يزعم باحثو معهد ماساتشوستس للتكنولوجيا أنهم وجدوا طريقة لجعل الكود الذي تم إنشاؤه بواسطة الذكاء الاصطناعي أكثر دقة.
وإذا كان هذا يبدو وكأنه مستوى منخفض، فهو كذلك.

لكن مهلاً، لقد شاهدنا جميعًا الذكاء الاصطناعي يكتب أكوادًا معيبة بثقة ويتظاهر بأنها تعمل. لذا... قد يكون هذا مهمًا حقًا.

🛠️ما الجديد؟

قام معهد ماساتشوستس للتكنولوجيا بتطوير تقنية تقوم بتتبع وتصحيح تنبؤات الكود الخاصة بالذكاء الاصطناعي في الوقت الفعلي.
النظام:

• يشاهد كيف يقوم النموذج ببناء الكود سطرًا بسطر

• يتنبأ بالمكان الذي قد يحدث فيه الخطأ

• ثم يقدم التصحيحات قبل أن يخرج الكود عن مساره الصحيح

فكر في الأمر على النحو التالي:

الذكاء الاصطناعي يولد الكود بصوت صغير في رأسه يقول، "... هل أنت متأكد من ذلك؟"

يستخدم المشروع إطار عمل يسمى "رسومات البرنامج" لتحديد الأنماط قبل ظهور الأخطاء الكاملة على محطتك مثل سجل الأخطاء المشتعل.

🧪 🔧 ما تفعله طريقة معهد ماساتشوستس للتكنولوجيا في الواقع (مع مثال)

لنفترض أن المهمة هي:

"اكتب دالة بايثون للتحقق مما إذا كان الرقم أوليًا."

🤖 ما قد يفعله ChatGPT أو Gemini:

سوف يقومون بـ:

• خذ مطالبتك

• استخدام الأنماط من بيانات التدريب

• إنشاء وظيفة مثل هذه:

تعريف is_prime(n):

إذا كان n <= 1:

العودة خطأ

بالنسبة إلى i في النطاق (2، n):

إذا n % i == 0:

العودة خطأ

العودة صحيح

✅ يعمل بشكل جيد—ولكن في بعض الأحيان:

• قد ينسى الحالات الحدية

• تحسينات خاطئة

• أو هلوسة المنطق إذا كان الطلب غامضًا

إنه مثل المتدرب السريع للغاية الذي يبدو واثقًا من نفسه ولكنه قد يختصر الطريق.

🧠 ما يفعله نظام معهد ماساتشوستس للتكنولوجيا بدلاً من ذلك:

1. يقوم بتقسيم المهمة إلى هيكل كود جزئي ("رسم تخطيطي للبرنامج")

• فكر في الأمر على أنه إعطاء النموذج الهيكل العظمي لما ينبغي أن يبدو عليه الكود

2. ثم يستخدم بحثًا احتماليًا لاستكشاف إصدارات متعددة من هذا الكود

• إنه مثل أن يطلب النموذج منك أن تسأل: "ما هي الطرق العشر التي يمكن أن تسوء بها الأمور؟"

• ومن ثم التركيز فقط على تلك التي من المرجح أن تكون صحيحة

3. يتحقق من بناء الجملة والمنطق في كل خطوة، وليس بعد كتابة الكود

• مثل التدقيق الإملائي والتدقيق المنطقي الذي يحدث أثناء الكتابة

🚀 الفرق الرئيسي بين ChatGPT/Gemini

📚 بكلمات بشرية: لا يزال الذكاء الاصطناعي بحاجة إلى عجلات تدريب

لا نتظاهر بأن هذا يحول الذكاء الاصطناعي إلى مهندس كبير.

هذه التقنية:

• لا يكتب كودًا أفضل من الصفر

• إنه يوجه النماذج بعيدًا عن الأخطاء الواضحة

• وقد تم تصميمه لمهام برمجة محددة مثل خوارزميات الفرز والبرمجة الديناميكية ومجالات أخرى ذات منطق ثابت

لذا، لا، فإن مجموعة الميزات غير المكتملة لشركتك الناشئة لا يتم تصحيح أخطائها بواسطة معهد ماساتشوستس للتكنولوجيا.
ولكن إذا كنت تقوم بتدريب الذكاء الاصطناعي على تعلم منطق الكود، فقد يكون هذا فوزًا كبيرًا.

💰 خلاصة القول: هل يمكنك استخدامه؟ ما هي المشكلة؟

• هل هو متاح الآن؟ لا، هذا مشروع بحثي، وليس أداة تجارية بعد.

• هل يمكن للمطورين استخدامه؟ ليس مباشرةً. هو حاليًا قيد الاختبار في معهد ماساتشوستس للتكنولوجيا (MIT)، ويُركز على مهام برمجة خوارزمية مُحددة.

• التكلفة؟ القراءة عنه مجانية، غير متاحة للترخيص أو التشغيل.

• متى قد يكون لذلك أهمية؟ إذا تم اعتماده من قبل مساعدي الطيارين المبرمجين أو أنظمة تدريب الماجستير في القانون في المستقبل.

أين تقرأ المزيد؟ هنا.

🧊 منظور الضوء المتجمد

هذا ليس ترقية للذكاء الاصطناعي.
إنه ترقية لكيفية مراقبتنا للذكاء الاصطناعي عندما يكتب التعليمات البرمجية.

وبصراحة؟ هذا منعش.

بدلاً من مجرد إضافة المزيد من المعلمات ووصفها بأنها "أكثر ذكاءً"، يقول معهد ماساتشوستس للتكنولوجيا:

ماذا لو راقبنا بالفعل كيفية تفكير النموذج وساعدناه في تصحيح مساره؟

ذكي.

وهذا ما نعنيه عندما نتحدث عن البحث العميق والتفكير العميق.
لا يتعلق الأمر بالنماذج الأكبر، بل يتعلق بإعطاء الذكاء الاصطناعي طريقة لإظهار عملية تفكيره.
هذا هو نوع العمل الذي يساعدنا على الثقة في الناتج لأننا نستطيع في النهاية أن نرى المسار الذي اتخذه للوصول إلى هناك.

أرجو من أحدكم أن يصمم هذا أيضًا لعروض الذكاء الاصطناعي. لقد رأينا ما يكفي من الرسوم البيانية المتخيلة لعقد من الزمن.