Towards Zero-Shot Task Transfer with Neurosymbolic World Models

تخيل وكيل ذكاء اصطناعي يتعلم التنقل في عالم معقد، تماماً مثل طفل يتعلم المشي. في مجال تعلم الآلة، تعتمد هذه الوكلاء غالباً على "نماذج العالم"، وهي خرائط ذهنية داخلية تسمح لها بالتنبؤ بما سيحدث تالياً إذا اتخذت إجراءً معيناً. ومن خلال محاكاة هذه السيناريوهات المستقبلية في عقولها، يمكن للوكلاء التخطيط لتحركاتهم دون الحاجة إلى تجربة كل الاحتمالات فعلياً في العالم الحقيقي. لقد أصبح هذا النهج قوياً للغاية، مما مكن الحواسيب من إتقان الألعاب والتحكم في الروبوتات من خلال التعلم من بيانات حسية عالية الأبعاد، مثل تدفقات الصور المرئية. ومع ذلك، لا تزال هناك عقبة كبيرة قائمة: فهذه الخرائط الذهنية تُبنى عادةً لوظيفة واحدة محددة. فإذا تغير الهدف — على سبيل المثال، من الوصول إلى باب أحمر إلى الوصول إلى باب أزرق — غالباً ما يتعين على الوكيل إعادة تعلم فهمه للعالم بالكامل، لأن خريطته الداخلية منسوجة بإحكام مع المكافأة المحددة التي كان يسعى وراءها أثناء التدريب.

لقد طور باحثون في جامعة كي لوفن (KU Leuven) في بلجيكا نهجاً جديداً لحل هذه الصلابة، حيث ابتكروا نظاماً يمكنه التكيف مع أهداف جديدة فوراً، دون الحاجة إلى التفاعل مع البيئة مرة أخرى. يقدم عملهم نوعاً من "نموذج العالم العصبي الرمزي" (neurosymbolic)، وهو نظام هجين يجمع بين قوة التعرف على الأنماط للشبكات العصبية والمنطق الواضح للتفكير الرمزي. وبدلاً من تعلم تمثيل واحد متشابك للعالم، تتعلم هذه النماذج فصل التفاصيل الحسية الخام للبيئة عن الحقائق عالية المستوى التي تحدد النجاح. هذا الفصل يسمح للوكيل بالاحتفاظ بفهمه لكيفية حركة العالم وتغيره، مع مجرد استبدال القاعدة التي تحدد ما يعتبر "فوزاً". والنتيجة هي وكيل يمكنه تعلم بيئة معقدة مرة واحدة ثم تطبيق معرفته على مهام جديدة تماماً، وهي قدرة تُعرف باسم "النقل الصفري" (zero-shot transfer)، ببساطة عن طريق إعادة تعريف الهدف من حيث نفس الحقائق الأساسية.

يكمن الابتكار الجوهري في كيفية معالجة النموذج للمعلومات. فالنماذج التقليدية للعالم تتعلم نسخة مضغوطة ومجردة من العالم يصعب على البشر تفسيرها ويصعب إعادة توظيفها. وفي المقابل، تجبر النماذج العصبية الرمزية الجديدة النظام على تحديد والتنبؤ بخصائص محددة ومنظمة للحالة، مثل إحداثيات وكيل أو موقع كائن ما. تعمل هذه الخصائص كجسر؛ حيث يستخدم النموذج شبكته العصبية لفهم العالم المرئي الفوضوي وترجمته إلى هذه الحقائق الرمزية الواضحة. وبمجرد حصول النموذج على هذه الحقائق، فإنه يستخدم مكوناً منطقياً منفصلاً للتنبؤ بالمكافآت. ولأن التنبؤ بالمكافأة يعتمد فقط على هذه الحقائق الواضحة، يمكن للباحثين ببساطة استبدال دالة المكافأة بأخرى تستهدف هدفاً مختلفاً، وسيفهم النموذج فوراً كيفية التخطيط له. لا يحتاج الوكيل إلى رؤية الهدف الجديد أو تجربته؛ بل يقوم ببساطة بإعادة تشغيل محاكاته الذهنية مع القاعدة الجديدة، مستخدماً نفس الخريطة الداخلية لكيفية عمل العالم.

لاختبار هذه الفكرة، درب الباحثون نماذجهم على عدة بيئات متميزة، بما في ذلك مهمة ملاحة قائمة على الشبكة حيث يجب على الوكيل إيجاد هدف، ونسخة ثلاثية الأبعاد من نفس المهمة مع حركة مستمرة، ولعبة ألغاز تسمى "سوكوبان" (Sokoban) حيث يجب دفع الصناديق إلى أماكن محددة. في مراحل التدريب هذه، تعلم الوكلاء التنقل وتحقيق هدف معين، مثل الوصول إلى موقع هدف ثابت. ثم تحدى الباحثون النماذج بمهام جديدة حيث ظلت قواعد الحركة في البيئة كما هي تماماً، ولكن الأهداف تغيرت. في أحد السيناريوهات، قد ينتقل الهدف إلى غرفة أخرى، وفي سيناريو آخر، قد يحتاج الوكيل إلى الوصول إلى تكوين معين من الأشياء بدلاً من نقطة واحدة. تمكنت النماذج من التكيف مع هذه الأهداف الجديدة دون أي تفاعل إضافي مع البيئة الحقيقية. وقد حققت ذلك من خلال طريقتين: إما عن طريق التخطيط لمسارات جديدة باستخدام خوارزمية بحث استكشفت الاحتمالات في عقلها، أو عن طريق صقل سياسة اتخاذ القرار الخاصة بها بالكامل داخل محاكاتها الداخلية.

أظهرت النتائج أن هذا النهج لم يعمل فحسب، بل فعل ذلك بكفاءة أكبر من الطرق القياسية. فقد تعلمت النماذج العصبية الرمزية مهام التدريب بعدد أقل من الأمثلة، مما يشير إلى أن الطريقة المنظمة التي تعالج بها المعلومات تساعدها على استيعاب البيئة بشكل أسرع. والأهم من ذلك، أنه عند مواجهة مهام جديدة، تكيفت فوراً. فبينما تتطلب النماذج التقليدية فترة من إعادة التدريب أو كمية هائلة من البيانات الجديدة لفهم الهدف الجديد، قام الوكلاء العصبيون الرمزيون ببساطة بتطبيق معرفتهم الموجودة بالفعل عن العالم على الهدف الجديد. وكان هذا صحيحاً حتى عندما قدم الباحثون معلومات جزئية فقط عن الحقائق الرمزية أثناء التدريب، أو عندما لم يقدموا أي إشراف مباشر لتلك الحقائق، معتمدين على بنية النموذج نفسه لتوجيه التعلم.

يعد هذا العمل خطوة مهمة نحو ذكاء اصطناعي أكثر مرونة وقابلية لإعادة الاستخدام. فمن خلال فصل فهم كيفية عمل العالم عن الأهداف المحددة التي يسعى الوكيل لتحقيقها، نجح الباحثون في إنشاء نظام يتصرف كمتعلم عام بدلاً من كونه أداة متخصصة. الوكيل لا يحفظ مساراً إلى وجهة ما فحسب؛ بل يتعلم التضاريس وقواعد الحركة، مما يسمح له بالملاحة إلى أي وجهة محددة ضمن تلك التضاريس. ورغم أن النظام لا يزال يتطلب أن تكون الأهداف الجديدة قابلة للوصف باستخدام نفس مجموعة الحقائق عالية المستوى التي تم تعلمها أثناء التدريب، إلا أنه يلغي الحاجة إلى إعادة التدريب المكلفة كلما تغيرت المهمة. وهذا يشير إلى مستقبل يمكن فيه نشر الأنظمة الذكية في بيئات ديناميكية، جاهزة لمواجهة تحديات جديدة في اللحظة التي تنشأ فيها، ببساطة عبر إخبارها بما يجب أن تبحث عنه، بدلاً من الاضطرار لتعلم كيفية رؤيته من جديد.