الذكاء الاصطناعي الذي علّم نفسه: كيف كسر باحثو جامعة USC حاجز “البيانات المفقودة”؟
لطالما كان الذكاء الاصطناعي، برغم قوته المبهرة، يشبه التلميذ المتفوق الذي يحفظ الكتاب عن ظهر قلب؛ إذا سألته عما هو موجود في الصفحات أجابك بدقة، ولكن إذا سألته عن شيء لم يذكره الكتاب، فإنه يقف عاجزاً. هذه هي المعضلة الكبرى التي واجهت العلماء لعقود: الذكاء الاصطناعي لا يعرف إلا ما رآه مسبقاً.
لكن دراسة حديثة من جامعة جنوب كاليفورنيا (USC) نشرت في مارس 2026، تحت عنوان “الذكاء الاصطناعي الذي علّم نفسه”، كشفت عن منهجية ثورية تسمح للنماذج الذكية بتعلم مفاهيم ومهارات لم تكن موجودة في بيانات تدريبها الأساسية.
قلب الثورة: التعلّم وراء حدود البيانات
عادةً، يحتاج الذكاء الاصطناعي إلى ملايين الأمثلة (بيانات ضخمة) ليتعلم مهام بسيطة. إذا أردت منه التعرف على “القطط”، يجب أن تريه آلاف الصور للقطط. ولكن ماذا لو طلبنا منه تخيل كائن فضائي بصفات محددة لم يسبق لبشري تصويرها؟ هنا تظهر الفجوة.
الباحثون في USC طوروا تقنية تسمح للذكاء الاصطناعي بـ “الاستقراء الذاتي”. بدلاً من الاعتماد الكلي على التلقين، أصبح بإمكان النموذج بناء نماذج منطقية داخلية تسمح له بـ “ملء الفراغات”.
كيف يعمل هذا الابتكار؟
تعتمد الدراسة على مفهوم مشابه للطريقة التي يتعلم بها البشر. نحن لا نحتاج لرؤية كل حفرة في العالم لنتعلم كيف نتجنب السقوط؛ نحن نفهم مبدأ “الجاذبية” و”التوازن”، ومن ثم نطبق هذا المفهوم على أي موقف جديد.
تفكيك المفاهيم: يقوم الذكاء الاصطناعي بتفكيك المعلومات المعقدة إلى وحدات بناء أساسية (مثل الأشكال، الحركات، والمنطق الفيزيائي).
إعادة التركيب الإبداعي: يستخدم هذه الوحدات لبناء سيناريوهات جديدة تماماً لم تكن جزءاً من برمجته الأصلية.
التصحيح الذاتي: يختبر النموذج استنتاجاته مقابل القوانين المنطقية التي تعلمها، مما يجعله “يعلم نفسه” دون الحاجة لتدخل بشري مستمر.
لماذا يعتبر هذا الإنجاز “تاريخياً”؟
1. حل مشكلة “ندرة البيانات”
في مجالات مثل الطب النادر أو استكشاف أعماق الفضاء، لا نملك “بيانات ضخمة”. نحن نمتلك معلومات قليلة جداً. هذه التقنية تفتح الباب أمام الذكاء الاصطناعي ليعمل في هذه المناطق المجهولة، حيث يمكنه “توقع” النتائج بناءً على فهم عميق للقواعد بدلاً من مجرد تكرار الأنماط.
2. كسر “الصندوق الأسود”
أحد أكبر الانتقادات للذكاء الاصطناعي هو أننا لا نعرف كيف يتخذ قراراته (مشكلة الصندوق الأسود). دراسة USC تساهم في جعل الذكاء الاصطناعي أكثر شفافية، لأن عملية “التعلم الذاتي” تعتمد على مسارات منطقية يمكن تتبعها وفهمها.
3. خطوة جبارة نحو الذكاء الاصطناعي العام (AGI)
الهدف النهائي لعلماء الكمبيوتر هو الوصول إلى ذكاء اصطناعي يمكنه حل أي مشكلة مثل البشر. القدرة على “تعلم ما لم يعرفه أبداً” هي حجر الزاوية في هذا الطريق.
تطبيقات عملية من واقع الدراسة
أشار الباحثون إلى أن هذا النموذج الجديد يمكن استخدامه في:
الروبوتات: لتتمكن من التعامل مع تضاريس كوكبية أو بيئات كوارث لم تتدرب عليها من قبل.
اكتشاف الأدوية: عبر تخيل تفاعلات كيميائية لمركبات لم يتم تصنيعها مخبرياً بعد.
الأمن السيبراني: عبر التنبؤ بأنواع جديدة من الهجمات البرمجية قبل أن يخترعها المتسللون.
دراسة باحثي جامعة جنوب كاليفورنيا تخبرنا بوضوح: عصر التلقين قد انتهى، وعصر التفكير الآلي قد بدأ. الذكاء الاصطناعي لم يعد مجرد مرآة تعكس ذكاءنا، بل بدأ يطور “خيالاً” منطقياً خاصاً به، مما يجعله شريكاً حقيقياً في حل أعقد أزمات البشرية.
