الحيل البسيطة؟ تغوص هذه الورقة في هذا السؤال، معتبرةً "عملية التفكير" لدى الروبوت بمثابة رحلة فعلية عبر غابة من البيانات، ومثبتةً أنه مع التعليمات الصحيحة، يمكنه القيام بعمليات رياضية ومنطقية عميقة بشكل مذهل.

---

مغامرة الورقة الكبرى: تعليم الروبوتات كيفية السير عبر الأشجار

هذه الورقة تشبه مجموعة من المخططات لتعليم روبوت كيفية استكشاف غابة وقياس مدى تعقيدها. يوضح المؤلفون، ديبانجان دوتّا، وأنيش تشاكرابارتي، وسواتام داس، أن نوعاً معيناً من نماذج الذكاء الاصطناعي (المحول - Transformer) يمكن برمجته ليعمل مثل متنزّه يحمل بوصلة، قادراً على أداء مهمتين كلاسيكيتين في علوم الحاسوب: البحث بالعمق أولاً (DFS) وخوارزمية ديكسترا (Dijkstra's Algorithm).

فكر في الشجرة ليس كنبات، بل كشجرة عائلة أو خريطة متفرعة.

• البحث بالعمق أولاً (DFS): يشبه المتنزه الذي يختار مساراً، ويمشي فيه لأقصى حد ممكن حتى يصطدم بطريق مسدود، ثم يعود إلى آخر مفترق طرق جرب منه المسار ويجرب المسار التالي. إنها استراتيجية "اذهب بعمق، ثم عد".
• خوارزمية ديكسترا: تشبه المتنزه الذي يحاول إيجاد أقصر مسار إلى كل موقع تخييم في الغابة، مع التحقق بعناية من المسافات وتحديث خريطته أثناء تقدمه.

أثبت المؤلفون أنه يمكنهم بناء روبوت "بإنتباه حاد" (نوع محدد وصارم جداً من الذكاء الاصطناعي) يمكنه القيام بهذه الرحلات. لم يكتفوا بالقول "إنه ممكن"؛ بل بنوا الآلة الفعلية.

• للقيام بـ رحلة DFS، استخدموا روبوتاً لديه طبقتان فقط من التفكير واثنان من رؤوس الانتباه (مثل زوجين من العيون ينظران إلى أشياء مختلفة).
• للقيام بـ رحلة ديكسترا، استخدموا روبوتاً لديه طبقتان ورأس انتباه واحد.

لماذا يهم هذا؟ لأنه بمجرد أن يتمكن الروبوت من السير في هذه المسارات، يمكنه حل مشكلات أكثر صعوبة. أظهر المؤلفون أنه من خلال إعادة استخدام "روبوت DFS"، يمكنهم حساب ما يسمى بـ رقم ستراهلر (Strahler number) (وهو مقياس لمدى "تفرع" أو تعقيد الشجرة) في بالضبط 2n - 1 خطوة لشجرة تحتوي على n من الرؤوس. كما أظهروا أنه من خلال إعادة استخدام "روبوت ديكسترا"، يمكنهم حساب عرض الشجرة (أعرض جزء في الغابة) في n - 1 خطوة.

سحر خدعة "الشجرة إلى المسار"

هنا تصبح القصة أكثر مرحاً. هناك خدعة رياضية شهيرة تحول هيكل الشجرة ثلاثي الأبعاد إلى خط أحادي البعد، مثل طي الخريطة لتصبح مسطحة. يسمى هذا مسار ديك (Dyck path). تخيل أنك تصعد تلاً لكل فرع تنزل فيه، وتنزل من التل لكل فرع تصعد فيه. إذا رسمت هذه الرحلة، ستحصل على خط متموج لا ينزل أبداً تحت الأرض وينتهي حيث بدأ.

اكتشف المؤلفون شيئاً رائعاً: يمكنك تعليم الروبوت السير في الشجرة أو السير في الخط.

• بنينا روبوتاً يسير في الشجرة ويحسب رقم ستراهلر.
• بنينا روبوتاً مختلفاً يسير في الخط (مسار ديك) ويحسب نفس رقم ستراهلر.

لكن هنا تكمن المفاجأة: الروبوت الذي يسير في الشجرة يحتاج إلى أربع طبقات من التفكير للقيال بالمهمة، بينما الروبوت الذي يسير في الخط يحتاج أيضاً إلى أربع طبقات (ولكن مع إعداد داخلي مختلف). وجد المؤلفون أنه لا يمكنك مجرد أخذ "روبوت الشجرة" وجعله يعمل بسحر على "الخط" دون تغيير تروسه. إن الطريقة التي يفكر بها الروبوت في الشجرة تختلف جوهرياً عن الطريقة التي يفكر بها في الخط، رغم أنهما يمثلان الشيء نفسه. هذا يشير إلى أن "لغة" الشجرة و"لغة" الخط ليستا قابلة للتبادل بسهولة لهذه الروبوتات.

ما يثبتونه (وما لا يثبتونه)

المؤلفون حذرون جداً بشأن ما يدعون به. لم يكتفوا بتشغيل محاكاة وقول "هيا، يبدو أن الأمر يعمل!" بل أثبتوا رياضياً أن هذه الروبوتات المحددة، بعدد طبقاتها ورؤوس انتباهها المحدد، يمكنها أداء هذه المهام بدقة.

• ما أثبتوه: أظهروا أنه باستخدام 2n - 1 خطوة (للشجرة) أو n - 1 خطوة (للعرض)، يمكن لهذه الروبوتات حل مشكلات معروف بأنها صعبة للغاية (تحديداً مشكلات في فئة تسمى NC1). وهذا أمر كبير لأن هذا يثبت أن "سلسلة الأفكار" ليست مجرد خدعة سحرية للأسئلة البسيطة؛ بل هي أداة قوية تسمح للروبوتات بالتعامل مع المنطق المعقد والمتكرر.
• ما استبعدوه: أظهروا أنك لا تحتاج إلى أدوات إضافية متطورة مثل "تطبيع الطبقة" (Layer Normalization - وهي خدعة شائعة في الذكاء الاصطناعي للحفاظ على استقرار الأرقام) للقيام بذلك. يمكن للروبوت القيام به باستخدام اللبنات الأساسية للانتباه والرياضيات فقط.
• جزء الـ "لا": أظهروا أيضاً أنه لا يمكنك افتراض أنه إذا كان الروبوت يستطيع حل مشكلة على شجرة، فإنه يستطيع تلقائياً حلها على نسخة الخط لتلك الشجرة. يجب إعادة بناء الآلية من الصفر للشكل الجديد.

الخلاصة لمراهق فضولي

تخيل أن لديك روبوتاً لا يمكنه إلا النظر إلى شيء واحد في كل مرة. إذا طلت منه إيجاد مخرج متاهة، فقد يرتبك. ولكن إذا قلت له، "اتخذ خطوة، ودون مكانك، ثم اتخذ خطوة أخرى"، فسيصبح مستكشفاً ماهراً.

هذه الورقة هي الدليل على أن هذه الروبوتات التي تعمل بـ "الخطوة بخطوة" قوية بما يكفي للقيام برياضيات جادة. يمكنها عد فروع الشجرة، وإيجاد أقصر مسار عبر غابة، وحتى الترجمة بين طرق مختلفة لرسم نفس الخريطة. المؤلفون لم يخمنوا فحسب؛ بل وضعوا التعليمات الدقيقة ("المخططات") لهذه الروبوتات وأثبتوا أنها تعمل بشكل مثالي.

الجزء الأكثر إثارة هو أنهم فعلوا ذلك دون الحاجة إلى أي أدوات إضافية أو أجهزة إضافية. لقد استخدموا فقط قدرة الروبوت على الانتباه للأشياء الصحيحة في الوقت المناسب. إنه يشبه إظهار أن إنساناً يمتلك قلماً وورقة يمكنه حل لغز لا يمكن لحاسوب بدون ورق حتى أن يبدأ في فهمه. وبينما يمكن للروبوت السير في الشجرة أو الخط، فإنه يحتاج إلى حذاء مختلف لكل مسار — لا يمكنه مجرد تبديل أحذيته دون تغيير طريقة مشيه.

باختاً، هذه الورقة هي خارطة طريق توضح أنه مع "سلسلة الأفكار" الصحيحة، يمكن للذكاء الاصطناعي أن يتوقف عن مجرد التخمين ويبدأ في الاستكشاف الحقيقي.