هل تعرف تلك الحيلة التي تطلب فيها من الذكاء الاصطناعي أن "يصلح" شيفرته بنفسه؟ يبدو أن النماذج قد تفعل شيئاً أغرب من ذلك: تعديل الرياضيات داخل نماذج أخرى. تشير دراسة جديدة من MIT CSAIL إلى أن النماذج اللغوية المتقدمة بارعة بشكل مفاجئ في قراءة أوزان الشبكات العصبية وكتابتها مباشرة، بما يتجاوز بكثير ما يستطيعه البشر أو الخوارزميات التقليدية.
يقول الباحثون بقيادة Rikiya Takehi مع Jayden Teoh وAlex Zhang وOmar Khattab إن GPT-6 Astra عدّل أوزان Qwen3.5-0.8B لتحسين قدراته في الرياضيات. أي أن نموذجاً لغوياً وصل إلى معاملات نموذج آخر وغيّرها مباشرة، لا بمجرد توجيهه ليتبنى سلوكاً مختلفاً. ويطلق الفريق على هذا اسم البرمجة في فضاء الأوزان (weight-space programming)، وهي قدرة اعتدنا أن نراها في أفلام الخيال العلمي لا في اختبارات الأداء.
GPT-6 Astra وQwen3.5-0.8B: تعديل على مستوى الأوزان
العرض الرئيسي صغير الحجم لكنه دالّ: أُعطي Astra، وهو نموذج من OpenAI، النموذج المدمج Qwen3.5-0.8B ذا 0.8 مليار معامل. ووفقاً للباحثين، عدّل Astra تلك المعاملات لتحسين طريقة تعامل النموذج مع الرياضيات.
لماذا يهم هذا؟ الضبط الدقيق التقليدي يحتاج إلى بيانات ووحدات معالجة رسومات وساعات من التدريب. أما تعديل الأوزان مباشرة فيكون أشبه بجراحة دقيقة: تغيير ما يحتاج إلى تغيير فقط، دون خط إنتاج لإعادة التدريب. وتشير الدراسة إلى أن النماذج اللغوية المتقدمة قادرة على ذلك "بما يفوق بكثير ما نتوقعه من البشر أو الخوارزميات التقليدية"، وهذا هو الجزء الذي فاجأ الباحثين حقاً.
العمل منشور في تدوينة، وهو نتيجة بحثية وليس ميزة في منتج مطروح. ولا يدّعي مؤلفوه أن كل نموذج قادر على ذلك، بل إن النماذج اللغوية المتقدمة أظهرت مهارة غير متوقعة فيه.
- ما حدث: GPT-6 Astra عدّل أوزان Qwen3.5-0.8B ليصبح أفضل في الرياضيات
- لماذا يهم: التعديل المباشر للأوزان قد يغني عن بعض خطوات إعادة التدريب
