ذكاء اصطناعي يحسن شيفرته بنفسه: Frontis-MA1 من تسينغهوا يقترب من العمالقة ببطاقة رسوم واحدة
نموذج باحثي تسينغهوا يكتب شيفرة تعلم الآلة ويصححها ويحسنها؛ وعلى وحدة معالجة رسوم استهلاكية واحدة رفع نجاحه في الاختبارات من 39 إلى 71 بالمئة، داخلًا مدى نماذج مغلقة أكبر بكثير.
عادت فكرة الذكاء الاصطناعي الذي يطور الذكاء الاصطناعي من الأكاديميا بمثال ملموس. فقد أعلن باحثو جامعة تسينغهوا عن Frontis-MA1، نموذج يكتب شيفرة تعلم الآلة ويصحح أخطاءها ويحسن مخرجاته. واللافت هو الحجم: فبينما يعمل على وحدة معالجة رسوم استهلاكية واحدة، يرفع معدل نجاحه في مهام القياس من 39 إلى 71 بالمئة، داخلًا مدى نماذج مغلقة المصدر تفوقه حجمًا بأضعاف.
ومخطط المقارنة المنشور يتكلم لغة اليوم أيضًا: تأتي النتائج تحت عنوان "نتائج كل أحزمة التشغيل"، وفي تقييم OpenMLE-Evo-Max يجلس Frontis-MA1 خلف عمالقة مثل Kimi K3 وGPT-5.5 مباشرة، متقدمًا على أسماء مألوفة كثيرة بينها GLM-5.3. ورسم الحجم مقابل الدرجة يزيد الرسالة وضوحًا: مع نمو المعاملات لوغاريتميًا على المحور، يقف Frontis-MA1 وحيدًا في المنطقة العلوية اليسرى: حجم صغير ودرجة عالية.
وجوهر الطريقة حلقة تحسين ذاتي: يبني النموذج تجربة تعلم آلة، ويشغل الشيفرة، ويرى الفشل، ويصلحه، ويكتب نسخة أفضل؛ فتنكمش التجربة والخطأ التي تكلف الباحث البشري أيامًا إلى ساعات على بطاقة رسوم. إنها الحلقة الأكاديمية من السلسلة التي غطيناها هذا الأسبوع: أوبر تجعل الوكلاء يكتبون شيفرتها، وOWASP تمرر رقع الذكاء الاصطناعي عبر مرشحات بشرية، وتسينغهوا تضع تدريب النموذج لنفسه في وحدة رسوم واحدة.
والتشديد على إتاحة الوصول مقصود: حلقة تحسين ذاتي تعمل على بطاقة استهلاكية واحدة تخرج هذا الصنف من الأبحاث من ميزانيات المختبرات الكبرى وتضعه على طاولات نوادي الجامعات والباحثين المستقلين. الفجوة مع العمالقة باقية؛ لكن بطاقة السعر لم تعد مليون دولار، بل حاسوب ألعاب.
