The World Is a Hypothesis: Epistemic Control for Executable World-Model Agents in Novel Interactive Environments
تقدم هذه الورقة THEA، وهي سياسة مراجعة محددة بالأوامر (prompt-defined) تعامل النماذج العالمية القابلة للتنفيذ كنظريات قابلة للتفنيد لتنسيق الوكلاء الأبوين والوكلاء الفرعيين المتخصصين، محققةً أداءً هو الأفضل في فئته في 22 من أصل 25 لعبة من ألعاب ARC-AGI-3 مع تقليل التكاليف بشكل كبير مع ضمان بقاء مراجعة الفرضيات صريحة، وقابلة للتدقيق، وفعالة من حيث التكلفة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تحاول تعليم روبوت كيفية لعب لعبة فيديو جديدة تمامًا، لكن لا يمكنك إعطاءه كتاب قواعد، أو خريطة، أو حتى تلميحًا حول ماهية الهدف. على الروبوت أن يكتشف كل شيء بمجرد مراقبة الشاشة، والضغط على الأزرار، ورؤية ما يحدث. هذا هو عالم "النماذج العالمية القابلة للتنفيذ" (executable world models)، وهي طريقة فخمة لقول: "دعونا نكتب برنامج حاسوبي يعمل كمحاكاة للعبة حتى يتمكن الروبوت من التدرب داخل رأسه قبل أن يتحرك فعليًا".
عادةً، يعتقد العلماء أنه إذا كانت هذه المحاكاة تطابق اللعبة الحقيقية تمامًا -إطارًا بإطار، وبكسل ببكسل- فإن الروبوت لا بد أن يكون ذكيًا ومستعدًا للفوز. لكن هنا تكمن المشكلة: يمكن للمحاكاة أن تكون كاذبة ببراعة. فقد تتطابق مع تاريخ ما حدث عن طريق الصدفة، مثل ساعة مكسورة تظهر الوقت الصحيح مرتين في اليوم، بينما تسيء فهم "سبب" حدوث الأشياء تمامًا. إذا اعتمد الروبوت على هذه المحماة "المثالية" ولكن الخاطئة، فقد يحاول حل لغز غير موجود أو يفوت فخًا مخفيًا. السؤال الكبير في هذا المجال هو: كيف نبني وكيلًا يعرف متى تكون خريطته الداخلية خاطئة ويعرف كيفية إصلاحها دون أن يعلق في حلقة مفرغة من الارتباك؟
تقدم هذه الورقة نظامًا جديدًا يسمى THEA (الوكلاء المعرفيون القائمون على الفرضيات من نوع محدد) لحل هذه المشكلة تحديدًا. فكر في THEA ليس كوكيل واحد فائق الذكاء، بل كفريق علمي صارم ومنظم يدير ليلة ألعاب. "الوالد" (The Parent) هو اللاعب الرئيسي الذي يمسك بجهاز التحكم ويحتفظ بالصورة الكبيرة. لكن لدى THEA أيضًا فريق من "المحققين" المتخصصين (يُطلق عليهم متخصصون) الذين يتدخلون فقط عندما تسوء الأمور.
يعمل "الوالد" على لعب اللعبة وتحديث "نظريته" الداخلية (برنامج حاسوبي) باستمرار حول كيفية عمل اللعبة. وطالما أن النظرية تتنبأ بنتيجة اللعبة بشكل صحيح، يستمر الوالد في اللعب. ولكن إذا ارتكب الوالد خطأً، أو إذا أصبحت اللعبة غريبة جدًا، يتم استدعاء محقق. هؤلاء المحققون لا يلمسون جهاز التحكم؛ هم فقط يراقبون الأدلة. قد يتحقق أحد المحققين مما إذا كان الروبوت يخلط بين زينة وبين آلية حقيقية في اللعبة. وقد يحاول محقق آخر إثبات أن نظريتين مختلفتين حول اللعبة مختلفتان بالفعل من خلال اقتراح "حركة اختبار" محددة من شأنها أن تعطي نتائج مختلفة لكل نظرية.
اختبرت الورقة هذا النظام على 25 لعبة ألغاز تجريدية مختلفة (جزء من معيار ARC-AGI-3). وكانت النتائج مبهرة: تمكن THEA من حل 22 من أصل 25 لعبة بالكامل. وفي المتوسط، كان فعالاً للغاية، حيث استخدم حوالي 92.63 فقط من "كفاءة الفعل البشري النسبية" (وهو مقيوز حيث تمثل الدرجة 100 الكفاءة البشرية المثالية). ولعل الأمر الأكثر إدهاشًا هو أنه فعل ذلك بتكلفة أقل بنسبة 19.52% في معالجة الحاسوب مقارلة بأفضل نظام سابق، والذي حل 20 لعبة فقط.
ومع ذلك، فإن الورقة حذرة للغاية في عدم الادعاء بأن THEA هو حل سحري. فهي توضح صراحة أن نهج "فريق التحقيق" هذا ليس دائمًا أرخص أو أسرع. فبالنسبة للألعاب الثلاث التي لم يتمكن THEA من حلها بالكامل، ولبعض الألعاب الأسهل التي حلها، تسببت طبقة التحقق الإضافية أحيانًا في تكلفة أكبر من حيث الوقت والمال دون تغيير النتيجة النهائية. وجدت المؤلفة أن النظام يتألق عندما تكون اللعبة معقدة ويحتاج الروبوت إلى تغيير رأيه، ولكن يمكن أن يكون مبالغًا فيه للمهام البسيطة.
كما تشارك الورقة بعض "قصص الفشل" لإثبات أنها ليست مجرد تفاخر. في إحدى الحالات، كان لدى الروبوت محاكاة مثالية للعبة ولكنه كان لا يزال يفشل لأنه كان ينظر إلى الجزء الخطأ من الشاشة. وفي حالة أخرى، توصل الروبوت إلى القواعد الصحيحة، ولكن فقط بعد أن استنفد بالفعل جميع تحركاته، مما يثبت أن كونك على حق متأخرًا هو أمر سيء بقدر كونك مخطئًا.
في نهاية المطاف، يعلمنا THEA أنه لكي يكون الذكاء الاصطناعي ذكيًا حقًا، يجب أن يعامل فهمه للعالم كـ "فرضية" - تخمين يمكن إثبات خطئه. ومن خلال جعل عملية التحقق من تلك التخمينات وإصلاحها مرئية، وقابلة للتدقيق، ومسيطرًا عليها بواسطة "والد" مركزي، يمكن للنظام تجنب الوقوع في أخطائه الخاصة. إنها خطوة نحو بناء ذكاء اصطناعي لا يحفظ الأنماط فحسب، بل يفهم بالفعل قواعد اللعبة لدرجة تجعله يعرف متى يحتاج إلى إعادة كتابة كتاب القواعد.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.