مصنف

كانت خرائط الكنز القديمة تُرسم بناءً على إشاعات: فمن وجد ذهبًا عند النهر، ومن وجده في الجبال، وكان كلٌّ يحفر في مكانه. حدث شيء مشابه مع الموصلات الفائقة ذات درجة الحرارة المرتفعة: وُجدت الكوبرات في مركبات معينة، وبكينتيدات الحديد في أخرى، والنيكيلات في ثالثة، دون وجود خريطة موحدة.

المترجم الفوري ينشغل بأي صوت في القاعة، فتمتد ساعة الاجتماع إلى ساعتين. وكذلك النماذج التأسيسية الجزيئية: فهي تتعلم لغة الجزيئات من مجموعات ضخمة، لكنها تحتاج إلى ضبط لكل محادثة جديدة. Monroe يغير القواعد: فهو لا يتعلم لغة جديدة، بل يجد المعنى المشترك فورًا من خلال أمثلة قليلة.

في مكب نفايات خارج المدينة، تغيّر الرياح اتجاهها، وبعد ساعتين تشمّ رائحة البيض الفاسد في القرية المجاورة. هكذا تفوح رائحة كبريتيد الهيدروجين (hydrogen sulfide) — الغاز الذي ينبعث عند تعفن النفايات، وهو خطر على الصحة بجرعات كبيرة. عادةً، تعرف السلطات بالمشكلة بعد أن يستنشق السكان الغاز ويتصلون شاكين. الآن ظهرت طريقة للتحذير من الانبعاث مسبقًا، بالاعتماد على الطقس فقط.

يُسلط الجهاز شعاعًا تحت أحمر على العينة، فترد الجزيئات بنمط امتصاص مميز، كأجراس مختلفة النغمات. هذا النمط، أي الطيف، يحمل معلومات عن التركيب الكيميائي. لكن لقراءته، عادة ما يرجع الأخصائي إلى مكتبة من السجلات الجاهزة، وهذا بطيء وغير ممكن دائمًا.

تبعد المجرة NGC 4254 عن مركز عنقود العذراء المجري مسافة مليون ونصف سنة ضوئية. تجر خلفها ذيلاً طويلاً من الهيدروجين المبرد — علامة على أنها تصطدم بسرعة عالية بـ الغاز الساخن. فقدان الوقود البارد يخمد ولادة نجوم جديدة.

كل صباح، تُوجّه عشرات التلسكوبات نحو الشمس. تلتقط كاميراتها شريطًا ضيقًا من الضوء الأحمر — خط Hα، الذي اكتشفه Johann Jakob Balmer. تظهر في الصور خيوط داكنة، منحنية بأشكال بديعة. إنها أشبه بغرز نسيج ضخم يخيط الهالة المتوهجة. هذه هي الخيوط الشمسية. أقواس كثيفة من البلازما، تحوم فوق دروز مغناطيسية خفية.

مائة ألف نجم في النواة المزدحمة لعنقود نجمي كروي تتحرك ككرات فولاذية في آلة بينبول عملاقة. كل «دفعة» — لقاء ثقالي بين نظام مزدوج ونجم منفرد — تشعل سلسلة من الأحداث غير المتوقعة. قد يتفرق الزوجان، وقد يُزيح النجم الدخيل أحد الشريكين ويحتل مكانه، وأحياناً يعلق الثلاثة في رقصة هرمية معقدة.

الذكاء الاصطناعي الذي يتنبأ بصوتيات قاعة ما يشبه طالباً في امتحان يحفظ الإجابات دون فهم. إذا كانت نقاط الفحص هي نفسها نقاط التدريب، يقوم النموذج ببساطة بحفظ "البصمة" الصوتية لكل موضع – كطالب يتعرف على ورقة الأسئلة من ثنية صغيرة فيها. شَدِّد القواعد – جمِّع البيانات حسب المواقع وأخفِ الدلائل الترددية – وستنهار الدقة من 85% إلى 9–57%.

في قدر الحساء، يكفي مقياسا حرارة لمعرفة درجة الحرارة في كل مكان — إذا عرفنا أن الحرارة تسري في دوائر من القاع. وهكذا في العلم: بقياسات قليلة، ينبغي استعادة الصورة الكاملة لحقل الحرارة. النظام يلتقط جوهر العمليات الحرارية، بضغطها في بضعة أرقام - قواعد. كما يعرف الطبّاخ أن الحساء أشد سخونة في الوسط.

الطفل، وهو يستكشف شقة غير مألوفة، يزحف من شيء إلى آخر ويتذكر ما يراه من كل زاوية. هكذا يبني الدماغ خريطة ذهنية — نموذجاً داخلياً للفضاء. خوارزمية gradCSCG تعمل بالمبدأ نفسه: تستقبل بثاً من الكاميرا وترسم مخطط المكان بنفسها، معتمدة فقط على تغير الصور. في السابق، كانت الآلات تحتاج إلى تلميحات — مثل كائنات محددة مسبقاً في الصور. أما الطريقة الجديدة فتستغني عنها.

تقليديًا، تعمل خوارزميات التعلم الآلي في بيئة ثابتة، تمامًا مثل الماء الذي يتدفق في مجرى محفور مسبقًا دون أن يغير شكله. الطريقة الجديدة تقلب هذا النموذج رأسًا على عقب: فهي تسمح للوكيل بأن يتعلم الأفعال ويغير البيئة التي يعيش فيها بشكل هادف في الوقت نفسه. تخيل جدولًا لا ينساب فقط إلى أسفل المنحدر، بل يعمل بنشاط على تآكل التربة الرخوة، شاقًا طريقه بشكل أقصر وأكثر كفاءة.

الأذن البشرية مصممة بحيث يبرز الدماغ في المقام الأول الأنماط المألوفة — صوت المحاور، وصوت المطر، وإشارة السيارة. لكن النظام الجديد يعمل بمبدأ مختلف: فهو يسجل أي طفرة صوتية، حتى تلك التي لم تُسمع من قبل. يُسمى هذا النهج بالتدوين الصوتي (audio diarization) — وهو ليس مجرد البحث عن ضوضاء محددة، بل تقسيم التسجيل الصوتي بأكمله إلى مقاطع مع تحديد واضح لبداية ونهاية كل حدث صوتي.

أخذ العلماء 16 نشاطًا يوميًا — من غسل الأطباق إلى القرفصاء — وحللوا الحركات إلى مكونات أولية، تمامًا كما يحلل المطياف الضوء إلى طيف. بعد مقارنة ثلاث طرق، وجدوا مفتاحًا غير متوقع للتعرف: لقطة متوسطة واحدة تكفي. تسعة مفاصل فقط من بين عشرات المفاصل حملت المعلومات الحاسمة — ولم تؤثر البقية تقريبًا.

التقنية المعقدة — من الطائرات بدون طيار إلى الروبوتات الجراحية — تتصرف أحيانًا كالحصان البري: مليئة بـ فوضى وتقلبات، حيث تثير اللمسة الخفيفة عاصفة. بدلًا من حفظ الصيغ، تراقب الطريقة الجديدة النظام كما يفعل مروض الخيول.

المحقق الخبير لا يحسب مسار المجرم بحل معادلات تفاضلية للحركة — بل يرجع إلى ملف القضايا المشابهة. وهكذا يعمل أسلوب التنبؤ الجديد: أساسه ليس صيغًا معقدة، بل أرشيف ضخم من المسارات المحققة — حركات الكواكب، تقلبات أسعار العملات، إشارات من أعماق الكون.

التعلم الآلي لم يعد مجرد أداة — بل أصبح مستكشفاً، يستخلص قوانين الطبيعة من البيانات بنفسه. ولكن كيف يتوصل العقل السليكوني إلى الفهم؟ للإطلاع على هذه العملية، لجأ الفيزيائيون إلى نموذج صغير لكنه عميق — شبكة إيزينج، حيث تتراقص اللفات المغزلية تحت إملاء درجة الحرارة.

سماء أشعة غاما التي صوّرها تلسكوب فيرمي هي سيمفونية مهيبة من آلاف المصادر. فيها النبضات المنتظمة لـالنجوم النابضة، والأوتار القوية لـأنوية المجرات النشطة، لكن الأكثر هي أجرام مجهولة الهوية يبقى لحنها لغزًا.

الإشارات الثقالية الصادرة عن النجوم الضخمة المحتضرة هي همسات تصل إلينا من أقسى مختبرات الكون. تنبأ أينشتاين بهذه الموجات الثقالية قبل أكثر من قرن، لكننا اليوم، ومع كواشف مثل LIGO، بدأنا نسمعها.

أعماق الكون ليست صامتة، إنها مليئة برسائل مشفرة. كل نجم، وكل نجم زائف، يرسل شيفرته الضوئية المرتعشة: إيقاعية كشيفرة مورس للنجوم القيفاوية، أو فوضوية كشيفرة مكسورة لـمستعر أعظم. يلتقط علماء الفلك هذه الإشارات بالملايين كل ليلة - ولكن كيف يُقرأ دون مفتاح؟ تنتج تلسكوبات مثل ZTF أشرطة لا نهائية من منحنيات الضوء، وهنا يظهر التعلم الآلي - ليس مجرد مستمع، بل محلل شفرات خبير.

تخيل: تعزف أوركسترا سيمفونية، لكن الميكروفون لا يلتقط سوى طنين مدمج - tutti، حيث اختلطت أصوات الكمان الأجهر والنايات والصنوج. مهمة مشابهة واجهها الفيزيائيون لعقود، محدقين في حقول الكثافة أو درجة الحرارة أو الحث المغناطيسي.

النماذج الإحصائية هي محاولة لمد شبكة رياضية مثالية على تضاريس البيانات غير المنتظمة. عندما يقاوم النموذج، يصدر توترًا، لكننا اعتدنا تجاهله. يقضي الباحثون ساعات محدقين في رسوم البواقي محاولين تخمين حيث يبدأ النموذج في "التفكك". سكويلر يحوّل هذه المقاومة إلى صوت. لم تعد تنظر إلى منحنًى — بل تسمع صريره عندما يُجبر على الانصياع لنقاط بعينها.

التوهجات الشمسية هي انفجارات قوية على الشمس، يمكنها تعطيل الأقمار الصناعية وقطع الكهرباء عن المدن. تزداد صعوبة التنبؤ بها بسبب تعقيد المجالات المغناطيسية في البقع الشمسية. يراقب العلماء النجم عن طريق تحليل ضوئه إلى ألوانه (التحليل الطيفي) وقياس سطوعه (القياس الضوئي).

الشبكات العصبية التقليدية تتعلم من الأمثلة، كشخص يحفظ الألحان بالأذن: فهي تجمع الأنماط الإحصائية دون أن تفهم القواعد العميقة. أما النهج الآخر — الشبكات العصبية المزوّدة بالفيزياء — فتُدمج في بنيتها الأساسية القوانين الفيزيائية الجوهرية، مثل معادلات حفظ الطاقة أو معادلات الحركة.

البحث عن الجزيء المناسب بين مليارات الخيارات يشبه البحث عن حبة واحدة في كيس أرز. ولتجنب الفحص اليدوي الشامل، يستدعي الكيميائيون بشكل متزايد الشبكات العصبية للمساعدة. لكن النماذج الكبيرة تتطلب أجهزة كمبيوتر قوية، بينما تفتقر النماذج الصغيرة غالبًا إلى الاتساع المعرفي. يحل GLACIER هذه المشكلة، مثل تلميذ قدير يتعلم من عدة مرشدين في وقت واحد.

تخيّل مترجمًا يجلس في قاعة اجتماعات ويترجم كل كلمة. لكنه يلاحظ أنه يمكنه تحسين ترجمته إذا تعلّم من أخطائه. يبدأ بتسجيل العبارات التي سبّبت سوء الفهم، ويصححها. وبعد ساعة، تصبح ترجمته أدق، ويمر الاجتماع بسرعة أكبر. وهكذا هنا: مُفسِّر لغة Scheme، بمجرد تجميعه، يمكنه تنفيذ أي برنامج يُمرَّر إليه كبيانات، وفي الوقت نفسه حساب التدرجات لتحسين تلك البرامج.

يرسل المختبر إلى الروبوت قائمة بألف جزيء مرشح لدواء جديد. الروبوت المتنبئ، الذي تدرّب على بيانات قديمة، يصدر لكل جزيء تقييمًا "مناسب – غير مناسب". لكن عندما تأتي القائمة من مجال غير مألوف – كفيروس مختلف أو ورم نادر – يبدأ الروبوت في الاختلاط. تظل ثقته عالية بينما تنخفض الإصابات الحقيقية إلى الصفر.

الغلاية المغلية بغطاء مغلق لا تظهر الفقاقيع، لكن الصوت والاهتزاز يكشفان عن قوة غليان الماء. تشبه الأنظمة الكمومية ذلك: فحساسيتها القصوى — أي الدقة التي تتحسس بها المجال المغناطيسي أو الموجة الثقالية — كانت تُحسب سابقًا عبر إعادة بناء جميع الخصائص (التصوير المقطعي). وهذا يشبه إعداد جرد لكل قطرة.

مصوّر فوتوغرافي يلتقط غابة ليلية محاولًا الإمساك باليراعات في كادر. الومضات نادرة وخافتة، وحوله ضجيج الريح وأضواء بعيدة. هكذا تقريبًا يعمل الكاشف الضخم Hyper-Kamiokande في اليابان: فهو يلتقط النيوترينوات — جسيمات شبه غير ملموسة — عبر ومضات ضوئية صغيرة في 260 ألف طن من الماء.

يمكنك تحسس جسم غير مألوف بالطول، بالعرض، وبالقطر — في كل مرة تحصل على معلومات جديدة. ولكن ماذا لو كانت طريقة واحدة من التحسس لا تخبرك بشيء إطلاقًا عما ستظهره طريقة أخرى؟ هذا هو بالضبط ما تعنيه الأسس غير المنحازة بشكل متبادل في ميكانيكا الكم: القياس في أحدها يتركنا في جهل تام بشأن النتيجة في الآخر. وجد مؤلفو العمل الجديد وصفة أنيقة لإعداد مثل هذه المجموعات.

تتذوق طبقًا في مطعم دون أن ترى القائمة. تسأل النادل أسئلة — هل هو مالح أكثر من اللازم؟ ما البهارات المستخدمة؟ — وتحاول من إجاباته أن تخمن أي طاهٍ أعدّه. هكذا تقريبًا يدرس الباحثون الشبكات العصبية الحديثة عندما يكون الوصول إليها فقط عبر API (واجهة برمجة تطبيقات، حيث يمكنك طرح سؤال والحصول على إجابة، لكن لا يمكنك النظر إلى الداخل). لكن ليست كل الأسئلة مفيدة بنفس القدر.

في كل مرة تتردد فيها قبل خطوة محفوفة بالمخاطر — سواء استثمار المال في الأسهم أم الانتظار — يدور في رأسك حوار داخلي. عادةً يحاول العلماء إعادة بناء مسار هذا الحوار من الاختيار النهائي وحده، كما لو أن محققًا يحاول إعادة بناء محادثة بين شخصين بالنظر إلى صورة لمكان اللقاء. غالبًا ما تكون هذه الصورة ناقصة: فالأفعال المتطابقة قد تنبع من أفكار مختلفة تمامًا. اقترح مؤلفو الدراسة تسجيل الحوار نفسه.

خريطة مدينة: التقاطعات تُمثّل العُقد، والشوارع تُمثّل الروابط. حتى يستطيع الخوارزم فهم البنية، لا بد من وضع علامة على كل عقدة. النهج الكلاسيكي — النموذج القياسي — يُعطي تسميات بسيطة، مثل أرقام المنازل. الطريقة الكمومية، المستوحاة من المطيافية (تحليل الضوء)، تستعير الرياضيات من علماء الفيزياء الفلكية الذين يدرسون النجوم من خلال إشعاعها.

في مختبر يدرس البلورات، ينظر الفني إلى شاشة تعرض بقعًا ضوئية متناثرة، ويدير العينة ببطء حتى تتجمع البقع في نمط متماثل. يشبه هذا العمل ضبط جهاز راديو قديم: تدير المقبض حتى يتحول الضجيج إلى إشارة صافية. الآن، يمكن لآلة أن تدير هذا المقبض. ابتكر العلماء برنامجًا يتعلم ضبط البلورات دون أي معرفة بكيفية تشكل هذه البقع.

الأنف جهاز مذهل. جزيء قهوة واحد، عندما يدخل إلى فتحة الأنف، يوقظ ذكرى مطبخ الصباح. وجزيء آخر، شبهه في الشكل تقريبًا، تفوح منه رائحة البيض الفاسد. كيف يميز الدماغ بين هذه المفاتيح غير المرئية؟ طالما اختلف العلماء: هل تعتمد الرائحة على شكل الجزيء، مثل المفتاح في القفل، أم على اهتزازاته، مثل وتر يُنقر عليه؟ دراسة جديدة اختبرت ذلك على الحاسوب.

أفضل مساعد ذكاء اصطناعي للعلماء رسب في الامتحان أسوأ من طالب متوسط في اختبار قصير. 21% فقط من الإجابات الصحيحة — وهذا هو سقف أقوى أربعة نماذج. مسائل الاختبار الجديد لم يكتبها مبرمجون، بل طلاب دراسات عليا: أناس يواجهون العلم الحقيقي كل يوم. سُمي الاختبار COMPOSITE-STEM. يضم 70 مسألة في الفيزياء والأحياء والكيمياء والرياضيات.

يمكن تصور تدفق الحرارة عبر جسم صلب مثل الماء المتدفق في نظام أنابيب: في بعض المواد يندفع بسرعة، وفي أخرى يتسرب بصعوبة. يبحث المهندسون عن مواد لا تنقل الحرارة تقريبًا — نوع من "الأنابيب المسدودة" على المستوى الذري. هذه العوازل الحرارية ضرورية لتوفير الطاقة والأجهزة التي تحول الطاقة الحرارية إلى كهرباء.

تعمل كاشفات الجسيمات، مثل الغرف المستوية المقاومة (RPC)، كفخاخ حساسة: عندما يمر جسيم مشحون عبرها، تتولد إشارة كهربائية. ولكن في بعض الأحيان تُصدر الغرفة أثرًا كاذبًا — وكأن شخصًا غير مرئي ضغط على زر الجرس. هذه الإشارات الكاذبة تشوش الصورة وتعيق التحديد الدقيق لمسار الجسيم.

النموذج المعتاد للتعلم الآلي ينظر إلى كائن واحد في كل مرة: دماغ واحد، مريض واحد، محرك واحد. لكن علماء الأحياء يحتاجون إلى العام: كيف يُبنى دماغ النوع ككل، وليس فقط دماغ سمكة معينة. الطريقة الجديدة — التركيب الاحتمالي العميق للنماذج (DPMS) — تتعلم من نسخ متعددة في وقت واحد، مثل طاهٍ يتذوق عشرات التفاح ليفهم طعم الصنف، لا طعم ثمرة واحدة.

في البطارية العادية، يكون الإلكتروليت سائلاً، وتتحرك الجسيمات المشحونة (الأيونات) بحرية. أما في النسخة الصلبة، فإنها تندفع عبر "ممرات" ذرية، مثل المشاة في ممرات ضيقة. لكي تعمل البطارية بسرعة، نحتاج إلى مادة ذات موصلية أيونية جيدة. لكن البحث عن هذه المواد بشكل أعمى هو سنوات من التجربة والخطأ.

يعمل كاشف الجسيمات في مصادم الهدرونات الكبير لسنوات دون توقف. تنتج أجهزة الاستشعار فيه جبالًا من البيانات كل ثانية، وبينها يجب رصد الخلل بسرعة — مثل ارتفاع الحرارة أو قناة معطوبة. في السابق كانت قواعد بسيطة تراقب ذلك، لكنها كثيرًا ما تخطئ. الآن جاءت الشبكة العصبية DepthViT للنجدة — خفيفة وسريعة، كفنيّ يقظ يعرف كيف يبدو العمل الطبيعي.