Experimental reasoning in large language models

لطالما كان العلم حواراً بين سؤالٍ والعالم المادي. يطرح الباحث فكرة، ويصمم اختباراً ليرى ما إذا كان العالم سيوافق عليها، ثم يراقب ما يحدث. وإذا كانت النتيجة غير متوقعة، يغير الباحث الخطة ويحاول مرة أخرى. هذه الدورة من السؤال، والعمل، والتعديل هي محرك الاكتشاف. لعقود من الزمن، حاول العلماء بناء آلات يمكنها القيام بهذا العمل نيابة عنهم. ركزت المحاولات المبكرة على الأتمتة: روبوتات يمكنها اتباع مجموعة صارمة من التعليمات، مثل طاهٍ يتبع وصفة بدقة شديدة. هذه الآلات ممتازة في التكرار، لكنها تعاني عندما تشتعل النيران في المطبخ أو ينقص أحد المكونات؛ فهي لا تستطيع التفكير بسرعة عند حدوث طارئ. والسؤال الآن هو ما إذا كان الجيل الجديد من الذكاء الاصطناعي، وتحديداً النماذج اللغوية الكبيرة، يمكنه فعل ما هو أكثر من مجرد اتباع الأوامر. هل يمكن لهذه البرامج الحاسوبية أن تبرهن حقاً على القدرة على التفكير المنطقي عبر تجربة علمية، وتقرر ما يجب فعله تالياً بناءً على ما تراه، تماماً كما يفعل العالم البشري؟

وضع فريق من الباحثين في جامعة ديوك حداً لهذا التساؤل عبر بناء نظام أطلقوا عليه اسم "بيرل" (PEARL). قاموا بربط برنامج حاسوبي قياسي، مصمم لفهم وتوليد اللغة البشرية، بروبوت مختبري بسيط وكاميرا ويب. كان بإمكان الروبوت نقل السوائل بين حاويات صغيرة، وكان بإمكان الكاميرا مراقبة النتائج. أعطى الباحثون النظام هدفاً، مثل "اصنع قوس قزح في صينية الحاويات"، لكنهم لم يقدموا له دليلاً خطوة بخوة لكيفية القيام بذلك. لم يخبروا النظام أي الألوان يجب خلطها، ولا الترتيب، ولا حتى أي الزجاجات تحتوي على أي أصباغ. كان على النظام اكتشاف العملية بأكملة بمفرده؛ كان عليه النظر في الأدوات المتاحة، وتحديد ما يجب خلطه، وتنفيذ الإجراء، ومراقبة النتيجة، ثم تقرير ما إذا كان قد نجح أم أنه بحاجة لتجربة شيء مختلف.

عمل النظام من خلال تقسيم عملية التفكير إلى أدوار مختلفة تتواصل فيما بينها. جزء من النظام خطط للتجربة، وآخر توقع ما سيحدث، وثالث راقب الأخطاء. وعندما قام الروبوت بخلط سائلين فخرج اللون بشكل خاطئ، لم يستمر النظام في المضي قدماً فحسب، بل توقف، ونظر إلى الأدلة، وأدرك أن توقعه كان غير صحيح، ثم قام بتعديل خطته وجرب خليطاً جديداً. في إحدى الاختبارات، طلب الباحثون من النظام صنع اللون الأرجواني باستخدام صبغات حمراء وخضراء فقط، فأدرك النظام بشكل صحيح أن هذا مستحيل ورفض خلطهما، طالباً تعليمات أفضل بدلاً من ذلك. وفي اختبار آخر، قام إنسان بتدوير صينية الحاويات سراً أثناء عمل النظام؛ لاحظ النظام أن الألوان في أماكن خاطئة، فقام بتحديث خريطته الذهنية للصينية، وعدّل أفعاله لخلط السوائل الصحيحة في المواقع الجديدة، وفعل ذلك دون أن يُخبر بأن الصينية قد تحركت.

دفع الباحثون هذا الأمر إلى أبعد من ذلك بطلب إجراء اختبار كيميائي حيوي حقيقي لقياس سرعة عمل إنزيم ما. تطلب هذا الأمر قياسات دقيقة وتوقيتاً حذراً. كان على النظام أن يقرر كمية السائل التي يجب خلطها، ومتى يلتقط صورة، وكيف يحلل تغير الألوان بمرور الوقت. وعندما أدخل الباحثون مشكلة، مثل إضافة الكثير من السائل إلى حاوية واحدة عن طريق الخطأ، رصد النظام الخطأ، وتجاهل البيانات السيئة، واستخدم البيانات الجيدة المتبقية لإكمال الحساب. وعندما كان الخليط الأولي قوياً جداً بحيث لا يمكن قياسه بدقة، أدرك النظام أنه بحاجة إلى مزيد من المعلومات؛ وبدلاً من التخمين، صمم تجربة جديدة أصغر فقط لتخفيف الخليط ومعرفة الألوان الحقيقية، ثم استخدم تلك المعلومات الجديدة لإصلاح التجربة الرئيسية. في كل سيناريو، نجح النظام في ترجمة هدف غامض إلى فعل مادي، وتفسير النتيجة، وتحديد ما يجب فعله تالياً.

اختبرت الدراسة أيضاً مقدار المساعدة التي يحتاجها النظام للنجاح. حاول الباحثون تشغيل المهام نفسها باستخدام إعداد أبسط يحتوي على أدوار داخلية أقل ولا يتشارك ذاكرة مشتركة لتاريخ التجربة. فشل هذا الإصدار الأبسط غالباً في ربط النقاط بين ما يراه وما يجب فعله تالياً؛ فقد يرصد مشكلة ما ولكنه ينسى إصلاحها، أو يضيع في تسلسل الخطوات. ومع ذلك، عندما امتلك النظام سجلاً مستمراً للتجربة وعدداً قليلاً من الأدوار المتخصصة التي تراجع عمل بعضها البعض، نجح في معظم الحالات تقريباً. يشير هذا إلى أن القدرة على التفكير المنطقي عبر تجربة ما تأتي إلى حد كبير من الذكاء الكامن في النموذج اللغوي نفسه، ولكن القليل من الهيكلية يساعده على البقاء مركزاً وموثوقاً.

تشير هذه النتائج إلى تحول في كيفية تفكيرنا في أتمتة المختبرات. فبدلاً من برمجة الروبوتات لتتبع كل احتمال ممكن مسبقاً، قد نتمكن قريباً من إعطائها هدفاً وتركها تكتشف التفاصيل. لم يحتج النظام إلى وصفة مكتوبة مسبقاً للتعامل مع صينية مدورة أو صبغة مركزة؛ بل استنتج تلك المواقف في لحظتها. ويؤكد الباحثون أن هذا ليس بعد عالماً مستقلاً تماماً يمكنه ابتكار نظريات جديدة أو طرح أسئلة عميقة حول الكون؛ فقد كانت التجارب محدودة بمهام محددة ذات نتائج بصرية. ومع ذلك، يظهر العمل أن النماذج الحاسوبية العامة يمكنها بالفعل أن تعمل كطبقة تفكير بين الهدف العلمي والعالم المادي؛ إذ يمكنها الملاحظة، والتفسير، والتكيف، مما يحول فعل التجريب إلى جزء من عملية التفكير نفسها. وهذا ينقل المجال من مجرد الأتمتة البسيطة نحو مستقبل يمكن فيه للآلات المشاركة مباشرة في العملية العلمية، والتعامل مع الأمور غير المتوقعة والتعلم مما تراه.