Lean-QuantumAlg: A Framework for AI Agents to Produce Quantum Algorithms that Humans Can Trust

في مجال الحوسبة، هناك طموح متزايد لبناء آلات يمكنها حل مشكلات تتجاوز بكثير قدرات الحواسيب الفائقة اليوم. هذه هي الحواسيب الكمومية، وهي أجهزة تسخر القواعد الغريبة لعالم الجسيمات دون الذرية لمعالجة المعلومات بطرق تبدو مستحيلة بالنسبة للآلات الكلاسيكية. إنها تعد بكسر الشفرات التي قد تستغرق الحواسيب الحالية آلاف السنين لكسرها، أو محاكاة التفاعلات الكيميائية التي قد تؤدي إلى أدوية جديدة. ومع ذلك، لكي تكون هذه الآلات مفيدة، يجب على العلماء أولاً كتابة التعليمات، أو الخوارزميات، التي تخبرها بما يجب القيام به. والتحدي يكمن في أن ميكانيكا الكم من الصعب للغاية ضبطها بدقة؛ فخطأ صغير في المنطق يمكن أن يتسبب في فشل العملية الحسابية بأكملها، ونظراً لتعقيد الرياضيات، يجد حتى الخبراء البشريون صعوبة في التأكد من أن تعليماتهم خالية من العيوب.

وقد أدى هذا اليقين إلى بحث الباحثين عن المساعدة من الذكاء الاصطناعي. فقد أصبحت وكلاء الذكاء الاصطناعي ماهرة للغاية في كتابة الأكواد البرمجية وحتى إثبات النظريات الرياضية. ولكن ظهرت مشكلة جديدة: مجرد قدرة الذكاء الاصطناعي على كتابة برهان يبدو صحيحاً على شاشة الكمبيوتر، لا يعني بالضرورة أن البرهان يحل المشكلة التي أرادها الإنسان فعلياً. قد يكون الكمبيوتر يتحقق من نسخة مختلفة من السؤال، أو قد يكون يحسب الموارد المطلوبة لتشغيل البرنامج بطريقة تتجاهل التكاليف الخفية. إذا ادعى ذكاء اصطناعي أنه وجد طريقة لكسر شفرة تشفير معينة، ولكن برهانه يعتمد على سوء فهم لكيفية حساب الكمبيوتر لخطواته، فإن النتيجة ستكون عديمة الفائدة. يحتاج المجتمع العلمي إلى وسيلة لضمان أنه عندما يقول الذكاء الاصطناعي إنه حل مشكلة ما، فإنه قد حل تلك المشكلة تحديداً، مع مراعاة جميع تكاليفها وشروطها.

قام فريق من الباحثين الآن بتقديم نظام جديد يسمى Lean-QuantumAlg لحل هذا المأزق تحديداً. لقد بنوا إطار عمل رقمياً يعمل كعقد صارم بين المستخدم البشري والذكاء الاصطناعي. في هذا النظام، يحدد الإنسان المشكلة وقواعد اللعبة، بينما يُكلف الذكاء الاصطناعي ببناء الخوارزمية وإثبات عملها. الابتكار الرئيسي هو أن إطار العمل يجبر الذكاء الاصطناعي على ربط برهان الصحة مباشرة ببرهان استخدام الموارد. وبعبارة أبسط، يضمن النظام عدم قدرة الذكاء الاصطناعي على ادعاء أن حلاً ما فعال إذا كان في الواقع يستخدم طاقة أو وقتاً أكثر مما تم الاعتراف به، ولا يمكنه الادعاء بأن حلاً ما صحيح إذا فشل في إعادة الكمبيوتر إلى حالته الأصلية بعد انتهاء العملية الحسابية.

وقد أظهر الباحثون قوة هذا النهج من خلال جعل وكلاء الذكاء الاصطناعي يصيغون تسعة خوارزميات كمومية مختلفة، تتراوح من طرق البحث الأساسية إلى الهجمات المعقدة على معايير التشفير الحديثة مثل RSA-2048. في الماضي، كانت عملية التحقق من هذا النوع من الخوارزميات تتطلب من البشر قراءة آلاف الأسطر من الأكواد للتحقق من كل تفصيل. ومع هذا الإطار الجديد، يمكن للذكاء الاصطناعي القيام بالعمل الشاق بمجرد تدقيق القواعد الأساسية للنظام والوثوق بها من قبل البشر. ووجد الباحثون أنه بالنسبة لكل خوارزمية من الخوارزميات التسع، تطلب أقل من واحد بالمائة من الكود مراجعة بشرية؛ حيث تولى إطار العمل بقية العمل، وتحقق تلقائياً من صحة برهان الذكاء الاصطناعي ومن استيفاء الخوارزمية لكل متطلب من متطلبات العقد.

يعمل هذا النظام من خلال تقسيم عملية التحقق إلى أجزات متميزة وغير قابلة للتغيير. أولاً، يحدد الإنسان المشكلة، موضحاً بدقة ما يجب أن تحققه الخوارزمية وما هي الموارد المسموح لها باستخدامها، وهذا التوصيف منفصل عن الحل نفسه. بعد ذلك، يقوم الذكاء الاصطناعي ببناء الخوارزمية، وهي في الأساس مجموعة من التعليمات للحاسوب الكمومي. ثم يقوم إطار العمل بتشغيل محاكاة لهذه الخوارزمية لمعرفة ما سيحدث. وهو يتحقق من ثلاثة أمور حاسمة: هل تنتج الخوارزمية الإجابة الصحيحة بالاحتمالية المطلوبة، وهل تعيد الأجزاء المستعارة من النظام الكمومي إلى حالتها الأصلية تماماً كما وجدتها، وهل تظل ضمن حدود الوقت والذاكرة التي حددها الإنسان؟ إذا حاول الذكاء الاصطناعي حذف خطوة مكلفة أو حساب الموارد بشكل غير صحيح، فإن إطار العمل يرفض البرهان.

أحد أهم النتائج هو كيفية تعامل هذه الطريقة مع الموارد "المستعارة". في الحوسبة الكمومية، غالباً ما تحتاج الخوارزمية إلى استخدام ذاكرة إضافية لا تملكها، على أن تعيد تلك الذاكرة إلى حالتها الأصلية لاحقاً. إذا أعاد الذكاء الاصطناعي الذاكرة في الحالة الصحيحة ولكنه تركها متشابكة مع أجزاء أخرى من النظام بطريقة غير مسموح بها، فإن الخوارزمية تكون معيبة. يتحقق إطار العمل Lean-QuantumAlg من هذه الحالة المشتركة بدقة متناهية، مما يضمن استعادة الذاكرة المستعارة حقاً. كان هذا المستوى من التفصيل صعباً في السابق من حيث الأتمتة، لكن النظام الجديد يجعله جزءاً معيارياً من عملية التحقق.

كما أظهر الباحثون أن هذا النهج يتوسع بشكل جيد. فمن خلال تدقيق الأساس المشترك للنظام مرة واحدة، استطاعوا إعادة استخدامه للعديد من الخوارزميات المختلفة. وبالنسبة للخوارزميات التسعة التي تم اختبارها، والتي تضمنت هجمات على معيار التشفير P-256 المستخدم في الاتصالات الآمنة، انخفضت كمية الكود التي احتاج البشر لقراءتها بشكل كبير. وفي الحالات الأكثر تعقيداً، اقتصرت المراجعة البشرية على جزء ضئيل جداً من إجمالي الكود، بينما تولى إطار العمل بقية العمل. يشير هذا إلى أنه في المستقبل، يمكن استخدام الذكاء الاصطناعي لاكتشاف واعتماد خوارزميات كمومية جديدة بسرعة ونطاق لا يمكن للخبراء البشريين تحقيقه بمفردهم، بشرط وجود نظام موثوق للتحقق من النتائج.

لا يدعي هذا العمل أن الذكاء الاصطناعي قد حل جميع المشكلات الكمومية أو أن هذه الخوارزميات جاهزة للعمل على الأجهزة الفعلية فوراً. بدلاً من ذلك، فإنه يوفر طريقة صارمة لضمان أن البراهياث الرياضية التي ينتجها الذكاء الاصطناعي جديرة بالثقة. إنه يفصل مهمة الإنسان، الذي يحدد ما هو مهم، عن مهمة الآلة، التي تتحقق من المنطق. ومن خلال القيام بذلك، فإنه يفتح مساراً للاكتشاف القابل للتوسع للخوارزميات الكمومية، مما يضمن أنه عندما يدعي الذكاء الاصطناعي أنه وجد حلاً، فإن هذا الحل حقيقي، وفعال، ومطابق تماماً لما طُلب منه. والنتيجة هي معيار جديد للثقة في عصر الاكتشاف العلمي المؤتمت، حيث تقوم الآلة بالعمل، لكن يظل الإنسان هو الحكم النهائي فيما يهم.