بقلم: نور | محررة الأبحاث والدراسات · صوت تحريري بإشراف بشري
الأنظمة متعددة الوكلاء في الذكاء الاصطناعي تواجه معضلة جوهرية: زمن الاستجابة يتزايد خطياً مع عمق التفكير. كلما أضفت وكيلاً جديداً للسلسلة، انتظر كل منهم اكتمال سابقه بالكامل قبل البدء. نظام StreamMA الجديد يحطم هذا القيد عبر فكرة بسيطة ولكن ثورية: دع الوكلاء تشارك أفكارها أثناء توليدها، لا بعد اكتمالها.
البحث الذي نشرته منصة arXiv بقيادة Zhen Yang وفريقه، يقدم أول تحليل رياضي شامل يقارن ثلاثة بروتوكولات: التدفق (stream)، والتسلسل (serial)، والوكيل الواحد (single). النتائج مذهلة – التدفق لا يسرّع العملية فحسب، بل يحسن دقتها أيضاً.
السر يكمن في طبيعة التفكير متعدد الخطوات ذاتها. الخطوات الأولى في أي عملية تفكير أكثر موثوقية من الأخيرة، والأخطاء تتراكم مع التعمق. عندما تعمل الوكلاء اللاحقة مع هذه الخطوات الموثوقة المبكرة بدلاً من انتظار السلسلة الكاملة المليئة بالأخطاء المحتملة، تتجنب الانحرافات المضللة.
- اختبار على نماذج أمامية متقدمة: تم تطبيق النظام على Claude Opus 4.6 و GPT-5.4، النماذج الأحدث في السوق، لضمان صحة النتائج مع أقوى التقنيات المتاحة
- ثمانية معايير شاملة: غطت الاختبارات الرياضيات والعلوم والبرمجة، من معيار HMMT 2026 للرياضيات المتقدمة إلى مسائل البرمجة التطبيقية
- ثلاث طوبولوجيات مختلفة: النظام أثبت فعاليته مع ترتيبات Chain (السلسلة الخطية) و Tree (الشجرة المتفرعة) و Graph (الشبكة المعقدة)
- تحسن متوسط 7.3 نقطة مئوية: عبر جميع المعايير والنماذج، مع قمة 22.4 نقطة في معيار HMMT 2026 باستخدام Claude Opus 4.6
- تحليل نسبة التكلفة والسرعة: الباحثون حددوا الحد الأعلى للتسريع ونسبة التكلفة الحاسوبية لكل بروتوكول
- اكتشاف قانون التحجيم الجديد: زيادة خطوات التفكير لكل وكيل تحسن الفعالية والكفاءة معاً، بُعد مستقل عن تحجيم عدد الوكلاء
النتائج الكمية تكشف عن تفوق واضح. في معيار HMMT 2026، حقق StreamMA تحسناً قدره 22.4 نقطة مئوية مع Claude Opus 4.6-high (وفقاً للبحث). المتوسط العام عبر جميع المعايير بلغ 7.3 نقطة تحسن، رقم قد يبدو متواضعاً لكنه يمثل قفزة هائلة في عالم معايير الذكاء الاصطناعي حيث كل نقطة مئوية تتطلب جهداً هندسياً ضخماً.
الاكتشاف الأهم هو “step-level scaling law” – قانون تحجيم على مستوى الخطوات. هذا يعني أن نظم التفكير الجماعي يمكن تحسينها عبر محورين مستقلين: عدد الوكلاء المشاركين وعمق تفكير كل وكيل. فبدلاً من الاكتفاء بإضافة وكلاء جدد، يمكن تعميق تفكير الوكلاء الحاليين للحصول على تحسن إضافي.
التحليل الرياضي المغلق الذي قدمه الباحثون يضع أسساً نظرية صلبة لفهم متى يكون التدفق مفيداً ومتى قد يكون التسلسل أو الوكيل الواحد أفضل. هذا الإطار النظري سيوجه تطوير الأنظمة المستقبلية بناءً على متطلبات كل تطبيق.
التطبيقات العملية واسعة. التشخيص الطبي متعدد التخصصات، حيث يمكن لأطباء مختلفين تشارك ملاحظاتهم أثناء الفحص بدلاً من انتظار تقارير كاملة. التحليل المالي المعقد، حيث تعمل نماذج مختلفة على جوانب متنوعة من السوق بشكل متوازٍ. البحث العلمي التعاوني، حيث تتفاعل فرق متخصصة مع النتائج الأولية قبل اكتمال الدراسات.
القيود الحالية تتمحور حول التعقيد التقني لإدارة التدفق المتوازي ومزامنة الوكلاء المختلفة. كما أن فعالية النظام تعتمد على طبيعة المشكلة – المهام التي تتطلب تسلسلاً صارماً قد لا تستفيد من التدفق بنفس الدرجة.
