نموذج هرمي مفتوح المصدر: استدلال عميق بكفاءة عالية وبيانات محدودة
سابينت إنتليجنس تطلق نموذجاً مستوحى من الدماغ لحل أعقد مسائل الاستدلال
أعلنت شركة "سابينت إنتليجنس" (Sapient Intelligence) في سنغافورة يوم 21 يوليو 2025 عن إطلاق نموذجها الجديد مفتوح المصدر "نموذج الاستدلال الهرمي" (HRM)، وهو نموذج مستوحى من الدماغ البشري يعتمد على البنية الهرمية والمعالجة متعددة الأزمنة لتحقيق عمق حسابي كبير دون التضحية باستقرار أو كفاءة التدريب. تم تدريب النموذج على 1000 مثال فقط، وبدون تدريب مسبق، ويحتوي على 27 مليون معلمة فقط، ومع ذلك نجح في حل تحديات الاستدلال التي لا تزال تشكل صعوبة للنماذج اللغوية الكبيرة الحالية (LLMs).
تجاوز حدود النماذج اللغوية الكبيرة:
تعتمد النماذج اللغوية الحالية بشكل كبير على أسلوب "سلسلة الأفكار" (Chain-of-Thought)، والذي يعاني من مشاكل في تقسيم المهام، ويتطلب بيانات تدريب ضخمة ويعاني من بطء في الأداء. أما HRM، المستوحى من معالجة الدماغ البشري، فيتغلب على هذه القيود من خلال ثلاث مبادئ أساسية: المعالجة الهرمية، الفصل الزمني، والاتصال العودي. يتكون النموذج من وحدة عليا للتخطيط البطيء المجرد ووحدة دنيا للحسابات السريعة التفصيلية، ويستطيع التبديل ديناميكياً بين التفكير التلقائي ("النظام 1") والاستدلال المتعمد ("النظام 2") في خطوة واحدة.
قال "غوان وانغ"، المؤسس والرئيس التنفيذي:
"الذكاء الاصطناعي العام (AGI) هو منح الآلات ذكاءً بمستوى الإنسان أو يتجاوزه. سلسلة الأفكار مجرد حل مؤقت. نحن في سابينت بدأنا من الصفر بنموذج مستوحى من الدماغ لأن الطبيعة أمضت مليارات السنين في تطويره. نموذجنا يفكر ويستدل مثل الإنسان، وليس مجرد حساب احتمالات. نعتقد أنه سيتجاوز الذكاء البشري، وعندها يبدأ الحديث الحقيقي عن AGI."
إنجازات في الاختبارات:
رغم صغر حجمه (27 مليون معلمة) واستخدام 1000 مثال فقط وبدون تدريب مسبق، تمكن HRM من حل مشاكل تعجز عنها النماذج الأكبر. في اختبار ARC-AGI-2، حقق HRM أداءً بنسبة 5%، متفوقاً على نماذج مثل OpenAI o3-mini-high وDeepSeek R1 وClaude 3.7 8K. كما حقق دقة شبه كاملة في حل ألغاز سودوكو الصعبة والمتاهات الكبيرة (30x30)، حيث تفشل الأساليب التقليدية.
تأثير واقعي:
كفاءة HRM في استخدام البيانات ودقته في الاستدلال تفتح آفاقاً جديدة في مجالات مثل الرعاية الصحية (خاصة في تشخيص الأمراض النادرة)، وتوقعات المناخ (رفع دقة التوقعات إلى 97%)، والروبوتات (كنظام قرار خفيف وسريع على الجهاز).
المستقبل:
تؤمن سابينت أن HRM يمثل بديلاً عملياً للنماذج الحالية، ويقدم طريقاً نحو أنظمة استدلال قادرة تعتمد على البنية وليس الحجم، لتقريب الذكاء الاصطناعي من الذكاء العام الحقيقي.
الكود متاح على GitHub:
https://github.com/sapientinc/HRM
المصادر: