التعلم التبايني

مترجم في قاعة يتحدث فيها الناس بثلاث لغات في وقت واحد، يسمع في البداية ضجيجًا عامًا فقط. لكن إذا بدأ بإعادة الأسئلة، والإنصات إلى النغمات، والتأكد مرارًا من الذي أجاب بأي عبارة، ستظهر تدريجيًا أصوات منفردة من وسط الفوضى.

غشاء بلاستيكي بسمك شعرة الإنسان يحتوي على نقاط بلاتين أصغر من جزء من مليون من المليمتر — تُعرف بالجسيمات النانوية. توجد هذه النقاط عند الحدود بين طبقتين من الترانزستور وتعمل كمصائد للشحنة الكهربائية: مثل الإسفنج الذي يمتص الماء، تلتقط هذه النقاط الإلكترونات وتحتفظ بها. عندما تتراكم الشحنة، يغير الترانزستور مقاومته — ويتذكر هذه الحالة.

في الشتاء، تتساقط في أحد أحياء المدينة ثلاثة أضعاف كمية الثلوج التي تتساقط في الحي المجاور. سنة حارة، وأخرى باردة. هذه نزوات الطقس — تقلبات قصيرة الأجل وفوضوية في الغلاف الجوي. ولكن على مدى عقود، نرى تحولًا آخر بطيئًا: فصول الشتاء تصبح أكثر اعتدالًا في المتوسط. التمييز بين الاثنين هو المهمة الرئيسية لعلماء المناخ.

يقضي الطبيب سنوات في تعلم التعرف على الأمراض من صور الدماغ. في البداية، يرى علامات الشيخوخة بوضوح، ثم يتقن التعرف على الأورام — وفجأة يبدأ في الخلط بين ما كان يعرفه سابقًا. وهذا هو الحال تقريبًا مع العديد من الشبكات العصبية: المعرفة الجديدة تمحو القديمة. تُعرف هذه الظاهرة بالنسيان الكارثي (catastrophic forgetting) — عندما تفقد النماذج المدربة على مهمة جديدة دقتها في المهام السابقة.

تخيل مستودعًا به صناديق من التفاح والكمثرى. التفاح كثير، والكمثرى قليل. ولكن عندما يقول أمين المستودع «فاكهة ذات قشرة ناعمة»، فإننا نتذكر غالبًا الكمثرى النادرة بدلًا من التفاح الشائع. هذا مظهر من مظاهر تأثير المعدل الأساسي العكسي (inverse base-rate effect) — وهو انحياز معرفي مستقر يجعل الدماغ، عند حل الغموض بين الفئات، يبالغ بشكل منهجي في تقدير الخيارات النادرة على حساب الشائعة.

في عام 1998، لاحظ عالم الرياضيات ديفيد بويد نمطًا غريبًا. كان يدرس مقياس ماهلر لكثيرات الحدود — وهو مقدار يقيس "تعقيد" جذورها — واكتشف أنه بالنسبة لعائلة من المنحنيات، يُعبَّر عنه دائمًا بعدد نسبي خاص مضروبًا في قيمة مشتقة دالة L. بدت هذه الأعداد-العوامل، التي يُرمز لها بـ $$r_k$$، ككسور عشوائية، لكن بويد افترض أن وراءها نظامًا صارمًا.

التنبؤ بمردود تفاعل كيميائي هو محاولة لتقدير المحصول الزراعي دون معرفة سوى تكوين التربة. لفترة طويلة، اعتمد الكيميائيون على أعمدة طويلة من الأرقام، تُسمى الواصفات الكمومية (quantum descriptors)، التي تصف طاقة الإلكترونات لكنها تتجاهل شكل الجزيء. ومع ذلك، قد يتصرف مركبان بخصائص رقمية شبه متطابقة بشكل مختلف لمجرد أن أحدهما ضخم كباقة زهور والآخر مسطح كورقة.

تتنبأ الشبكة العصبية بمستقبل نظام ديناميكي — على سبيل المثال، تطور البلازما في مجال مغناطيسي أو تغير الوجه في فيديو. الأخطاء حتمية، وكلما نظر النموذج إلى الأمام أكثر، زاد تراكمها. التحقق من الإجابة الصحيحة أثناء العمل مستحيل: فهي ببساطة غير موجودة. وجد مؤلفو الدراسة الجديدة حيلة بسيطة ككل شيء عبقري: تدريب نموذج واحد على التحرك في الزمن إلى الأمام وإلى الخلف.

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.

زرعة العين لا تنقل إلى الدماغ صورة فوتوغرافية، بل نقاطًا ضوئية متفرقة نادرة تُعرف بالفوسفينات. لتمييز كوب أو مفاتيح في هذا الرذاذ، يضطر الشخص إلى تحريك رأسه مثل مصباح يدوي في الظلام، وجمع ملامح الجسم شيئًا فشيئًا. هذه عملية بطيئة تشبه تجميع أحجية أُلقيت معظم قطعها. حاولت مجموعة من الباحثين تلميح الدماغ عندما يكون مركزًا حقًا في البحث.

الذكاء الاصطناعي التقليدي ينظر إلى الصور الطبية كما لو كانت أحجية من قطع غير مألوفة — فهو يعتبر أي صورتين غير متطابقتين مختلفتين تمامًا. هذا أشبه بمحاولة التمييز بين توأمين دون معرفة قرابتهما. أما في الطب، فالمرضى المصابون بنفس المرض يبدون متشابهين تقريبًا في صور الرنين المغناطيسي، فيخطئ الخوارزم ويخلط بين "الأقارب".

الإشارة الراديوية ذات التشكيل الطبقي — تخيل عدة تدفقات معلومات مستقلة متراكبة فوق بعضها — تشبه الطبقة الثقافية لمدينة قديمة. كل مستوى يحمل قصته الخاصة، لكن مع مرور الوقت، وتحت تأثير التشويش والتحريفات، تختلط في فوضى عارمة. الخوارزميات التقليدية لفك التشكيل تضيع في هذا الخليط، عاجزة عن فصل الطبقات.

إن حجم بيانات مسح واحد باستخدام التصوير المقطعي المحوسب يُقارَن بعدة أفلام طويلة. يتجاوز TCAM-Diff هذا الاختناق: يضغط البرنامج الصورة ثلاثية الأبعاد إلى ثلاثة إسقاطات ظلية — تمامًا كما يستعيد النحات تمثالًا مجسمًا من الصور الظلية على ثلاثة جدران.

النهج القياسي لفئة من مسائل التعلم الآلي يشبه زنبركًا تم شده ونسي إطلاقه: الطرق القياسية تضخم حجم المسألة بشكل مصطنع، محولة الحسابات إلى ثقب أسود للذاكرة والوقت.

الدماغ يتحدث عبر طقطقات كهربائية قصيرة. في السابق، لتعلم هذه اللغة، كانت هناك حاجة إلى آلاف الأمثلة المترجمة من قبل المجرِّب. طريقة MOJO تسلك مسارًا مختلفًا: كما يحدث عند تعلم لغة عن طريق الانغماس، فهي أولاً 'تستمع' إلى 'تيار الوعي' دون أي تلميحات وتجد بنفسها الأنماط المتكررة.

السائق على طريق زلق لا يعرف كيف ستستجيب السيارة لعجلة القيادة، فيتعلم أثناء القيادة تاركاً هامشاً للخطأ. على نحو مماثل، تتصرف خوارزمية التحكم الذكية. فبدلاً من المطالبة بنموذج دقيق، تجمع البيانات بشكل فوري، وتقدّر عدم اليقين والتشويشات الخارجية، وكأن الصندوق الأسود يكشف عن إعداداته تدريجياً.

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.

عندما تكتب "سلطة" وتقترح لوحة المفاتيح الذكية "قيصر"، خلف الكواليس تتعلم ملايين الهواتف معًا التنبؤ بالكلمات. إنها لا تتبادل رسائلك، بل فقط تحسينات الخوارزمية المشتركة — مثل مدرب يرسل للرياضيين فقط التغييرات في خطة التدريب: "أضف 5 تمارين ضغط إلى برنامج الأمس".

في المطبخ بمواقد الغاز، كل شعلة تسخن بطريقتها. إذا أعاد الطاهي ترتيب القدور، قد يحترق الطعام. هكذا في الشبكة اللاسلكية: الهوائيات-الشعلات والمستخدمون-القدور يتطلّبون ترتيبًا دقيقًا. الشبكات العصبية العادية لا تميّز المواقع، معتبرةً كل الشعلات متشابهة. لذلك يصعب عليها تقدير جودة الاتصال أو ضبط الإرسال.

أنظمة الرؤية الآلية الحديثة تكتسب استقلالية متزايدة: تمكن المهندسون من تنفيذ خوارزمية التعرف على الأنماط مباشرة على شريحة مصغرة، مما يلغي حاجة الكاميرا إلى إرسال البيانات إلى حاسوب ضخم. يشبه مبدأ العمل استراتيجية تلسكوب يبحث عن كواكب خارجية: بدلاً من المسح السلبي لكامل مجال الرؤية، تركز الكاميرا بشكل انتقائي على الأجسام المهمة — الأهداف المتحركة، والحدود، والوجوه.

تشبه شبكة التماس للسكك الحديدية المجرة — بنية معقدة تنتشر فيها الطاقة مثلما تنتشر مجالات الجاذبية التي تربط النجوم. وفي هذا التشبيه، تصبح القطارات كواكب خارجية — أجسامًا ضخمة تزعج الوسط بحضورها.

توقّع خصائص جزيء جديد يشبه تخمين طعم طبق غير مألوف. يعمل البرنامج كطاهٍ خبير: «يتذوق» جزيئات مماثلة معروفة الخصائص، وبناءً على «مذاقها» يُنقِّح تخمينه. على سبيل المثال، بالنسبة لـ ماء أو ثاني أكسيد الكربون، تجد الخوارزمية نظائر مدروسة وتُصحِّح درجة الغليان أو الذوبانية. لا يكتفي الطاهي بنسخ الجيران، بل يُقيِّم مدى ثقته بتنبؤه الذاتي.

شبكة عصبية كبيرة، مثل Whisper، التي تتقن مئات اللغات، تشبه النموذج القياسي في فيزياء الجسيمات الأولية — نظامًا متناسقًا حيث كل شيء في توازن دقيق. ولكن بمجرد البدء في تدريبها على لغة نادرة، ينهار هذا التوازن: تتحول اللغة المستهدفة إلى ثقب أسود — منطقة تجذب بلا هوادة جميع موارد التدريب.

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.

DFTB هو قطار سريع في عالم الكيمياء الكمومية: أسرع بمئات المرات من DFT التقليدي، لكنه لا يزال على القضبان الإلكترونية. لكن محركه - الاتساق الذاتي التكراري للشحنات - يشبه أحيانًا أوركسترا حيث تبدأ كل آلة بنغمة عشوائية. عندما تكون الشحنات الأولية صفرية، يضطر النظام للتناغم طويلاً: عشرات، بل مئات الدورات، حتى يتحول التنافر في التفاعلات الكهروستاتيكية إلى تناغم.

العدسية التجاذبية الميكروية هي أثر كوني مذهل، تنبأ به أينشتاين وطوّره تسفيكي. جسم ضخم، يمر بيننا وبين نجم بعيد، يحني ضوءه كالعدسة، مُحدِثاً تضخيمات وتشوهات مميزة.

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.

الذهب لا يستلقي على السطح — إنه مختبئ بين أطنان من الصخور الخاوية. كي يستخرج المنقبون غرامًا واحدًا من المعدن النفيس، يغربلون أمتارًا مكعبة من التربة. على هذا المنوال تقريبًا تُدرَّب نماذج اللغة الكبيرة المعاصرة: تمرر آلاف الإجابات المرشحة عبر نموذج تقييم مكلف (الأوراكل — نموذج يعطي تقييمات دقيقة)، لاختيار إجابة واحدة هي الأفضل.

لقرون، ظل الفلكيون يتأملون سماء الليل، ملتقطين أدق التغيرات في ضياء النجوم. هذه السلاسل غير المنتظمة – منحنيات الضوء – أشبه بالمدرج الموسيقي: كل نجم يعزف لحنه الفريد. لكن اليوم، تحولت تدفقات البيانات من التلسكوبات كمسح فيرا روبين (LSST) إلى نشاز يصم الآذان – مليارات «التسجيلات» كل ليلة.

صناعة مادة بخصائص محددة فن اعتمد طويلاً على الحدس والحظ. الطبيعة لا تعطي تلميحات: عشرات العناصر في الجدول الدوري، وعدد توليفاتها يمتد إلى ما لا نهاية. سابقاً، كان علماء المواد أشبه بالكيميائيين القدماء، يجربون كل شيء، أو يعتمدون على نماذج إحصائية تفقد قوتها خارج حدود المعلوم. لكن فيزيائيين من اليابان طوروا نموذجاً رقمياً من نوع مختلف: يحول البحث إلى عمل صانع عطور.

الثلاجات والمكيفات الحديثة التي تستخدم الفريون تسمم الغلاف الجوي بصمت. البديل هو المواد الكالورية الصلبة، التي تبرد عند تغير سريع في الضغط بفضل التأثير الباروكالوري.

الدماغ لا يتعلم كل مهمة من الصفر، بل ينقل الخبرة من نشاط إلى آخر. ولكن كيف نعرف أي المهام هي في الحقيقة مترابطة؟ ابتكر علماء الأعصاب حيلة ذكية: إعطاء شبكة اصطناعية "فرصة لمراقبة" نشاط الدماغ أثناء مهمة ما، ومحاولة التنبؤ بالنشاط أثناء مهمة أخرى. إذا نجح الأمر جيدًا، فهذا يعني أن المهام متقاربة. وإذا فشل، فإن الدماغ يستخدم آليات مختلفة تمامًا.

كاشفات الأشعة السينية مبنية على غرار أقراص العسل: في الخلايا السداسية، تُسجَّل هنا وهناك ومضات — آثار اصطدام فوتونات فردية. تضطر الخوارزميات التقليدية إلى تمديد هذا البنية السداسية الطبيعية إلى شبكة مستطيلة، مما يولد قطعًا أثرية — أشباحًا زائفة للاستقطاب الاستقطاب تشوه الصورة الحقيقية.

رقصة مئات الجسيمات: بعض الأزواج تدور ببطء وسلاسة، بينما تهتز أخرى بإيقاع محموم. لفهم جوهر الرقصة، يجب متابعة الحركات البطيئة تحديدًا، فهي الكوريغرافيا الرئيسية للنظام. في علم الجزيئات، تُسمى هذه الحركات البطيئة "الأنماط البطيئة" (slow modes)، وهي التي تحدد كيفية طي البروتين على شكل كرة أو ارتباط الدواء بالهدف. الطريقة الجديدة SelfTICA تتعلم تمييز هذه الكوريغرافيا دون توجيه.

لا يُهدر الطاهي المحترف المكونات بإعداد الطبق كاملاً لتقييم الطعم، بل يتذوّق قطرة من الصلصة. المنطق نفسه يقوم عليه أسلوب «المقارنة المعلوماتية» لتوقّع متانة المعادن. فبدلاً من الحسابات الباهظة لسلوك كل ذرة، «يتذوّق» العلماء مؤشرات بسيطة ترتبط باللدونة، أي قدرة المعدن على الانحناء دون أن ينكسر.

فهم فوتومتري — وهي الظاهرة التي يسقط فيها الضوء على مادة فيُخرج منها إلكترونات — يشبه تعلّم الطبخ دون وصفة. تأتي الأدوات الرقمية للنجدة: الألعاب تمنح حدسًا بديهيًا، والمحاكاة تمنح دقة كمية. أجرى الباحثون تجربة شارك فيها 55 طالبًا، قسموهم إلى مجموعتين.

المترجم لا يتعلم اللغة من كتاب مدرسي، بل بالاستماع إلى الكلام الحي ورؤية ما يفعله الناس استجابةً للكلمات. هذا بالضبط ما يفعله الأسلوب الجديد C3P لقراءة الحمض النووي البكتيري. النماذج الجينومية التقليدية تحاول تعلم القواعد بمجرد «إعادة قراءة» مليارات الحروف من الشيفرة الوراثية — وغالبًا ما ترتبك. السبب هو أن المناطق التنظيمية في الحمض النووي تتطور بسرعة وبشكل فوضوي، مثل اللغة العامية في الشوارع.

في محيط المعاملات المصرفية، يظهر الاحتيال بشكل أندر من النجوم النيوترونية في الفضاء — فقط 0.1% من جميع العمليات. الكاشف التقليدي يعتاد على التدفق النظيف ويفقد يقظته. يأتي النظام الهجين Q-SYNTH مع مولد كمومي للإنقاذ. هو نفسه يُنشئ معاملات مزيفة واقعية، بالاعتماد على فتات البيانات الحقيقية.

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.

تعزف السيمفونية، لكن في النوتة الموسيقية نغمة كاذبة بالكاد تُلحظ. هكذا تقريبًا يبحث الفيزيائيون عن انحرافات عن النظرية النسبية العامة في "أصوات" الكون — الموجات الثقالية الناتجة عن اندماج الثقوب السوداء.