أربعة وكلاء أفضل من واحد: ARCANA تحل ARC-AGI-2 بالتحاور الذاتي

لقد أذل معيار ARC-AGI-2 العديد من أنظمة الذكاء الاصطناعي. فهو مصمم لاختبار التفكير البصري التجريدي بأمثلة قليلة، ويتطلب نوعًا من الذكاء المرن الذي لا تزال نماذج المحولات، حتى أكبرها، تكافح لتحقيقه. هنا يأتي ARCANA، وهو إطار عمل تعاوني جديد متعدد الوكلاء يعالج المشكلة ليس كتحدٍ لنموذج واحد بل كرياضة جماعية.

ما يقدمه ARCANA

ARCANA، وهو اختصار لـ "التركيب البرمجي التأملي متعدد الوكلاء"، يعيد تنظيم خط أنابيب حل الألغاز إلى أربعة وكلاء متخصصين. يقوم وكيل الإدراك الحسي أولاً ببناء رسوم بيانية للمشهد مركزة على الكائن من شبكات البكسل الخام. ثم تقترح سياسة برنامج كامن برامج متنوعة بلغة خاصة بالمجال (DSL) يمكنها تعيين شبكات الإدخال إلى شبكات الإخراج. يتحقق منفذ رمزي من كل مرشح ضد الأمثلة المقدمة. أخيرًا، يحلل وكيل عاكس حالات فشل التنفيذ ويؤلف ملاحظات لتوجيه التكرار التالي.

الوكلاء ليسوا معزولين: فهم يتواصلون عبر لوحة سوداء قابلة للتفاضل مشتركة، وتقرر وحدة تحكم فوقية مُتعلمة أي وكيل يعمل ومتى. تسمح هذه البنية لـ ARCANA بالجمع بين البحث البرمجي المنظم والتصحيح متعدد الخطوات التكيفي، وهو نهج هجين يرى مؤلفو الورقة أنه أكثر كفاءة في استخدام العينات من الأساليب العصبية من البداية إلى النهاية.

لماذا يعتبر ARC-AGI-2 وحشًا مختلفًا

معيار ARC-AGI-2، الذي أنشأه فرانسوا شوليه، مصمم صراحة لقياس قدرة النظام على التعميم من أمثلة قليلة. يقدم كل لغز حفنة من شبكات الإدخال والإخراج تصور تحولًا تجريديًا، مثل تعبئة الألوان، دوران الكائنات، عمليات المرآة، ويجب على النموذج استنتاج القاعدة وتطبيقها على شبكة جديدة. إنه في الأساس اختبار للذكاء السائل، وليس استدعاء المعرفة.

معظم نماذج اللغة الكبيرة ومحولات الرؤية لا تزال تؤدي بشكل ضعيف في ARC-AGI-2، وغالبًا ما تفشل في استعادة القاعدة الأساسية من البيانات المتناثرة. على النقيض من ذلك، فإن تحليل ARCANA الصريح إلى إدراك وافتراض وتنفيذ وتفكير يعكس كيف يمكن لأي إنسان يحل الألغاز أن يقترب من الاختبار: انظر، خمن، تحقق، وراجع.

حلقة التغذية الراجعة التأملية هي ربما المكون الأكثر ابتكارًا. عندما يرفض المنفذ الرمزي مرشحًا، لا يتخلص منه الوكيل العاكس ببساطة. بدلاً من ذلك، يقوم بتجميع شرح بلغة طبيعية لسبب فشل البرنامج، والذي يستخدمه وكيل الفرضية لاقتراح برنامج منقح في الجولة التالية. هذا التحسين الدوري يذكرنا بالتفكير المتسلسل، لكنه يُطبق على التركيب البرمجي بدلاً من توليد النص.

النتائج والأسئلة المفتوحة

تقرير الورقة عن تحسين كفاءة التفكير وجودة الحلول في مهام التحول التجريدي الصعبة، على الرغم من عدم إعادة إنتاج النتائج الرقمية الدقيقة في هذه المقالة. سيكون التقييم الكامل متاحًا عند نشر المسودة الأولية. يستشهد المؤلفون أيضًا بقيود صارمة في وقت الاختبار والأجهزة كمحركات للتصميم، مما يشير إلى أن ARCANA واعية بالموارد مقارنة بالبحث بالقوة الغاشمة عبر فضاء برمجي كبير أسيًا.

مع ذلك، لا تزال عدة أسئلة قائمة. تعتمد بنية الاتصال عبر اللوحة السوداء على وحدة تحكم فوقية مُتعلمة، لم يتم تفصيل إجراءات تدريبها ومتطلبات البيانات في الملخص. كما أنه من غير الواضح ما إذا كان أداء الإطار ينتقل إلى معايير أخرى كثيفة التفكير أو ما إذا كانت المكاسب خاصة ببنية ألغاز ARC-AGI-2. وبينما تذكر الورقة "برامج DSL متنوعة"، فإن حجم وثراء DSL نفسه سيؤثر بشكل كبير على الحد الأعلى لتعقيد المشكلة.

يتوافق هذا النهج مع اتجاه صناعي أوسع: العديد من المختبرات الرائدة تبني الآن أنظمة ذكاء اصطناعي مركبة توجه المشكلات الفرعية إلى وحدات متخصصة بدلاً من حشر كل التفكير في نموذج واحد. جربت Google DeepMind وكلاء معياريين لتوليد الكود؛ مشروع Q* من OpenAI يُفيد بأنه يحلل مسائل الرياضيات إلى أهداف فرعية. ARCANA جزء من هذه الحركة، لكنه يذهب خطوة أبعد بإغلاق حلقة التغذية الراجعة من التنفيذ إلى صياغة الفرضية.

للممارسين، يقدم الإطار قالبًا محتملاً لبناء أنظمة ذكاء اصطناعي شفافة وقابلة للتصحيح. إذا فشل وكيل ARCANA في مهمة ما، فإن ملخص فشل الوكيل العاكس، المكتوب بلغة طبيعية أو ما يشبهها، يعطي مشغلًا بشريًا نقطة تدخل ملموسة. هذا التتبع نادر في النماذج العصبية الأحادية.

لكن الاختبار الحقيقي سيكون في النطاق والتنوع. ARC-AGI-2 هو تحدٍ مُصمم؛ العالم الحقيقي يلقي تجريدات أكثر فوضوية. ما إذا كانت رقصة الوكلاء الأربعة لـ ARCANA يمكنها التعامل مع، على سبيل المثال، خط أنابيب تشخيص طبي أو حلقة إدراك روبوت مادي، يبقى أن يُرى.