أربع شخصيات، إجابة واحدة: لماذا هزم التفكير غير المتجانس أفضل ذكاء اصطناعي في أصعب اختبار للبشرية

أكثر أنظمة الذكاء الاصطناعي دقة في اختبار البشرية الأخير لا يفكر مثل معظم الناس. إنه يفكر مثل أربعة أشخاص مختلفين. أحدهم يبحث عن أخطاء في كل ما ينتجه الآخرون. وآخر يخطط مسبقًا قبل كتابة أي شيء. وثالث يستكشف مسارات متعددة بدقة منخفضة. ورابع يجيب مباشرة. طبقة نهائية تقرر أي منظور يجب الوثوق به، أو ما إذا كان يجب مزجها.

الإطار، المسمى PoTRE (مجموعات التفكير متعدد الطوبولوجيا)، تم تقديمه في نسخة أولية نُشرت على arXiv في 22 يوليو 2026. جوهر فكرته هو أن مشاكل التفكير المعقدة تستفيد من عدم التجانس المعرفي، أنماط تفكير متعددة تعمل بالتوازي، بدلاً من توسيع نطاق نموذج واحد إلى أحجام أكبر أو إعطائه رموز استدلال أكثر.

الرقم الرئيسي يصعب تجاهله: 49.92% دقة في اختبار البشرية الأخير (HLE)، وهو معيار مصمم ليكون صعبًا للغاية، يعتمد على أسئلة على مستوى الدراسات العليا عبر الفيزياء والرياضيات والقانون والطب والفلسفة. أفضل نتيجة رسمية سابقة، حققها نموذج متجانس أكبر بكثير، تم تجاوزها الآن. لا تذكر الورقة صاحب الرقم القياسي السابق، لكن الفجوة كبيرة بما يكفي ليدعوها المؤلفون حالة فنية جديدة.

سجل PoTRE أيضًا على ARC-AGI-2، وهو معيار التفكير البصري الذي يكافئ التكيف مع الأنماط الجديدة، وPRBench Finance، الذي يختبر التخطيط والرضا عن القيود تحت قواعد المجال. تذكر الورقة أن البنية غير المتجانسة تحقق نتائج محسنة باستخدام رموز استدلال إجمالية مماثلة أو أقل مقارنة بالخطوط الأساسية المتجانسة التي تم توسيعها بشكل كبير، وهي حجة كفاءة مباشرة تتعارض مع اتجاه الصناعة لبناء نماذج أكبر بشكل متزايد.

كيف يعمل PoTRE: أربعة وكلاء، مُوفِّق واحد

يقوم الإطار بفصل الاستدلال إلى أربعة وكلاء متخصصين:

• وكيل التحسين العدائي، ينتج إجابة أولية، ثم يبحث بنشاط عن عيوب فيها. هذه ليست مجرد مراجعة بسيطة؛ الوكيل مدرب على لعب دور محامي الشيطان ضد مخرجاته الخاصة، منتجًا حججًا مضادة وحالات حافة قد يفوتها الوكلاء الآخرون.
• وكيل التخطيط الاستراتيجي الهرمي، يحلل المشكلة إلى أهداف فرعية أولاً، ثم يحل كل هدف فرعي بالتسلسل. هذا الوكيل مصمم للمهام التي تتطلب تخطيطًا طويل الأجل، حيث تخاطر الإجابة المباشرة بتخطي التفكير الوسيط الحرج.
• وكيل البحث الطيفي، يستكشف مسارات حل متعددة بدقة خشنة، متبادلًا العمق بالاتساع. يهدف إلى إيجاد اتجاهات واعدة بسرعة بدلاً من إنتاج إجابة نهائية مصقولة.
• وكيل السلسلة المباشر، ينتج إجابة سلسلة تفكير قياسية، ليكون بمثابة خط أساس يجب على الوكلاء الآخرين تجاوزه. إنه أبسط وكيل وأسرعهم.

تتغذى مخرجات جميع الوكلاء الأربعة إلى طبقة التجميع التكيفية مع المهمة، التي تحتوي على ثلاثة أوضاع: اختيار المرشح النهائي (اختيار إجابة وكيل واحد)، التركيب الدلالي (دمج أفضل أجزاء من إجابات متعددة)، أو التحقق العصبي الرمزي (إجراء فحص اتساق منطقي، ثم الاختيار أو المزج). يتم تدريب طبقة التجميع لكل عائلة مهام، مما يعني أن مزيج الوكلاء يتغير اعتمادًا على ما إذا كانت المشكلة لغزًا منطقيًا، أو برهانًا رياضيًا، أو تمرين تخطيط مالي.

هذا ليس متعدد الوكلاء بمعنى أن الوكلاء يتحدثون مع بعضهم البعض في حلقة. كل وكيل ينتج إجابة مستقلة؛ لا يوجد نقاش متبادل بين الوكلاء. يأتي التنوع من التفكير المتوازي المنفصل، وليس من الحوار.

لماذا هذا مهم يتجاوز درجة المعيار

ادعاء الكفاءة هو الجزء الأكثر إثارة للجدل في الورقة. معظم الأعمال المتعلقة بتحسين دقة التفكير تعاملت مع الاستدلال كمورد مكلف: استخدام رموز أكثر، تشغيل مزيد من عمليات البحث، أخذ عينات من مرشحين أكثر. يوحي PoTRE بأن بنية التفكير أهم من عدد الرموز المنفقة. إذا كان بإمكان أربعة نماذج صغيرة ومركزة التفوق على نموذج عملاق واحد بتكلفة رمز أقل، فإن العقيدة التوسعية التي هيمنت على مختبرات الذكاء الاصطناعي على مدى السنوات الثلاث الماضية تتلقى ضربة.

هناك تحفظات. لا تفصح الورقة عن النموذج الأساسي الدقيق وراء كل وكيل، ولا عن مقارنة عدد الرموز بتفاصيل كافية لتكرار ادعاء الكفاءة بشكل مستقل. و 49.92% على HLE، رغم أنها حالة فنية، تعني أن النظام لا يزال يفشل في نصف الوقت، هذه ليست مشكلة محلولة. لكن اتجاه السفر جديد.

يثير PoTRE أيضًا سؤالًا أعمق من المعايير: إذا كان التفكير غير المتجانس يتفوق على التوسع المتجانس، فهل يجب أن تتوقف بنيات الذكاء الاصطناعي عن ملاحقة نمط تفكير عالمي واحد وبدلاً من ذلك تتبنى تقسيمًا دائمًا للعمل المعرفي؟ بنية الورقة ليست مجموعة من نماذج مختلفة مجمعة بعد الحقيقة؛ إنها عدم تجانس مصمم من الأساس. هذا الخيار التصميمي، وليس درجة المعيار، قد يكون الإسهام الدائم للورقة.