GITEX

GPT-6 Astra يقرأ أوزان نماذج الذكاء الاصطناعي الأخرى ويعدّلها دون تدريب

GPT-6 Astra يقرأ أوزان نماذج الذكاء الاصطناعي الأخرى ويعدّلها دون تدريب
عبد الرحمن عمرو
عبد الرحمن عمرو

4 د

باحثون من MIT يختبرون قدرة GPT-6 Astra على قراءة أوزان نماذج أخرى.

Astra عدّل 0.

016 بالمئة من أوزان Qwen فارتفعت دقته في الرياضيات.

النموذج كتب أوزان شبكة للعبة Go تفوقت على نموذج مدرّب تقليدياً.

لم يحقق Astra تحسناً يُذكر مع نموذج Gemma 3 270M الأصغر.

الباحثون يرون فيه أداة محتملة لتدقيق أمان النماذج وتعديل سلوكها.

لو وضعت أمام أي شخص قائمة بآلاف الأرقام وسألته عن اللعبة التي دُرّب عليها النموذج الذي تنتمي إليه هذه الأرقام، فلن يجد جواباً. لكن GPT-6 Astra من OpenAI وجده. ففي مدونة بحثية، يعرض باحثون من MIT كيف استطاع هذا النموذج تحليل الإعدادات الداخلية لنماذج ذكاء اصطناعي أخرى، أي ما يُعرف بالأوزان، ثم تعديلها عمداً من دون عملية التدريب التقليدية، وهو ما قد يغيّر طريقة ضبط أنظمة الذكاء الاصطناعي والتحكم فيها، بحسب تقرير The Decoder.


ميكانيكي يدير المقابض بدل إعادة التدريب

الأوزان قيم رقمية مرتبة في جداول ضخمة تسمى رياضياً مصفوفات، وهي التي تحدد ما يفعله النموذج. عادة تُضبط هذه القيم عبر تحسين رياضي تدريجي مكلف. أما الباحثون فيسمون أسلوبهم برمجة فضاء الأوزان، حيث يتصرف نموذج لغوي مثل ميكانيكي يدير مقابض بعينها بدل إعادة تدريب النموذج كاملاً.

وبحسب التجربة، عمل Astra أحياناً مباشرة على قوائم الأرقام، وأحياناً استعان بأدوات برمجية وبنتائج تشغيل اختبارية.


قراءة ما تعلمته الشبكات من أرقامها فقط

في عدة تجارب، أعطى الباحثون Astra الأوزان الخام لشبكات مدرّبة وسألوه عما تعلمته. فحدد بشكل صحيح أي لعبة من أربع ألعاب حاسوبية صُممت الشبكة للعبها، وتعرّف على الأشكال الأساسية التي ينتجها مولد صور، وإن خلط بين الأشكال المملوءة والمحددة بخطوط. كما طابق لغة تدريب نماذج لغوية صغيرة، دون الوصول إلى بيانات التدريب ودون تشغيل النماذج.

لكنه لم يستطع في البداية، من الأوزان وحدها، تمييز النموذج الذي دُرّب على موافقة المستخدم دائماً من بين نموذجين. ولم ينجح في تحديد النموذج المتملق في الأزواج الثلاثة إلا بعد أن سُمح له بمراقبة ما تركز عليه النماذج أثناء معالجة النص.


أوزان مكتوبة من الصفر تتفوق على التدريب

ذهب Astra أبعد من ذلك، فكتب أوزان نماذج للعب ثلاث ألعاب حاسوبية بسيطة دون أي تدريب، اعتماداً على قواعد اللعبة وشيفرتها المصدرية فقط. ووفق الباحثين، تفوقت هذه النماذج على أخرى دُرّبت بطريقة قياسية على مدى 100 مليون جولة. ففي لعبة Breakout سجل نموذج Astra متوسط 517 نقطة مقابل 25 للنموذج المدرّب، بينما تأخر في لعبتين أخريين عن النسخ الأطول تدريباً.

وفي لعبة Go على رقعة 9 في 9، كتب Astra أوزان شبكة تضم نحو 1.5 مليون معامل. ومع ميزانية من 50 جولة اختبار، لعبت فيها الشبكة حتى 128 مباراة تدريبية في كل جولة قبل أن يصحح Astra أوزانها، تغلبت على نموذج مماثل الحجم دُرّب على نحو 20 مليون مباراة.


قفزة كبيرة في رياضيات Qwen

التجربة الأكثر عملية كانت مع النموذج اللغوي Qwen3.5-0.8B، إذ طُلب من Astra تحسين مهاراته في الرياضيات باستخدام بيئة برمجة و50 جولة اختبار، مع تقييم على مسائل لم يرها من قبل. رصد Astra مشكلة تحذر منها وثائق Qwen نفسها، وهي حلقات التفكير التي يكرر فيها النموذج النص ذاته بلا نهاية بدل الوصول إلى إجابة.

  • غيّر Astra نسبة 0.016 بالمئة فقط من الأوزان.
  • ارتفعت الدقة في اختبار MATH-500 من 7.9 إلى 48.1 بالمئة.
  • تحسنت القدرة على اتباع التعليمات من 21 إلى 62 بالمئة.
  • انخفضت الإجابات التي تبلغ الحد الأقصى للطول من 93 بالمئة إلى الثلث.

حدود واضحة وجدل حول الأسبقية

مع نموذج أصغر هو Gemma 3 270M، الذي نادراً ما يقع في هذه الحلقات، لم يحقق Astra أي تحسن قابل للقياس. ويرجّح الباحثون أنه أزال عائقاً في Qwen كان يكبت قدرات موجودة أصلاً، وأن المهارات التي يفتقدها النموذج جذرياً لم يكن ممكناً إضافتها بمجرد إعادة كتابة أوزان بعينها في هذه التجربة.

وعلّق يورغن شميدهوبر، أحد رواد الذكاء الاصطناعي، على X بأن الفكرة قديمة، مشيراً إلى أعماله في التسعينيات. فرد الباحث خطاب بأن الفريق أشار إلى تلك الأبحاث التي سبقت زمنها، وأن الجديد هو مدى براعة النماذج اللغوية اليوم في الترجمة بين اللغة البشرية والقيم الرقمية للشبكات.

ذو صلة

يرى الباحثون في هذا الأسلوب إمكانات لتدقيق الأمان مباشرة على أوزان النماذج، أو تغيير سلوكها بدقة دون إعادة تدريب مكلفة، مع اعترافهم بأن القدرات ما زالت محدودة وأن معياراً للقياس المنهجي هو خطوتهم التالية. وربما يكمن المعنى الأعمق هنا في أن النماذج لم تعد صناديق مغلقة لا يفهمها إلا من دربها، بل بدأت تُقرأ وتُصلح من الداخل، وإن كان ذلك لا يزال في بداياته.

عبَّر عن رأيك

إحرص أن يكون تعليقك موضوعيّاً ومفيداً، حافظ على سُمعتكَ الرقميَّةواحترم الكاتب والأعضاء والقُرّاء.

ذو صلة