في عالم الذكاء الاصطناي، تتعلم الآلات اتخاذ القرارات من خلال تجربة الأشياء وتذكر ما نجح منها. تخيل طالباً يدرس لاختبار ما، ويحتفظ بدفتر ملاحظات لكل سؤال أخطأ في إجابته. لكي يتعلم بشكل أسرع، قد يقرر التركيز فقط على الأسئلة التي أربكته أكثر من غيرها، ومراجعة تلك المسائل الصعبة مراراً وتكراراً. هذه هي الفكرة الأساسية وراء طريقة شائعة تُستخدم لتدريب الوكلاء الأذكياء: فهم يعيدون عرض تجارب الماضي، لكنهم يعطون الأولوية لتلك التي كانت توقعاتهم فيها خاطئة تماماً، آملين في إصلاح هذه الأخطاء بسرعة. لقد أصبح هذا النهج أداة معيارية لتعليم الحواسيب كيفية التنقل في المهام المعقدة، من لعب ألعاب الفيديو إلى التحكم في الروبوتات. ومع ذلك، تعتمد هذه الاستراتيجية على افتراض جوهري: وهو أن الارتباك يعني وجود شيء قيم لتعلمه. فإذا كان الارتباك ناتجاً عن ضوضاء عشوائية غير قابلة للتغيير بدلاً من كونه خطأً في الفهم، فإن التركيز عليها يصبح فخاً؛ حيث تظل الآلة عالقة في الهوس بأشياء لا يمكن التنبؤ بها أبداً، مما يهدر وقتها ويفشل في تعلم القواعد الفعلية للعالم.

لقد وضع فريق من الباحثين هدفاً لاستقصاء ما يحدث بالضبط عندما يصطدم استراتيجية التعلم هذه ببيئات مليئة بالعشوائية غير القابلة للتعلم. قاموا ببناء نظام جديد صُمم ليعمل كمرشح (فلتر)، يميز بين الأخطاء الناتجة عن نقص مهارة الوكيل والأخطاء الناتجة عن الصدفة المحضة. ومن خلال اختبار نظامهم في ثلاث سيناريوهات مختلفة تماماً، اكتشفوا حقيقة مذهلة حول كيفية تعلم الآلات. ففي بعض الحالات، عملت طريقة الترشيح الجديدة الخاصة بهم بشكل مثالي، مما ساعد الوكيل على تجنب الخطر والتعلم بشكل أسرع. وفي حالات أخرى، كانت الطريقة القديمة والبسيطة المتمثلة في التركيز على الأخطاء أفضل حالاً. ولكن في البيئات الأكثر فوضوية، وجدوا أن أذكى شيء يمكن للآلة فعله هو التوقف عن محاولة إعطاء الأولوية لأي شيء على الإطلاق، والاكتفاء بالتعلم من عينات عشوائية. يتحدى هذا الاكتشاف الاعتقاد السائد منذ فترة طويلة بأن التركيز على أصعب المشكلات هو دائماً أفضل طريقة للتعلم، ويكشف أن الاستراتيجية الأكثر فعالية أحياناً هي تجاهل الضوضاء تماماً والثقة في العشوائية.

بدأ الباحثون بفحص مشكلة يسمونها "تسمم TD" (TD-Poisoning). في أنظمة التعلم القياسية، يحسب الكمبيوتر "درجة مفاجأة" في كل مرة يضع فيها توقعاً. إذا كانت النتيجة مختلفة تماماً عما توقعه، تكون الدرجة عالية، فيقوم الكمبيوتر بحفظ تلك اللحظة لدراستها لاحقاً. يعمل هذا بشكل جيد عندما تكون المفاجأة ناتجة عن لغز صعب لم يحله الكمبيوتر بعد. ولكن في العالم الحقيقي، أو في العوالم المحاكية، غالباً ما توجد ضوضاء ثابتة - مثل شاشة تلفاز مليئة بالوشوشة - ليس لها علاقة بأفعال الوكيل. ولأن هذه الضوضاء عشوائية حقاً، لا يمكن للكمبيوتر التنبؤ بها أبداً. ومهما درس الكمبيوتر، ستظل درجة المفاجأة لهذه اللحظات الصاخبة مرتفعة دائماً. وقد وجد الباحثون أن أنظمة التعلم القياسية تتعرض للاختطاف بواسطة هذه الضوضاء؛ فهي تصبح مهووسة بهذه اللحظات غير القابلة للتعلم، وتعيد عرضها باستمرار بينما تتجاهل الأجزاء المهمة والقابلة للتحكم في البيئة. الأمر يشبه طالباً يقضي كل وقته في التحديق في ساعة مكسورة، محاولاً فهم سبب دقاتها العشوائية، بينما يتجاهل مسائل الرياضيات الفعلية التي يتعين عليه حلها.

ولإصلاح ذلك، طور الفريق طريقة جديدة تسمى "إعادة تشغيل الخبرة ذات الأولوية الموزونة بالميزات" (Feature-Weighted Prioritized Experience Replay). فبدلاً من استخدام "درجة المفاجأة" لتحديد ما يجب دراسته، بنوا مرشحاً خاصاً يبحث عن شيء آخر: البنية الفريدة للعالم التي يمكن للوكيل التحكم فيها بالفعل. استخدموا تقنية تجبر الكمبيوتر على فهم علاقة السبب والنتيجة بين أفعاله والنتائج. فإذا حدث تغيير في البيئة بغض النظر عما يفعله الوكيل، يتعلم النظام تجاهله. ومن خلال تجريد الضوضاء العشوائية، ينشئ النظام خريطة نظيفة ومنخفضة الأبعاد للعالم، ثم يستخدم هذه الخريطة لإيجاد لحظات نادرة ومثيرة للاهتمام تستحق التعلم منها حقاً. يعمل هذا النظام الجديد كحارس بوابة، يضمن أن الكمبيوتر يعطي الأولوية فقط للتجارب التي تقدم فرصة حقيقية للتحسن، بدلاً من تلك التي هي مجرد صاخبة إحصائياً.

اختبر الفريق هذا النهج الجديد مقابل الطريقة القديمة وطريقة بسيطة تختار التجارب بشكل عشوائي تماماً. أجروا تجاربهم في ثلاث بيئات متميزة لمعرفة كيف يتعامل كل نظام مع مستويات الصعوبة المختلفة. الاختبار الأول كان محاكاة قيادة عالية السرعة حيث يتعين على سيارة التنقل عبر حركة المرور. هنا، كان الهدف هو معرفة ما إذا كان النظام قادراً على تعلم القيادة بأمان دون تحطم. الطريقة القياسية، التي ركزت على أكبر الأخطاء، غالباً ما ارتبكت بسبب الطبيعة الفوضوية لحركة المرور وانتهى بها الأمر بالقيادة بحذر شديد، حيث تبطئ سرعتها لتجنب أي خطر. ومع ذلك، فإن النظام المفلتر الجديد تعلم التمييز بين تغيير المسار الروتيني والخطر الحقيقي، وتمكن من القيادة بسرعات عالية مع الحفاظ على معدل تحطم منخفض، مما أثبت قدرته على العمل كحارس ذكي للسلامة.

الاختبار الثاني كان مسألة فيزيائية بسيطة وقابلة للتنبؤ تماماً، حيث يتعين على سيارة صعود تلة. ولأن هذا العالم لا يحتوي على ضوضاء عشوائية، كانت "درجة المفاجأة" دليلاً مثالياً. في هذا العالم النظيف، كان نظام الفلترة الجديد يؤدي في الواقع بشكل أسوأ من الطريقة القياسية. ووجد الباحثون أن إضافة الفلتر المعقد كان أمراً غير ضروري وأدى إلى إبطاء عملية التعلم. كانت هذه النتيجة حاسمة لأنها أظهرت أن الطريقة الجديدة ليست حلاً عالمياً، بل هي أداة متخصصة مصممة للعوالم الفوضوية والمشوشة. فعندما يكون العالم واضحاً وقابلاً للتنبؤ، تظل الطريقة القديمة المتمثلة في التركيز على الأخطاء هي المسار الأكثر كفاءة.

أما الاختبار الثالث والأكثر دراماتيكية فقد تضمن محاكاة لهبوط مركبة فضائية تم إفسادها عمداً بكميات هائلة من الضوضاء العشوائية. أضاف الباحثون طبقة من الوشوشة النقية إلى البيانات المرئية، مما خلق سيناريو لا يمكن للكمبيوتر فيه التنبؤ باللحظة التالية. في هذه البيئة الفوضوية، فشلت الطريقة القياسية تماماً؛ فقد أصبح الكمبيوتر مهووساً جداً بالضوضاء العشوائية لدرجة أنه توقف عن تعلم أي شيء مفيد وتحطم مراراً وتكراراً. تمكن النظام المفلتر الجديد من التعافي، حيث نجح في تجاهل الضوضاء وتعلم كيفية هبوط المركبة الفضائية. ومع ذلك، جاء الاكتشاف الأكثر إثارة من الطريقة الأبسط: تلك التي تختار التجارب عشوائياً. في هذا العالم شديد الفساد، كانت الطريقة العشوائية هي الأفضل أداءً في الواقع. ولأنها لم تحاول إعطاء الأولوية لأي شيء، فقد كانت محصنة ضد الضوضاء. لقد قامت بأخذ عينات من العالم بشكل متساوٍ، متجنبة فخ الهوس الذي وقع فيه الأنظمة الأخرى.

أدى هذا الناتج بالباحثين إلى تحديد ما يسمونه "مفارقة التوزيع الموحد" (Uniform ER Paradox). فقد وجدوا أنه عندما تكون البيئة غارقة في ضوضاء غير قابلة للتعلم، فإن الاستراتيجية الأكثر متانة رياضياً هي التخلي عن جميع محاولات تحديد الأولويات. لقد أثبتت الحصانة الفطرية لأخذ العينات العشوائية تفوقها على أي مرشح خوارزمي معقد. وبينما استطاع النظام المفلتر الجديد إصلاح الضرر الناجم عن الضوضاء، إلا أنه لم يستطع التغلب على الكفاءة الخام لمجرد أخذ العينات بالتساوي. وهذا يشير إلى وجود حد أقصى لكمية الذكاء التي يمكن استخراجها من بيئة فوضوية؛ فإذا كانت الضوضاء كبيرة جداً، فإن أفضل استراتيجية ليست محاولة تصفيتها، بل قبول العشوائية والتعلم منها دون انحياز.

تخلص الدراسة إلى أنه لا توجد طريقة واحدة مثلى لتعليم الآلة، فالاستراتيجية الصحيحة تعتمد كلياً على طبيعة البيئة. في المواقف المعقدة وعالية المخاطر مثل القيادة، يعد وجود مرشح ذكي يتجاهل الضوضاء أمراً ضرورياً للسلامة والكفاءة. وفي العوالم النظيفة والقابلة للتنبؤ، يظل التركيز التقليدي على الأخطاء هو المسار الأكثر كفاءة. أما في مواجهة الفوضى القصوى وغير القابلة للتعلم، فإن الحركة الأكثر قوة هي التوقف عن محاولة أن تكون ذكياً بشأن ما تتعلمه، والتعلم من كل شيء بالتساوي. يوفر هذا العمل خريطة واضحة لما يجب إعطاؤه الأولوية، ومتى يجب الفلترة، ومتى يجب ترك العشوائية تقود الدفة، مما يقدم فهماً أعمق لكيفية تكيف الذكاء الاصطناعي مع واقع العالم الفوضوي.