← أحدث الأبحاث
💻 computer science

Causal-Reasoning World Models: Toward AI’s Subjectivity through Backward Generation

تقترح هذه الورقة تحولاً جذرياً من الاستدلال السببي القائم على الأسماء إلى الاستدلال القائم على الأفعال في الذكاء الاصطناعي، من خلال تقديم إطار عمل "توزيع التوقيت المحتمل" الذي يتيح نمذجة عالمية شبيهة بالوكيل واستنتاجاً مضاداً للواقع على المستوى الفردي، كما هو موضح من خلال مسارات مرضى سرطان الثدي، مما يضع الأساس النظري للذاتية في الذكاء الاصطناعي.

المؤلفون الأصليون: Jia Li, Vipin Kumar, Rui Zhang

نُشر 2026-10-05
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Jia Li, Vipin Kumar, Rui Zhang

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

على مدى عقود، تم تدريب أقوى أنظمة الذكاء الاصطناعي على التعرف على الأنماط من خلال معاملة العالم كمجموعة من الأشياء الثابتة. في هذه الرؤية، يكون المريض عبارة عن مجموعة من السمات الثابتة، والمرض هو تسمية محددة، والعلاج هو حدث متميز. يتعلم الكمبيوتر رسم خطوط بين هذه الأسماء، ويطرح أسئلة مثل: "إذا كان الشخص يعاني من هذا العرض، فهل من المحتمل أن يكون مصاباً بهذا المرض؟". لقد حقق هذا النهج نتائج مبهرة، لكنه يصطدم بسقف صعب؛ فهو يفترض أن العالم يتكون من أشياء يمكن تسميتها وعدّها، متجاهلاً حقيقة أن الحياة هي في الواقع تدفق من الأفعال والتغيرات. تكمن المشكلة في أنه من خلال حشر الواقع في صندوق من الفئات الثابتة، نفقد الشيء ذاته الذي يجعل السبب والنتيجة يعملان: وهو توقيت وعملية التغيير نفسها. نحن نعلم أن السبب يجب أن يحدث قبل النتيجة، لكن النماذج القياسية غالباً ما تجد صعوبة في فهم كيف يشكل هذا التوقيت النتيجة لشخص معين، بدلاً من مجرد حساب المتوسط لمجموعة كبيرة من الناس.

يقترح فريق من الباحثين في جامعة مينيسوتا تحولاً جذرياً في كيفية بناء هذه الأنظمة. فبدلاً من مطالبة الكمبيوتر بحفظ العلاقات بين الأشياء، هم يعلمونه التفكير من حيث الأفعال والاحتمالات. هم يسمون هذا الانتقال من النمذجة القائمة على "الأسماء" إلى النمذجة القائمة على "الأفعال". في هذا الإطار الجديد، لا يكتفي الذكاء الاصطناعي بتسجيل أن المريض تناول دواءً ثم مرض، بل يبني عالماً افتراضياً حيث يمكنه العمل بشكل عكسي من المرض ليتخيل كل الطرق المختلفة التي كان من الممكن أن تؤدي إلى تلك النتيجة. إنه يتساءل: "ماذا لو تم تناول الدواء في وقت مختلف؟ ماذا لو كان للمريض تاريخ طبي مختلف؟". ومن خلال توليد هذه السيناريوهات البديلة، يبني الذكاء الاصطناعي "نموذج عالم" يوجد داخل الكمبيوتر، بشكل مستقل عن العالم المادي. وهذا يسمح له بالتفكير في السبب والنتيجة بطريقة تشبه الحدس البشري، حيث ندرك أن الفعل نفسه يمكن أن يؤدي إلى نتائج مختلفة اعتماداً على متى وكيف يحدث.

اختبر الباحثون هذه الفكرة باستخدام سجلات طبية حقيقية لـ 3,276 مريضة بسرطان الثدي. أرادوا معرفة ما إذا كان بإمكان الذكاء الاصطناعي اكتشاف أنماط خفية في كيفية انتقال هؤلاء المريضات عبر رحلات علاجهن. في التحليل التقليدي، يبحث الباحثون عن مسار واحد متوسط يتبعه معظم المرضى. لكن النظام الجديد عمل بشكل مختلف؛ فقد بدأ بالنتيجة النهائية — إصابة المريضة بأمراض القلب، وهي مضاعفات خطيرة لعلاج السرطان — وعمل بشكل عكسي لتوليد آلاف الجداول الزمنية المحتملة التي كان من الممكن أن تؤدي إلى ذلك. لم ينظر النظام إلى ترتيب الأحداث فحسب، بل أولى اهتماماً وثيقاً بالتوقيت المحدد لكل خطوة. ووجد النظام أنه يمكنه تلقائياً تحديد مجموعات متميزة من المريضات اللواتي يتشاركن مسارات علاجية متشابهة وهامة، رغم أن تلك المسارات لم تكن واضحة عند النظر إلى البيانات ككل.

كان أحد النتائج الأكثر إثارة للدهشة هو قدرة النظام على رصد أهمية متى حدثت الأشياء، وليس فقط ماذا حدث. على سبيل المثال، حدد الذكاء الاصطناعي لحظات محددة في علاج المريضة حيث أصبح توقيت العلاج أمراً حاسماً. لاحظ أنه بالنسبة لبعض المريضات، كان تناول دواء معين في نقطة معينة في جدولهن الزمني مؤشراً قوياً على مشاكل القلب، بينما بالنسبة لأخريات، كان نفس الدواء في وقت مختلف لا يعني شيئاً. بل استطاع النظام أيضاً محاكاة سيناريو "ماذا لو" لمجموعة محددة مكونة من ثلاث عشرة مريضة تشاركن تاريخاً معقداً من السكري وارتفاع ضغط الدم قبل علاج السرطان. ومن خلال تشغيل المحاكاة بشكل عكسي، استنتج الذكاء الاصطناعي أن تأخير الجولة الثالثة من العلاج الموجه قد يقلل بشكل كبير من خطر إصابتهن بأمراض القلب. لم يكن هذا تخميناً بناءً على قاعدة عامة، بل كان استنتاجاً مستمداً من أنماط التوقيت الفريدة لتلك المجموعة الصغيرة.

يشير هذا العمل إلى أن مستقبل الذكاء الاصطناعي في الطب يكمن في قدرته على التعامل مع القصص الفردية بدلاً من مجرد متوسطات السكان. ويؤكد الباحثون أن نظامهم ليس نسخة مثالية بعد من الوعي البشري، ولكنه خطوة أولى ضرورية نحو منح الذكاء الاصطناعي شكلاً من أشكال "الذاتية" — أي القدرة على احتلال موقع نسبي بالنسبة للعالم الذي يدرسه، بدلاً من مجرد مراقبته من الخارج. ومن خلال بناء هذه العوالم الافتراضية حيث يمكنه اختبار ملايين الاحتمالات دون أي خطر على المرضى الحقيقيين، يمكن للذكاء الاصطناعي تقديم فرضيات حول السبب والنتيجة قد تغفل عنها الإحصاءات التقليدية. وجد الفريق أن هذا النهج فعال بشكل خاص للأمراض النادرة أو الحالات المعقدة حيث تكون مجموعات المرضى أصغر من أن تجد الطرق التقليدية إجابات واضحة. وبينما لا يزال النظام يتطلب خبراء بشريين لتفسير نتائجه والتحقق من صحتها، فإنه يوفر أداة جديدة لطرح أسئلة كانت في السابق غير قابلة للإجابة، محولاً الكمبيوتر من مسجل سلبي للحقائق إلى مستكشف نشط للاحتمالات.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 💻 cs →