Trainable Quantum-Native Language Models: Dissipative Memory, Capacity Limits, and Hardware Validation

في السعي لبناء آلات تفهم اللغة، تساءل العلماء طويلاً عما إذا كانت القواعد الغريبة لعالم الكم يمكن أن تقدم نوعاً جديداً من آلات التفكير. الحواسيب الكلاسيكية، التي نستخدمها كل يوم، تخزن المعلومات في صورة بتات (bits) تكون إما صفراً أو واحداً. أما الحواسيب الكمومية، في المقابل، فتستخدم البتات الكمومية، أو الكيوبتات (qubits)، والتي يمكن أن توجد في مزيج دقيق من الحالات في آن واحد. تتيح هذه الخاصية لها حمل معلومات معقدة بطريقة تختلف جوهرياً عن الذاكرة الكلاسيكية. ومع ذلك، لكي تتمكن الآلة من التعلم والتكيف، يجب أن تكون قادرة على النسيان. تماماً كما يتخلص الدماغ البشري من التفاصيل غير ذات الصلة للتركيز على الحاضر، يحتاج نظام التعلم إلى التخلي عن البيانات القديمة لإفساح المجال للمدخلات الجديدة. وفي عالم الكم، غالباً ما تمنع قاعدة صارمة من قوانين الفيزياء حدوث ذلك: فإذا تطور النظام دون فقدان للطاقة أو تفاعل مع بيئته، فلا يمكن مسح المعلومات التي يحملها أو ضغطها؛ بل يمكن فقط إعادة ترتيبها. وهذا يخلق مفارقة لبناء دماغ كمومي: فالقوانق ذاتها التي تمنح الحواسيب الكمومية قوتها تبدو أيضاً وكأنها تحبسها في حالة لا يمكنها فيها النسيان، وبدون النسيان، لا يمكنها التعلم بفعالية.

قام باحث مؤخراً بتجربة ما إذا كان من الممكن بناء آلة لتعلم اللغة مكونة بالكامل من هذه الأجزاء الكمومية، وإذا كان الأمر كذلك، فما هي القواعد التي ستحتاج إلى اتباعها للنجاح. لم يكتفِ بمحاكاة ذلك على حاسوب قياسي؛ بل بنى النموذج، ودربه، وشغله على معالج كمومي حقيقي ليرى ما إذا كانت الفيزياء ستصمد. كشفت أعماله عن مسار واضح لهذا النوع من التكنولوجيا، ولكنها كشفت أيضاً عن سقف صلب لمدى ما يمكنها تذكره حالياً. وجد الباحث أن الذاكرة الكمومية الصرفة، التي تحاول الحفاظ على جميع المعلومات سليمة تماماً، تفشل في تعلم اللغة. فهي تعلق في حمل بيانات قديمة وغير مفيدة لأنها لا تستطيع التخلص منها. ولإصلاح ذلك، اضطر إلى إدخال آلية تسمح للنظام بفقدان المعلومات بشكل متعمد، وهي عملية تُعرف باسم "التبدد" (dissipation). ومن خلال تعليم النظام الكمومي النسيان بطريقة محكومة، نجح في إنشاء نموذج يمكنه تذكر المعلومات المفيدة لبضع خطوات. ومع ذلك، فإن هذه الذاكرة هشة للغاية ومحدودة؛ فحتى مع أفضل التقنيات، لم يستطع النظام التمسك بالمعلومات لأكثر من خطوتين تقريباً قبل أن يتسبب ضجيج العالم الكمومي وحدود حجمه في فشله.

بدأت التجربة بسؤال بسيط: هل يمكن لآلة تخزن أفكارها في حالة كمومية أن تتعلم التنبؤ بالحرف التالي في جملة؟ صمم الباحث نظاماً حيث كانت "الحالة الخفية" — الجزء من الدماغ الذي يحمل السياق — عبارة عن سجل صغير من البتات الكمومية. ومع قراءة الآلة لكل حرف، كانت تقوم بتحديث هذه الحالة الكمومية. في محاولته الأولى، استخدم طريقة تحافظ على الحالة الكمومية معزولة تماماً، مما يضمن عدم فقدان أي معلومات. هذا يشبه محاولة حمل كأس مملوء بالماء دون سكب قطرة واحدة؛ يمكنك تحريكه ذهاباً وإياباً، لكن لا يمكنك صب أي شيء منه. كانت النتائج مخيبة للآمال؛ إذ كان أداء الآلة أسوأ من نسخة أبسط بكثير تكتفي بالنظر إلى الحرف الأخير فقط. والسبب هو أن الآلة كانت مجبرة على حمل كل حرف رأته على الإطلاق، مما أدى إلى تكدس ذاكرتها بالتاريخ غير ذي الصلة. لم تستطع الآلة تعلم تجاهل الماضي، وبدون تلك القدرة، لم تستطع التنبؤ بالمستقبل.

ولحل هذه المشكلة، غير الباحث القواعد. فقد أدخل قناة "تبدد"، وهي وسيلة لتفاعل النظام الكمومي مع بيئته والتخلص من المعلومات القديمة بشكل متعمد. وجعل عملية النسي هذه تعتمد على الحرف الحالي الذي يتم قراءته، مما سمح للآلة بتقرير ما تحتفظ به وما تسقطه بناءً على السياق. وقد نجح هذا النهج؛ فالنموذج الجديد، الذي أصبح بإمكانه الآن النسيان، تفوق بشكل كبير على النسخة التي حاولت تذكر كل شيء. لقد تعلم كيف يحتفظ بالمعلومات لأكثر من خطوة واحدة فقط، مما أظهر أن القدرة على النسيان ليست خللاً بل هي ميزة ضرورية لنظام التعلم. ومع ذلك، كان التحسن ذا حد حاد؛ فحتى مع هذه القدرة الجديدة على النسيال، لم يستطع النموذج أبداً أن يتعلم النظر إلى الوراء لأكثر من حرفين. وعندما اختبره الباحث على جمل أطول، استقر أداء النموذج، مساوياً لنظام بسيط ينظر فقط إلى الحرفين السابقين. لم يستطع الذهء إلى أعمق من ذلك.

ثم بحث الباحث في سبب وجود هذا الحد. أجرى سلسلة من الاختبارات حيث طلب من الآلة تذكر أزواج من المفاتيح والقيم، بشكل مشابه للبحث عن كلمة في قاموس. زاد حجم الذاكرة الكمومية من أربعة إلى سبعة كيوبتات. مع أربعة كيوبتات، استطاعت الآلة تذكر زوج واحد ببراعة. ومع ستة أو سبعة كيوبتات، استطاعت تذكر زوجين. ولكن عندما طلبت منها تذكر ثلاثة أزواج، فشلت في كل مرة، بغض النظر عن عدد الكيوبتات المستخدمة. يشير هذا إلى أن كمية المعلومات التي يمكن للذاكرة الكمومية الصغيرة حملها محدودة بصرامة بعدد الكيوبتات المتاحة. وأشار الباحث إلى أن هذا الحد يتوافق مع قانون أساسي في الفيزياء يسمى "حد هوليفو" (Holevo bound)، والذي يحدد مقدار المعلومات الكلاسيكية التي يمكن استخراجها من نظام كمومي. ورغم أنه لم يثبت أن هذا القانون هو السبب الوحيد للفشل، إلا أن الأدلة تشير بقوة إلى أن الآلة كانت تنفد منها المساحة اللازمة لتخزين التفاصيل الضرورية.

ولضمان أن نتائجهم ليست مجرد نتيجة لمحاكاة حاسوبية، نقل الباحث نموذجه إلى حاسوب كمومي حقيقي، وتحديداً معالج IBM المكون من 156 كيوبت. قام بترجمة نموذجه الرياضي إلى دائرة فيزيائية يمكن تشغيلها على أجهزة الحاسوب. واختبر النظام خطوة بخطوة، متأكداً مما إذا كانت الحالة الكمومية تتطور كما هو متوقع وما إذا كانت احتمالات الحرف التالي تطابق المحاكاة. كانت النتائج ناجحة من حيث الفيزياء: عملت الآلة تماماً كما توقعت النظرية، وكانت الاحتمالات المقاسة للحرف التالي قريبة من القيم المتوقعة. أنتج النظام نصاً بايت تلو الآخر، مع اعتماد كل قرار على قياس فيزيائي للحالة الكمومية. ومع ذلك، لم يكن النص الذي أنتجه بليغاً أو ذا معنى؛ فقد كان ضعيفاً ويفتقر إلى جودة حتى أبسط النماذج اللغوية الكلاسيكية. وكان الباحث واضحاً في أنه لا يدعي تحقيق طفرة في جودة اللغة أو ميزة في السرعة على الحواسيب الكلاسيكية، بل كان يثبت أن نوعاً معيناً من البنية الكمومية — تلك التي تتعلم النسيان — يمكن بناؤها وتشغيلها على أجهزة حقيقية.

يخلص البحث إلى أنه بينما يعد حلم نموذج لغوي أصيل في عالم الكم ممكناً فيزيائياً، إلا أن التكنولوجيا الحالية بعيدة كل البعد عن منافسة الأنظمة الكلاسيكية. لقد أظهر الباحث أن الذاكرة الكمومية يجب أن تكون قادرة على فقدان المعلومات لتتعلم، ولكن هذه الذاكرة مقيدة بشدة بحجمها. ووجد أنه مع العدد الصغير من الكيوبتات المتاحة اليوم، يصطدم النظام بحائط بعد خطوتين فقط من الذاكرة. ولبناء آلة يمكنها فهم جمل أطول، يقترحون أننا سنحتاج إلى ذاكرات كمومية أكبر بكثير، وهو ما يتطلب على الأرجح أنظمة مصححة للأخطاء لا توجد حالياً. إن هذا العمل بمثابة واقع مرير للمجال، حيث يوضح بالضبط ما هو مطلوب للمضي قدماً: ليس فقط المزيد من القوة، بل فهماً أعمق لكيفية تعليم الأنظمة الكمومية النسيان. إن الطريق نحو نموذج لغوي كمومي مفتوح، لكن الطريق طويل، وقد أظهرت الخطوات الأولى لنا بالضبط أين تكمن العقبات.