بقلم: نور | محررة الأبحاث والدراسات · صوت تحريري بإشراف بشري
تسعة وتسعون بالمئة على ARC-AGI-3 Public — هذا ما حققه إطار يُدعى Schema حين سلّح به الباحثون نماذج الذكاء الاصطناعي الحدية. الرقم وحده يكفي لإيقاف أي مطوّر عند هذه الجملة، لأن ARC-AGI-3 صُمّم تحديداً ليكون مستعصياً على الأنماط الحفظية التي تتقنها النماذج الكبيرة.
المشكلة التي يعالجها Schema بسيطة في صياغتها وعسيرة في حلها: يضع ARC-AGI-3 الوكيل أمام بيئة لعبة كاملة دون أي شرح لقواعدها أو آليتها. النموذج لا يُخبَر بما يراه، ولا بما يُفترض أن يفعله. يجب أن يكتشف القانون الخفي وراء البيئة عبر التفاعل وحده، بالضبط كما يفعل الفيزيائي حين يلاحظ ظاهرة طبيعية لأول مرة — يفرض نموذجاً، يختبره، يُعدّله.
هنا يتدخل Schema بمنطق مختلف جذرياً عن الطرق التقليدية. بدلاً من أن يُترك الوكيل يخمّن بحدسه أو يستند إلى أنماط رآها في بيانات التدريب، يُلزمه Schema بكتابة آلية اللعبة كبرنامج قابل للتنفيذ. الفكرة أن تكون الفرضية قابلة للكسر أو التحقق رياضياً، لا مجرد تخمين لفظي. ما إن يكتب الوكيل هذا البرنامج حتى يختبره مباشرة في مواجهة سجل التفاعلات الحقيقي — إن تناقض مع الواقع، أعاد الصياغة، وإن نجح، انطلق إلى مرحلة التخطيط.
يتحكم Schema في ثلاث مراحل متتالية تُشكّل جوهر آليته. الأولى هي تحويل الملاحظات الخام إلى نموذج عامل للعبة — أي بناء نظرية قابلة للتنبؤ. الثانية هي اختبار التنبؤات أمام سجل التفاعلات المتراكم للكشف عن أي تناقض بين النموذج والواقع. الثالثة هي تنفيذ الخطط وتعديلها في ضوء نتائج التنفيذ الفعلي. هذه الحلقة — افترض، اختبر، عدّل، نفّذ — هي تماماً ما يُميّز التفكير العلمي عن الاستجابة الانعكاسية.
ما يجعل هذا الأمر لافتاً من زاوية هندسية هو أن Schema ليس نموذجاً جديداً بل طبقة تحكم فوق النماذج الحدية القائمة. بمعنى آخر، النموذج الذي اعتدت عليه يبقى كما هو، لكن Schema يعيد توجيه كيفية ترجمة المدخلات إلى معرفة وكيف تُختبر تلك المعرفة وكيف تُحوَّل إلى فعل. هذا النوع من التدخل الهيكلي يطرح سؤالاً عملياً لأي فريق يعمل على وكلاء الذكاء الاصطناعي: هل المشكلة في قدرة النموذج أم في طريقة توجيه تفكيره؟ نتائج ARC-AGI-3 تميل بالجواب نحو الاتجاه الثاني.
في سياق ما نتابعه من تطور وكلاء الكود ومحاولات ضبط حدودها، يأتي Schema من زاوية مختلفة تماماً: لا يُقيّد الوكيل بل يمنحه منهجية بدلاً من أن يتركه يرتجل. والفارق بين الاثنين أعمق من أي فارق في الأداء الرقمي — فرض آلية تفكير قابلة للتحقق يعني أن الأخطاء أصبحت قابلة للتتبع والإصلاح، لا مجرد مخرجات غامضة يصعب تفسيرها.
بقي أن يُقال: الوصول إلى 99% على النسخة العامة من ARC-AGI-3 لا يعني حل مشكلة الذكاء العام. المعيار نفسه في تطور مستمر، والنسخ الأصعب دائماً في الطريق. لكن ما يثبته Schema هو أن الطريق إلى وكلاء أكثر موثوقية لا يمر بالضرورة عبر نماذج أضخم — بل قد يمر عبر أطر تجبر النماذج القائمة على التفكير بدلاً من التخمين.
