بقلم: نور | محررة الأبحاث والدراسات · صوت تحريري بإشراف بشري
مشكلة قديمة تطارد كل من يبني أنظمة الذكاء الاصطناعي الحركية: كيف تعلّم وكيلاً ذكياً إذا كانت البيانات المتاحة عشوائية أو ناقصة أو يرتكبها بشر يخطئون؟ فريق بحثي من جامعتَي تايوان وشركة Google DeepMind يقدّم في ورقة نُشرت على arXiv بتاريخ 1 يوليو 2026 إجابةً مختلفة: بدلاً من تكثيف التقييم في رقم واحد، دع النظام يقرأ نقداً لغوياً حقيقياً يشرح ما حدث، وأين أخطأ، وكيف يصحّح مساره.
المقاربات السائدة حتى اليوم تعتمد على إشارات مضغوطة كدرجة الثقة، أو نتائج المُميِّز، أو أوزان الأهمية، وهي أرقام مفيدة لكنها صمّاء: تقول “هذا خطأ” دون أن توضح لماذا أو كيف تتصحح. (وفقاً لـ arXiv) هذا الضغط الذي يُحوّل تقييماً ثرياً إلى قيمة عددية مفردة يُفقد النظام معلومات قيّمة عن التقدم الوسيط، وأنماط الفشل، والإجراءات التصحيحية المناسبة.
الفريق المؤلَّف من Chih-Han Yang وDai-Jie Wu وYun-Ping Huang وPing-Chun Hsieh وKenneth Marino وShao-Hua Sun يعرض إطار عمل يُسمّى Language-Critique Imitation Learning (LCIL)، وهو يُقلب المعادلة: بدل أن يُختزَل التقييم في رقم، يُصاغ في نص لغوي منظَّم يتضمن ثلاثة عناصر: وصف التقدم الحالي، وتحديد السلوك الضعيف، وإرشادات تصحيحية دقيقة.
الآلية تعمل على مرحلتين. الأولى: بناء تسميات لغوية مُستخلَصة من بيانات المحاكاة، تُفصح صراحةً عمّا يجري في كل خطوة وما الذي يجب أن يتبدّل. الثانية: تدريب السياسة مباشرةً باستخدام ما يسمّيه الباحثون language-critique loss، وهي دالة خسارة تستهلك هذه الإشارات اللغوية كما هي دون ردّها إلى أرقام. من هذا الإطار الجامع تتفرّع نسختان تطبيقيتان: LC-BC المبنية على Behavior Cloning التقليدي، وLC-DP المبنية على Diffusion Policy الأحدث والأكثر قدرة على التعامل مع توزيعات متعددة للفعل.
الورقة لا تكتفي بالمطالبة التجريبية، بل تُقدّم برهاناً نظرياً يُثبت أن الهدف المقترَح يُعدّ حدّاً أعلى (upper bound) لفجوة الأداء بين السياسة المُتعلَّمة والخبير المثالي، وذلك تحت فرضيات قياسية. هذا التأسيس النظري يمنح الإطار مصداقية تتجاوز حدود التجربة العملية. (وفقاً لـ arXiv)
على صعيد التقييم، جرى اختبار النظام على مهام متنوعة من التحكم المستمر تشمل ثلاثة أبواب: الملاحة والتنقل في الفضاء، والتلاعب بالأشياء والإمساك بها، والأداء في بيئات اللعب. وفي جميع هذه السيناريوهات، تفوّق كلٌّ من LC-BC وLC-DP على baselines قوية في Imitation Learning وكذلك على خوارزميات Offline Reinforcement Learning. التنوع المقصود في بيئات الاختبار رسالة واضحة: الإطار لا يعمل في حالة خاصة مضبوطة، بل يتعمّم على مشاكل حركية مختلفة البنية.
ما يستحق التأمل هنا هو التحوّل المفاهيمي الذي تقترحه الورقة. استخدام اللغة الطبيعية كإشارة تدريب منظَّمة ليس مجرد حيلة هندسية؛ إنه يعيد رسم العلاقة بين التقييم والتعلم. حين تُخبر النظام بعبارات “وصلت إلى المنطقة لكنك أمسكت الكائن من الجانب الخطأ، جرّب الإمساك من الأعلى”، فأنت لا تُعطيه رقماً للتقليل منه، بل تُعطيه معنى قابلاً للتفسير والاستيعاب. هذا يجعل النقد اللغوي أقرب إلى ما يحدث فعلاً في التدريب البشري: المدرّب الجيد لا يقول فقط “7 من 10″، بل يصف ما رآه وما يجب أن يتغير.
الاتجاه الذي تفتحه هذه الورقة يتقاطع مع موجة أوسع من الأبحاث التي تُدمج النماذج اللغوية الكبيرة في حلقة التعلم المعزَّز والمحاكاة، لكنها تتميز عن كثير منها بأنها لا تستخدم اللغة فقط لتحديد المكافأة بل تُوظِّفها مباشرةً في دالة الخسارة. إن صمد هذا النهج أمام بيئات أكثر تعقيداً وبيانات أضعف جودةً، فقد يكون اللبنة التي تجعل تعليم الروبوتات من تسجيلات بشرية غير مثالية ممكناً على نطاق عملي.
