التطور وفق قوانين واحدة سريع

الأصل: "Universal statistical signatures of evolution in artificial intelligence architectures"
· Theodor Spiro
arXiv:2604.10571 · 2026-04-12 · CC BY 4.0 · 1 دقيقة
الشبكات العصبية تتغير بنفس الطريقة التي تتغير بها الكائنات الحية.

المهندسون الذين يحسّنون الشبكات العصبية يتصرفون كمربّي النباتات: يجربون نسخة، ينظرون إلى النتيجة، ويبقون على الأفضل. جمعوا 935 تجربة من هذا القبيل من 161 مقالة، وقاسوا كم مرة يكون تعديل الكود مفيدًا أو ضارًا أو بلا تأثير. النتيجة مألوفة لكل عالم أحياء: 68% من التعديلات تضعف الأداء، و19% لا تغير شيئًا، و13% فقط تعطي مكسبًا.

في ذبابة الفاكهة والخميرة، نسبة الطفرات المفيدة تتراوح بين 1% و6%. أما في الشبكات العصبية فهي أكبر بمرتين إلى ثلاث مرات — المهندس لا يجرب بشكل أعمى، بل يقدّر مسبقًا ما قد ينجح.

شكل توزيع النتائج في الذكاء الاصطناعي يطابق تقريبًا ما هو معروف عن الطفرات في ذبابة الفاكهة وخميرة الخباز. علاوة على ذلك، ظهور تقنيات بنيوية جديدة يسير بنفس الموجات: أولًا ببطء، ثم نمو انفجاري، ثم هضبة. أربعة عشر حلًا تقنيًا تم ابتكارها بشكل مستقل من 3 إلى 5 مرات — مثل الأجنحة عند الطيور والخفافيش.

الخلاصة بسيطة: التطور ليس متعلقًا بالـ DNA أو الكود، بل بشكل المشهد الذي يتجول فيه البحث. سواء كانت جينات أو معاملات شبكة عصبية، إحصائيات النجاح والفشل واحدة.

نسبة التغييرات المفيدة في الشبكات العصبية (13%) أعلى منها في أي كائن حي تمت دراسته، لكنها أقل من الفيروسات ذات الجينومات الصغيرة جدًا — فهي تتطور بشكل أسرع.

في «الحديقة الجوراسية»، قال عالم رياضيات الفوضى إيان مالكولم إن الحياة ستجد طريقها. واتضح أن الذكاء الاصطناعي يبحث عن طريق بنفس المسارات الإحصائية.

العلماء
William Lawrence Bragg
المفاهيم
مبرهنة فيشر الأساسية في الانتقاء الطبيعي خوارزمية جينية الغابة العشوائية بنية ذاكرة الشبكة العصبية قاعدة هاملتون مبدأ بالدوين قانون دولو معادلة برايس قانون مندل للتوزيع المستقل نموذج رايت-فيشر