لقد قمت ببناء ذكاء اصطناعي ذاتي التحسين، وأنت أيضًا تستطيع ذلك

في هذه الأيام، تتسابق جميع مختبرات الذكاء الاصطناعي الحدودية لبناء نماذج ذاتية التحسين. ويعتقد البعض أن هذا هو الطريق الأضمن للذكاء الفائق، فبينما يقوم الذكاء الاصطناعي بتحسين نفسه في حلقة ذوبان العقل، فإنه سيتجاوز في النهاية الفهم البشري (وربما حتى السيطرة عليه).

كل هذا جيد وجيد، ولكن لدي رسالة إخبارية لأقوم بإنتاجها. تساءلت عما إذا كان التحسين الذاتي العودي قد يكون مفيدًا أيضًا بالنسبة لي. هل يمكنني استخدام الذكاء الاصطناعي للتدريب والتحسين المستمر لنموذج يعمل على أتمتة بعض الأعمال المزدحمة لهذه النشرة الإخبارية؟

وبعد أسبوع أو نحو ذلك من التجارب، يبدو أن الإجابة هي نعم مدوية ومدهشة. علاوة على ذلك، فإن التعامل مع نماذج التحسين الذاتي يُظهر رؤية مختلفة لكيفية تطور الذكاء الاصطناعي، وهي رؤية لا تتمحور حول حفنة من الشركات التي تسيطر على الصناعة بأكملها.

لقد بدأت بتجربة حلقة بسيطة للتحسين الذاتي

ولكي أجعل قدمي مبتلةً، قمت بتجربة تدريب نموذج لغة صغير من الصفر – وأعني بذلك أنني ألقيت كل العمل الشاق على طبق كلود.

لقد قمت بتثبيت AutoResearch، الذي يساعد نموذج الذكاء الاصطناعي الجاهز على بناء نموذج أصغر وتحسينه. يعد AutoResearch من بنات أفكار أندريه كارباثي، باحث الذكاء الاصطناعي المتميز الذي ساعد في تأسيس OpenAI، وقاد أعمال الذكاء الاصطناعي في Tesla، وانضم مؤخرًا إلى Anthropic.

لقد قمت بتنشيط كلود وأعطته التعليمات الموصى بها: “مرحبًا، ألق نظرة على Program.md ودعنا نبدأ تجربة جديدة!” بينما كان كلود يقوم بالأشياء الصعبة، قمت بتوفير السيليكون (جهاز Nvidia DGX، وهو “كمبيوتر خارق” مكتبي مصمم لتجربة الذكاء الاصطناعي)، والكهرباء (يعمل ساخنًا لبضعة أيام متواصلة)، وربما رغبة غير حكيمة في السماح للنموذج بتخطي جميع عمليات التحقق من الأذونات المعتادة من أجل القيام بعمله (دعه يطبخ!)

لقد قمت بتسجيل الدخول إلى مشروع AutoResearch كل بضع ساعات وأذهلتني عندما قام كلود بتعديل المعلمات وأنظمة التدريب، ونظر في كيفية تغيير مخرجات النموذج الأصغر، واستمر في تحسينه بشكل أكبر.

إليكم ما أنتجته النسخة المبكرة من نموذج اللغة الأصغر هذا عندما طلبت منه إكمال العبارة “في البداية…”

“في بداية البداية، النهاية، النهاية، النهاية، النهاية، النهاية، النهاية، النهاية، النهاية، النهاية، النهاية، النهاية…”

ليست رائعة جدا. لكن النماذج اللاحقة، التي قام كلود بتحسينها بشكل مستقل، أصبحت أكثر تماسكًا وأقل عرضة للتكرار الجنوني الذي لا نهاية له. إنه بالكاد GPT-5، لكنه أظهر طريقًا واعدًا نحو التحسين المستمر.

استمرت رحلتي بشيء أكثر تعقيدًا ومفيدًا

أستخدم بالفعل وكيلًا يعتمد على كلود لمساعدتي في العثور على أوراق بحثية جديرة بالملاحظة، لذلك قررت أن أرى ما إذا كان من الممكن بناء شيء يتجاوز ذلك.

لقد لجأت إلى أداة من شركة ناشئة تسمى Prime Intellect، والتي تستخدم الذكاء الاصطناعي لتدريب نموذج مخصص لمهمة محددة. لقد قمت بجمع ما يقرب من 100 إدخال سابق بعنوان “في مكان آخر على حدود الذكاء الاصطناعي”، وهي عبارة عن أجزاء وأجزاء من الأبحاث التي تتبع المقال الرئيسي في رسالتي الإخبارية. بعد ذلك، قمت بإنشاء بيئة تدريب Prime Intellect وطلبت من كلود مساعدتي في بناء نموذجي الخاص، والذي أطلق عليه اسم Frontier_Paper_Curator، للعثور على الأوراق البحثية المثيرة للاهتمام وتلخيصها.

عثر كلود على المزيد من الأبحاث وأنتج مجموعة من البيانات التركيبية للمساعدة في التدريب. ثم استخدمت نموذجًا آخر لتقييم مخرجات Frontier_Paper_Curator، بينما قامت بيئة التدريب أيضًا بتحسين النموذج من خلال التعلم المعزز.