HCGRec: Hint-Conditioned Generative Recommendation with Semantic IDs

تخيل أنك تحاول تعليم روبوت ليكون المتسوق الشخصي الأمثل. تريد منه أن ينظر إلى ما اشتريته سابقاً ويخمن بالضبط ما ستريده لاحقاً. في الأيام الخوالي، كان الروبوت يكتفي بالنظر إلى قائمة ضخمة تضم ملايين العناصر ويحاول تقييمها واحداً تلو الآخر، مثل معلم يصحح كومة من أوراق الامتحانات. لكن هذه الطريقة بطيئة ومملة. هناك فكرة أحدث وأكثر روعة، وهي جعل الروبوت "يكتب" الإجابة بدلاً من ذلك. فهو يعامل العنصر الذي تريده لاحقاً كأنه شفرة سرية—وهي عبارة عن سلسلة قصيرة من الأرقام أو الرموز تسمى "المعرف الدلالي" (Semantic ID). يتعلم الروبوت كتابة هذه الشفرة كلمة بكلمة، تماماً مثل إنهاء جملة في قصة.

المشكلة هي أن طريقة "كتابة الشفرة" هذه يمكن أن تتعرض لحالة من الازدحام المروري. تخيل أن الروبوت يحاول كتابة شفرة مثل "1-2-3-4". إذا أخطأ في الرقم الأول وكتب "9" بدلاً منه، فقد أصبح الآن في الشارع الخطأ. ومهما حاول كتابة بقية الأرقام، فلن يصل أبداً إلى المنزل الصحيح لأنه بدأ في الحي الخطأ. في عالم تدريب الذكاء الاصطناعي، يعني هذا أن الروبوت لا يحصل على أي تقدير لجهوده لأنه لم يصل أبداً إلى الإجابة الصحيحة، لذا يتوقف عن التعلم. هذا البحث، الذي يحمل عنوان HCGRec، يعالج هذا الازدحام المروري تحديداً. فهو يقترح حيلة ذكية لمساعدة الروبوت على العودة إلى الشارع الصحيح دون تقديم الإجابة الكاملة، حتى يتمكن فعلياً من التعلم من أخطائه.

الازدحام المروري في عقل الذكاء الاصطناعي

لفهم الحل، دعونا ننظر إلى كيفية تعلم هؤلاء المتسوقين من الذكاء الاصطناعي عادةً. أولاً، يتلقون تعليماً أساسياً يسمى "الضبط الدقيق الخاضع للإشراف" (SFT). فكر في هذا كأن الروبوت يقرأ كتاباً مدرسياً حيث يعطيه المعلم الإجابات الصحيحة ويقول له: "أرأيت؟ عندما ترى هذا، يجب أن تكتب ذاك". يصبح الروبوت جيداً في نسخ الشفرات الصحيحة عندما يُجبر على النظر إلى مفتاح الإجابة.

لكن في العالم الحقيقي، يتعين على الروبوت التخمين بمفرده. وهنا يأتي دور "التدريب اللاحق القائم على المكافأة". يحاول الروبوت تخمين الشفرة، وإذا أصاب، يحصل على نجمة ذهبية (مكافأة). وإذا أخطأ، لا يحصل على شيء. وللتعلم بكفاءة، يحاول الذكاء الاصطناعي تجربة العديد من التخمينات المختلفة في وقت واحد (مجموعة) ويقارن بينها. إذا كان أحد التخمينات أفضل من غيره، فإنه يحصل على دفعة.

وهنا يجد البحث مشكلة كبيرة: فخ "المكافأة الصفرية".

بما أن الشفرات مبنية مثل الشجرة (تبدأ بفئة عامة، ثم تصبح أكثر تحديداً)، فإذا اختار الذكاء الاصطناعي الفرع الأول بشكل خاطئ، فقد حُكم عليه بالفشل. حتى لو جرب 16 نهاية مختلفة، فستكون جميعها خاطئة لأنها بدأت في المكان الخطأ. سيحصل الذكاء الاصطناعي على مكافآت صفرية لجميع تلك المحاولات. لا يمكن للذكاء الاصطناعي عندما يرى مجموعة من التخمينات تحصل جميعها على مكافآت صفرية أن يحدد أي منها كان "أقل خطأً". الأمر يشبه محاولة تعلم القيادة عبر الدوران في دوائر في موقف للسيارات؛ لن تتحسن أبداً لأنك لم تصل أبداً إلى وجهة. يطلق البحث على هذه الحالات اسم "مجموعات الوصول المستحيلة عبر المسارات المحدودة". وفي تجاربهم، وجدوا أن أكثر من 70% من مجموعات التدريب كانت عالقة في هذه الحالة غير المجدية، حيث تحصل على صفر من التغذية الراجعة المفيدة.

الحل: "تلميح" ليس غشاً

ابتكر المؤلفون، كاننينغ تشانغ وفريقه، إطار عمل يسمى HCGRec (التوصية التوليدية المشروطة بالتلميح). فكرتهم بسيطة ولكنها قوية: أعطِ الذكاء الاصطناعي تلميحاً صغيراً، ولكن فقط عندما يكون تائهاً تماماً.

تخيل أنك تلعب لعبة "خمن الكلمة". إذا كنت عالقاً، قد يهمس لك صديقك: "إنها تبدأ بالحرف 'أ'". لم يعطك الكلمة كاملة، لكنك الآن تعرف أنك في الحي الصحيح. لا يزال بإمكانك اكتشاف بقية الكلمة بنفسك.

يقوم HCGRec بهذا بالضبط، ولكن مع لمسة خاصة:

1. التشخيص: قبل أن يبدأ الذكاء الاصطناعي تدريبه الصعب، يجري الفريق اختباراً سريعاً. يسألون الذكاء الاصطناعي: "هل يمكنك الوصول إلى الإجابة الصحيحة بمفردك؟"
2. التلميح: إذا قال الذكاء الاصطناعي "لا، أنا عالق في الفرع الخطأ"، يقوم النظام بإعطائه أقصر تلميح ممكن لإعادته إلى المسار الصحيح. قد يكون هذا مجرد الرقم الأول من الشفرة.
3. التحدي: الآن، يتعين على الذكال الاصطناعي توليد بقية الشفرة (اللاحقة) بمفرده. ولأنه بدأ في الحي الصحيح، فلديه فرصة حقيقية للعثور على الإجابة الصحيحة والحصول على مكافأة.

هذا يحول مجموعة "المكافأة الصفرية" غير المجدية إلى مجموعة تعلم مفيدة. يمكن للذكاء الاصطناعي أخيراً مقارنة نهايات مختلفة وتعلّم أي منها أفضل.

السر: من يستحق الفضل؟

يشير البحث أيضاً إلى تفصيل دقيق حول كيفية منح الفضل. إذا تم إعطاء الذكاء الاصطناعي تلميحاً (مثل الرقم الأول)، فإن هذا الرقم لم يكن تخميناً، بل كان حقيقة قدمها النظام. لا ينبغي للذكاء الاصطناعي أن يحصل على "ائتمان السياسة" (policy credit) لتخمين رقم لم يقم بتخمينه بالفعل.

لذا، قدم المؤلفون تفكيك الائتمان المدرك للتلميح (Hint-Aware Credit Decomposition). لقد قسموا التدريب إلى جزأين:

• الجزء الملمّح: يعلم النظام الذكاء الاصطنا_ي أن التلميح صحيح باستخدام "التعلم الخاضع للإشراف" القياسي (مثل معلم يصحح ورقة عمل).
• الجزء الموَلَّد: يحصل الذكاء الاصطناعي على "ائتمان المكافأة" فقط للجزء الذي كتبه بالفعل (بقية الشفرة).

يضمن هذا أن يتعلم الذكاء الاصطناعي البقاء على المسار الصحيح (بفضل التلميح) مع الاستمرار في تعلم كيفية تقديم تخمينات جيدة لبقية الرحلة.

ماذا وجدوا؟

اختبر الفريق طريقتهم على ثلاث مجموعات بيانات حقيقية من الواقع: الآلات الموسيقية، الفنون والحرف اليدوية، وألعاب الفيديو. وقارنوا طريقتهم مع الطرق القديمة للتدريب.

• النتائج: اقترح HCGRec أنه يحسن بشكل كبير قدرة الذكاء الاصطناعي على التوصية بالعناصر، خاصة في العثور على العنصر الصحيح في مكان أعمق في القائمة (مثل أفضل تطابق رقم 50).
• إصلاح "التدرج الصفري": كان الاكتشاف الأكثر إثارة هو أنهم خفضوا عدد مجموعات التدريب "العالقة" من أكثر من 70% إلى أقل من 20%. وهذا يعني أن الذكاء الاصطنا يتعلم فعلياً من معظم محاولاته، وليس فقط من المحاولات المحظوظة.
• التوازن: وجدوا أن "التلميح" لا ينبغي أن يكون طويلاً جداً (وإلا فإنه يقدم الإجابة كاملة) وأن "الائتمان" للتلميح لا ينبغي أن يكون ثقيلاً جداً (وإلا سيتوقف الذكاء الاصطنا عن المحاولة). إن قدراً صغيراً من التوجيه هو الأفضل.

لماذا يهم هذا؟

لا يدعي هذا البحث أنه حل مسألة التوصية للذكاء الاصطناعي للأبد. بل يشير إلى أن الطريقة الحالية لتدريب هؤلاء المتسوقين "التوليديين" بها خلل خفي: فهي تضيع الوقت في محاولة التعلم من مواقف مستحيلة. من خلال التحقق ببساطة مما إذا كان الذكاء الاصطناعي تائهاً ومنحه دفعة صغيرة وموجهة، يمكننا جعل عملية التعلم أكثر كفاءة. الأمر يشبه إدراك أنه بدلاً من إجبار الطالب على حل مسألة رياضية لا يستطيع حتى البدء فيها، يمكنك فقط مساعدته في كتابة السطر الأول حتى يتمكن من إكمال الباقي. النتيجة هي متعلم أذكى وأسرع يعرف كيف يجد المسار الصحيح، حتى عندما يصبح الطريق صعباً.