تجربة Picbreeder من Sakana AI تُظهر ما تفتقده نماذج الرؤية واللغة من الإبداع البشري

الانفتاحية هي الكأس المقدسة للإبداع الاصطناعي: نظام يستمر في توليد قطع أثرية جديدة وذات معنى دون التقارب على حل واحد. التطور الطبيعي يفعل ذلك. الثقافة البشرية تفعل ذلك. معظم أنظمة الذكاء الاصطناعي لا تفعل. دراسة جديدة من باحثين في Sakana AI وجامعة نيويورك ومعهد ماساتشوستس للتكنولوجيا، مقبولة في GECCO 2026، تتناول هذه المشكلة مباشرة عن طريق إعادة Picbreeder، المنصة الفنية التطورية الكلاسيكية التي يقودها البشر، مع نماذج الرؤية واللغة بدلاً من المستخدمين البشر.

النتائج مفيدة. الأرشيفات المولدة بواسطة نماذج الرؤية واللغة هي أكثر تسطحاً وتكراراً وأقل إيحاءً من النسخ البشرية الأصلية. لكن الدراسة، بقيادة سام إيرل (جامعة نيويورك) مع كاي أرولكوماران وأندرو داي وأكاش كومار وجوليان توجيليوس وسيباستيان ريسي، تختبر أيضاً بشكل منهجي ما هي التدخلات التي قد تسد الفجوة، مما يجعلها واحدة من أكثر المحاولات صرامة حتى الآن لعزل مكونات الانفتاحية في الأنظمة الآلية.

ما قاسه Picbreeder

Picbreeder، الذي أُطلق في عام 2008، سمح للمستخدمين بتطور الصور بشكل تعاوني عن طريق اختيار وتحوير الصور المولدة بواسطة CPPN، متفرعين من إبداعات بعضهم البعض. على مر السنين، بنى المجتمع شجرة تطور ثرية من الصور المنشورة، وجوه، سيارات، حشرات، أنماط مجردة، والتي تقف كمعيار للبحث البشري المفتوح. مجموعة البيانات التي جمعها كومار وآخرون في عام 2025، مع 9,758 صورة منشورة ونسب كامل، تعطي فريق Sakana خط أساس بشري مباشر للقياس مقابله.

التجربة الأساسية تستبدل كل مستخدم بشري بعامل نموذج رؤية ولغة (الافتراضي هو Gemini 2.5 Pro بعد اختبار عدة نماذج بما في ذلك Gemini 3 Pro ومتغيرات Qwen3-VL ونماذج فلاش). يرى العامل مجموعة من 15 صورة CPPN، ويختار آباء على مدى 20 جيلاً، وينشر صورة نهائية في الأرشيف المشترك. تبدأ الفروع من عينة من الأرشيف الحالي. عشرة عوامل تعمل بالتوازي. الورقة تسمي هذا إعادة إنتاج أمينة لظروف التجربة الأصلية، وليس محاولة لإعادة إنتاج نتائجها.

الفجوة بين مخرجات البشر ونماذج الرؤية واللغة واضحة للنظر. الأرشيف البشري لديه تنوع أكبر وصور أكثر حدة وقصداً. تنتج نماذج الرؤية واللغة العديد من النسخ المكررة تقريباً، تميل نحو انهيار النمط، تكرار حفنة من الأشكال، وغالباً ما تنشر ضوضاء رمادية أو مجردة أو عالية التردد. تحاول الورقة قياس ذلك بأربعة مقاييس: الاستدعاء الدلالي (مدى تغطية الأرشيف لفئات الكائنات المعروفة من مجموعة بيانات THINGS)، التغطية البصرية والتغطية الدلالية (أنصاف أقطار التغطية في فضاءات التضمين)، وتوازن الشجرة (مؤشر J1 للتوازن الوراثي). خط الأساس البشري يتفوق على جميع مقاييس التغطية الثلاثة ويتعادل في الاستدعاء. الاختيار العشوائي هو الأسوأ.

ثلاثة تدخلات، ثلاثة دروس

قام الفريق بتغيير ثلاثة معايير: الضوضاء الاستكشافية (اختيار إبسيلون-جشع)، طول السياق (كمية تاريخ التفاعل السابق الذي يراه نموذج الرؤية واللغة)، وعدد شخصيات العوامل المميزة المولدة عبر سمات مدفوعة من نموذج لغة كبير.

الاستكشاف مقابل الجودة

بدون ضوضاء، تعاني أرشيفات نماذج الرؤية واللغة من انهيار نمط شديد، كما تصفها الورقة: العديد من الاختلافات من نفس أشكال الثعلب أو عظم السمكة. حقن ضوضاء إبسيلون-جشع حتى 0.25 يحسن التنوع دون التضحية بالاستدعاء، لكن مستويات الضوضاء الأكبر تقلل من جودة الصورة. حتى عند إبسيلون=1، حيث يتعامل نموذج الرؤية واللغة فقط مع التفرع والتقييم، مع جميع الاختيارات عشوائية، لا يزال الأرشيف يتفوق على خط الأساس العشوائي في عدة مقاييس، مما يشير إلى أن نموذج الرؤية واللغة يمكنه التوجيه بشكل مفيد حتى مع تحكم ضئيل. لكن توازن الشجرة يظل منخفضاً بعناد: تتفرع نماذج الرؤية واللغة من نفس الصور بشكل متكرر بدلاً من البدء من تجمعات عشوائية.

الذاكرة سيف ذو حدين

طول السياق صفر (بدون تاريخ) ينهار الاستدعاء حيث ينشر الوكلاء نسخاً مكررة. السياق من 1، رؤية الدور الحالي والدور السابق، يستعيد الأداء جيداً. لكن توسيع النطاق إلى 2 أو 10 أو جلسة 20 جيلاً كاملة يقلل باستمرار من مقاييس الاستدعاء والتغطية. مع السياق الكامل، ينتج الوكلاء أحياناً صوراً شبه واقعية لعلب الصودا عبر بذور متعددة، لكن الأرشيف العام يصبح أكثر ضوضاء. يقترح المؤلفون الحمل الزائد للمعلومات وحلقات التملق الذاتي، حيث يعزز نموذج الرؤية واللغة تفضيلاته المذكورة بدلاً من الاستكشاف على نطاق واسع.

وكلاء كثيرون، نتائج غريبة

توسيع عدد الشخصيات المدعومة المميزة من 1 إلى 1,000 يزيد التغطية الدلالية وتوازن الشجرة بشكل كبير. أعلى تغطية دلالية لأي إعداد تأتي من شرط 1,000 وكيل. لكن الأرشيف أيضاً يمتلئ بأنماط مهلوسة عالية التردد وغير قابلة للتفسير تشكل 10 إلى 20 بالمائة من المنشورات، ما تسميه الورقة صوراً عدائية، تم تلاعب بها بواسطة وكلاء متعددين يسحبون في اتجاهات مختلفة. الاحتكاك التعاوني الذي قد يدفع الوكلاء نحو قفزات جريئة يدفعهم بدلاً من ذلك نحو الضوضاء.

شبكة 1,000 وكيل هي الأكثر وضوحاً في الانفتاحية من الناحية الكمية، وفي نفس الوقت الأكثر غرابة من الناحية النوعية. قد يكون هذا التوتر هو أعمق نتيجة للورقة: المقاييس المصممة لالتقاط التنوع الذي يقدره البشر لا تميز بين شكل جديد متقن وخطأ عدائي يصادف أنه يعين لتضمينات عديدة. يشير المؤلفون إلى هذا كإتجاه للعمل المستقبلي، مقترحين مقياس تباين دلالي، مقدار تغير تعليق صورة معينة عبر تعليقات نماذج رؤية ولغة متكررة، لفصل الاثنين.

زاوية Sakana

مشاركة Sakana AI ليست عرضية. المختبر المقيم في طوكيو، الذي شارك في تأسيسه ديفيد ها وليون جونز، بنى أجندته البحثية حول الأنظمة المستوحاة بيولوجياً والمفتوحة النهاية، من دمج النماذج التطورية إلى الشبكات العصبية ذاتية التكاثر. دراسة Picbreeder هذه تتناسب تماماً مع هذا البرنامج: إنها تعامل الانفتاحية ليس كخاصية تقيسها بعد وقوع الحدث ولكن كمجموعة من قرارات التصميم التي يمكنك فحصها عن طريق استبدال البشر بالنماذج.

الورقة حريصة على عدم الادعاء بأن نظامها مفتوح النهاية. إنها تبلغ بما يجعل النظام المدفوع بنماذج الرؤية واللغة أقل انفتاحاً من النسخة البشرية، وما هي خيارات التصميم التي تقربه أكثر. هذه مساهمة مفيدة. تشير النتائج إلى أنه لا يوجد حل واحد، المزيد من الضوضاء، المزيد من الذاكرة، المزيد من الوكلاء، يمنحك انفتاحية شبيهة بالبشر؛ المزيج قد يكون مهماً، والورقة تدعو صراحة إلى اختبار التدخلات معاً على نطاقات أكبر.

ماذا يعني للأتمتة

الأثر الأوسع للدراسة هو لأي مشروع يؤتمت الاكتشاف الإبداعي أو العلمي بالذكاء الاصطناعي. إذا كانت نماذج الرؤية واللغة، حتى المتطورة منها، تنتج بحثاً أضيق من البشر عند وضعها في نفس الهيكل الأدنى، فإن استبدال الحكم البشري في الأنابيب المفتوحة قد يتطلب سقالات دقيقة. يُظهر فريق Sakana أن تلك السقالات مهمة: المقدار الصحيح من الذاكرة، الحقن الصحيح للضوضاء، التنوع الصحيح لوجهات النظر. لكنه يظهر أيضاً أن السقالات وحدها لا تكرر بعد الجرأة البشرية، تلك الجودة التي تسميها الورقة العامل المجهول، التي تنطوي على قفزات دلالية أكبر وتمييز أكثر حدة.

للممارسين الذين يبنون أنظمة وكيلة لتوليد المحتوى، أو تصميم عوالم الألعاب، أو استكشاف الفرضيات العلمية، الدرس هو أن الانفتاحية ليست خاصية نموذج بل خاصية نظام. نموذج الرؤية واللغة نفسه ليس عنق الزجاجة؛ تصميم بيئته، ذاكرته، قواعد الاختيار، وتنوع التجميع هو حيث تعيش أو تموت السلوكيات المفتوحة.

كود فريق Sakana متاح على GitHub. تبقى بيانات تجربة Picbreeder الأصلية واحدة من أغنى الآثار السلوكية للتطور البشري الموجه. ربط الاثنين، كما تفعل هذه الورقة، هو خطوة نحو فهم ما نعنيه بالإبداع في المقام الأول.