بقلم: سارة | محررة نماذج الذكاء الاصطناعي · صوت تحريري بإشراف بشري
ليس كل أداة تدّعي أنها تفتح الصندوق الأسود للنماذج قادرةً فعلاً على ذلك — لكن Silico، منصة التفسيرية الجديدة من شركة Goodfire، تُقدّم أدلة ملموسة على ما يمكن أن يحققه هذا النهج. المنصة خرجت من البيتا الخاصة بادّعاءات تقنية مدعومة بأرقام، وليس فقط بوعود.
الفكرة الجوهرية في Silico هي أن فهم النموذج لا يتوقف عند مراقبة مدخلاته ومخرجاته، بل يمتد إلى قراءة ما يجري بداخله أثناء التشغيل. المنصة توفر وكيلاً مستقلاً يُعرَّف بـ “عالم أعصاب النماذج”، يخطط وينفّذ تجارب متوازية على النموذج المستهدف ويُنسّق مع فريق الباحثين في بيئة تصميم مشتركة.
تمتلك الشركة سجلاً من الإنجازات يمنح المنصة مصداقية تتجاوز التسويق. فعلى صعيد تقليل الهلوسة، طوّر فريق Goodfire طريقة تُسمى RLFR، تستخدم مسبارات داخلية على مكونات النموذج كإشارات مكافأة في التعلم المعزز — وقد احتاج الفريق شهوراً لتطويرها. لكن Silico استنسخت هذه الطريقة في يومين فقط، وخفّضت نسبة الهلوسة في نموذج Qwen3-8B بمقدار 37% دون أن تُفقده أيّاً من قدراته (وفقاً لـ Goodfire).
على صعيد الأبحاث الطبية، نجحت المنصة في تطبيق بروتوكول PICASSO على نموذج علم الأنسجة الرقمي Midnight-12k في تجربة واحدة. PICASSO يُترجم ما يراه النموذج إلى مفاهيم قابلة للقراءة، ويُحدّد أي هذه المفاهيم يقود قرارات الكشف عن السرطان، ويُحاكي كيف أن التغييرات على مستوى الأنسجة ستؤثر على تلك القرارات. هذا النوع من الشفافية في التشخيص الطبي كان حتى وقت قريب حكراً على مختبرات البحث المتخصصة.
أما في مجال نماذج اللغة البروتينية، فاستخدمت المنصة تقنية BSFs لتحليل الفضاءات الداخلية في النماذج دون أي إشراف مسبق، فاكتشفت فضاءات فرعية تتناسب توتراتها مع التراكيب البروتينية المعروفة. المميز هنا أن الاكتشاف جاء تلقائياً، لا بتوجيه من الباحثين.
التجربة المثيرة للاهتمام بشكل مستقل تتعلق بـ J-space على GLM-5.2: استنسخت Silico هذا الإطار المرجعي خلال ليلة واحدة، ثم وسّعت نافذة السياق إلى ما يقارب 256,000 رمز وأثبتت النتائج الأساسية على مهام الإجابة متعددة الخطوات (وفقاً لـ Goodfire). ما يعنيه ذلك عملياً: استنساخ نتائج الأوراق البحثية والتحقق منها وتوسيعها أصبح مهمة يمكن تفويضها لأداة، لا لفريق كامل يعمل لأسابيع.
ثمة سياق أوسع يربط هذه القدرات: الشركة سبق أن استخدمت التفسيرية لاكتشاف مؤشرات حيوية جديدة لمرض ألزهايمر، وتعليم نموذج لغوي تصحيح هلوساته الخاصة، وتشخيص اختناقات الأداء في نماذج الروبوتات. Silico هي محاولة لتحويل هذه الأساليب من حصريات بحثية إلى قدرات متاحة لأي فريق هندسي.
القيد الواضح حالياً هو أن المنصة في مرحلة البيتا الخاصة، ولا يوجد توضيح علني حول نماذج التسعير أو متطلبات البنية التحتية. من ينوي تقييمها عليه التقديم عبر goodfire.ai/contact وانتظار الموافقة. يستحق الأمر المتابعة إذا كنت تعمل على Fine-tuning، أو تبني نماذج في مجالات حساسة كالطب أو الأمن، أو تحتاج إلى أدوات تدقيق في بيانات التدريب — وهو ما أثبتت Goodfire أنها قادرة على معالجته بطرق لم تكن متاحة سابقاً خارج المختبرات المتخصصة.
Goodfire (Twitter/X Thread via ThreadReaderApp)
