إذا لم تنظر إلى الاسم، فستظن بالتأكيد أن هذا مجرد أداء "مُعزَّز" مُطلق من نموذج رائد لا يمكن إصداره علنًا:
إجراء أبحاث علمية: حل سبع مسائل رياضية وحاسوبية رائدة في جولة واحدة، مع تقديم إثبات مطول يبلغ 40 صفحة لم يتمكن أدق أنظمة التحقق الآلية من اكتشاف أي خطأ فيه؛
هندسة: قمت بكتابة محاكي CPU واقعي للغاية من الصفر، ونجحت في تشغيل النظام بخطأ قدره 0.71٪؛
اكتب الكود: قمت بتحسين الكود الأساسي لمكتبتين مفتوحتين رائعتين، Eigen و ParlayHash، وتم دمج التغييرات مباشرة من قبل المُحافظين الرئيسيين.
هذه نتيجة تم الكشف عنها من قبل فريق Antigravity التابع لجوجل في 27 أغسطس.
في المقال الفني لـ Teamwork، كشف فريق Antigravity التابع لجوجل عن ثلاث نتائج في مجالات الرياضيات والأنظمة والمفتوح المصدر.
بشكل مفاجئ، لم يكن العنصر الرئيسي هذا المرة هو عملاق استهلاك الطاقة، بل النموذج الصغير الذي يركز على "السرعة والتكلفة المنخفضة": Gemini 3.7 Flash.
حتى جوجل الرسمية حددت: هذه هي المرة الأولى التي يحقق فيها نموذج من مستوى Flash نتائج رياضية على مستوى الدكتوراه.
كيف يمكن للنماذج الرخيصة أن تتفوق على النماذج الأعلى مستوى؟
السر لا يكمن في المعلمات، بل في إطار تنسيق متعدد الوكلاء يُسمى Teamwork.
الإشارة الحقيقية التي ترغب جوجل في إيصالها إلى الصناعة هي: ليس أن فلاش أصبح ذكيًا فجأة، بل أن طريقة تنظيم العمل قد تغيرت.
Pro يقود الاستكشاف
Flash تم إعادة إنتاجه بنجاح
من هو بطل هذه التقرير؟ قدمت مقالة جوجل التقنية تعريفًا دقيقًا جدًا:
7 نتائج في الرياضيات وعلوم الحاسوب النظرية، تم تحقيقها في البداية جميعها بواسطة Gemini 3.1 Pro في وضع الإثبات الطويل لـ Teamwork.
لكن المفاجأة هي أن ثلاث نتائج قوية من هذه تم إعادة إنتاجها بالكامل بواسطة Gemini 3.7 Flash.
هذه العناصر الثلاثة ليست مشاكل هامشية تُضاف للإكمال: بناء coreset لتقريب فضاءات ℓp، الحد السفلي للبعد في تضمين أقصى جداء داخلي، وكمية Hadamard التي تخفض الثابت الرائد مباشرةً بنسبة تقارب 5.93 مرة.
كل نقطة هي مشكلة مفتوحة في الأوساط الأكاديمية.
العناصر الأربعة المتبقية تُعالج بالكامل بواسطة 3.1 Pro، وتشمل حدودًا تحتية لعدد الشرط في التحسين النادر المحدب، وحدودًا تحتية تقريبية مثلى لتحليل المصفوفة البادئة، ومشكلة دورات كنوث، بالإضافة إلى مشكلة مسافة الوحدة لإيردوس التي أُعيد إنتاجها بشكل مستقل في ظل انقطاع الاتصال بالإنترنت.
علاوة على ذلك، فإن درجة التقييم TCSBench التي بلغت 71%، وهي الأعلى في سجلات جوجل الداخلية، تم تحقيقها من خلال دمج 3.7 Flash مع 3.1 Pro، متجاوزةً مباشرةً السجل السابق البالغ 67.7% الذي تم تحقيقه بواسطة 3.6 Flash مع 3.1 Pro.
من بينها، الإشارة التي تستحق انتباهنا حقًا هي:
إذا تم ترتيب الإطار بشكل صحيح، يمكن للنماذج الصغيرة الخفيفة مثل Flash إعادة تنفيذ الأبحاث التي أنتجتها النماذج الرائدة.
هذا يكفي لتوسيع حدود فهمنا لما يمكن أن تفعله النماذج الصغيرة.
Teamwork يجعل "البحث عن الأخطاء" نظامًا صارمًا
Teamwork هو إطار عمل لتنسيق الوكلاء المتعددين طوره فريق Antigravity.
كل ما عليك فعله هو كتابة /teamwork-preview، وسيقرأ Gemini التعليمات ويختار النموذج بنفسه، ثم يجمع فريقًا من الخبراء بالذكاء الاصطناعي فورًا، ويعمل لساعات أو حتى أيام متواصلة.
الإنجازات الرياضية المذكورة سابقًا، جميعها نتجت عن نمط الإثبات الطويل (Long Proof).
فكرة تصميمه معاكسة تمامًا للحدس: لا يعتمد على تجميع المعلمات، بل على جعل مجموعة من Flash تجتمع معًا لتُنتقد بعضها البعض وتُجادلها وتستهدف نقاط ضعفها.
كيف تجتمع هذه الذكاءات الاصطناعية بالضبط؟ عند تحليلها، هناك أربع خطوات إجمالاً:
الخطوة الأولى: "بحث استراتيجيات التنافس" المحموم.
سيقوم النظام بتنمية مجموعة من الحلول المرشحة في نفس الوقت، وتعيين مُخصّص "مُعارض" لكل حل، حيث يكون KPI الوحيد هو دحض هذا الحل.
من المثير للاهتمام أن الخطط التي تتعرض لانتقادات شديدة لا تُلقى مباشرة في سلة المهملات، بل تبقى في العملية مع جميع آراء المعارضة.
في النهاية، غالبًا ما تكمن إلهامات تنقذ الحياة في طريق مغلق.
الخطوة الثانية: اتبع الخريطة، "فكّك بدقة".
بمجرد اختيار استراتيجية موثوقة، يقوم النظام بتفكيكها إلى مجموعة من المشكلات الفرعية ذات العلاقات التبعية، ورسمها في رسم بياني طوبولوجي دقيق. يمكن المضي قدمًا في المشكلات المستقلة بالتوازي، بينما تنتظر المشكلات ذات الترتيب التسلسلي بانتظام.
الخطوة الثالثة: "البطولة الداخلية" ذات التنافس الشديد.
داخل كل سؤال فرعي، أجرِ جولة إقصائية أخرى، حيث يقرأ العقد المرشحات في الوقت الذي يراجع فيه الانتقادات اللاذعة، ويعملان معًا على تطوير نسخة مُحسَّنة.
إذا فشل التكامل، أعد تشغيله مع الملاحظات المجمعة حتى إغلاق الثغرات تمامًا.
الخطوة الرابعة: "التعلم العابر" الذي يُعلّمك من التجربة.
اترك مسودات الفشل كما هي لدورة التالية، وسجل كل حفرة واجهها المُحقق في "سجل الفخاخ".
تم مزامنة جميع الطرق الميتة والاستنتاجات المثبتة في وقت حقيقي مع مكتبة المعرفة المشتركة، للاستخدام في أي وقت من قبل الجميع.
شبكة مسابقة وضع Long Proof: يتم تعيين مُنكر واحد لكل استراتيجية مرشحة، وتبقى المسارات المرفوضة مصحوبة بمعارضتها في العملية.
عند تنفيذ هذه العملية بالكامل، لا يبدو وكأنه عقل فائق بارد، بل更像是 نسخة دقيقة لاجتماع أكاديمي قاسٍ جدًا لا يسمح لأحد بالتهرب أو التلاعب.
هنا، يجب أن تُمزّق أي خطة عدة مرات قبل أن تتمكن العظام الصعبة التي لا تُمزّق من المرور بنجاح.
هذا يعالج مباشرة هستيريا المجموعة الأكثر شيوعًا في الأنظمة المتعددة الذكاء التقليدية:
في الماضي، كان ذكاء اصطناعي واحد إذا انحرف قليلاً، فإن الذكاءات الاصطناعية الأخرى كانت تتبعه بلا تفكير، فتبنى المزيد من الأخطاء على أساس خاطئ.
السلاح السري لفريق العمل هو تحويل "البحث عن الأخطاء لدى بعضنا البعض" إلى نظام صارم لا يمكن لأحد تجنبه.
حقيقة لغز كنوث
من بين هذه الإنجازات السبعة، فإن الأكثر إثارةً وأسهلها سوءًا في التفسير هو معضلة Knuth's Cycles التي طرحها دونالد كنوث.
في الواقع، تم حل هذا السؤال بالكامل من قبل الذكاء الاصطناعي هذا الربيع.
دونالد كنوث، محاضرات عيد الميلاد في ستانفورد 2023.
في أواخر فبراير من هذا العام، استخدم Claude Opus 4.6 حوالي ساعة واحدة فقط لتقديم بناء الحالات الفردية بسرعة البرق، مما اضطر كنوث لكتابة "صدم!" مرتين في بداية ورقته.
بعد ذلك، ظهرت النماذج مثل gpt-5.3-codex وGPT-5.4 Pro لاستكمال الحالات الزوجية الأصعب.
بحلول منتصف أبريل، أكّد غارتنر في النسخة المعدلة من ورقته: أن الحالة الزوجية أصبحت واضحة تمامًا.
ماذا فعلت جوجل هذه المرة؟
ببساطة، وجدت جوجل بنائين أنيقين وأبسط لحالات الأعداد الزوجية، وأنتجت في الوقت نفسه أول دليلين طويلين بطول أكثر من 40 و70 صفحة.
وقد خضعت تلك الأدلة الصلبة التي تزيد عن 40 صفحة للتحقق التشكيلي باستخدام Lean، حتى أن الآلة لم تستطع اكتشاف أي عيب.
هذا بالتأكيد إسهام أكاديمي قوي، لكن معناه الحقيقي يكمن في "تقديم إثبات أكثر جمالًا" وليس في كسر الحواجز من الصفر بالمعنى الحقيقي.
هذا يُظهر في الواقع المكان الحقيقي القوي لـ Teamwork:
لم تسعى لتعويض "ذكاء الجزر" لنموذج فردي واحد، بل عالجت بالكامل عيب التعاون لدى الوكلاء المتعددين، وهو تشتتهم وتماثلهم المتبادل، من خلال لعبة وتنظيم مؤسسيين، مما أطلق "الذكاء الجماعي".
من النظرية إلى Shell
هذه المرة كان فعل فلاش حقًا
نفس آلية البحث عن الفروق، غوغل غيّرت النمط وانتقلت مباشرةً إلى تناول الهندسة المتقدمة.
يُذكر صراحةً في هذه المقالة التقنية الطويلة: "استخدام Gemini 3.7 Flash". قام فريق Teamwork ببناء محاكي CPU RISC-V يعمل بدورة وتنفيذ غير مرتب من الصفر.
التنفيذ غير المتسلسل هو معيار أساسي في وحدات المعالجة المركزية عالية الأداء الحديثة، وهو أيضًا المكان الأكثر عرضة لتعطل المحاكي.
العمل الجماعي يسير على مرحلتين: أولاً، التأكد من صحة وظائف البنية الدقيقة، وكتابة خط أنابيب غير مرتب ومخزن إعادة الطلب بنفسك، بنجاح تشغيل نظام xv6 حتى الوصول إلى Shell؛ ثم محاذاة التوقيت دورة تلو الأخرى.
عملية تشغيل نواة xv6 والدخول إلى Shell بواسطة محاكي RISC-V المبني بواسطة Teamwork.
أصعب عقبة، وتسميها جوجل "فجوة التنفيذ الصامت".
قد تنحرف حالة المعمارية الداخلية للمحاكي خلال مئات الدورات دون أن يُلاحظ، وعندما تظهر أخطاء على مستوى المعمارية، يكون من المستحيل بالفعل تحديد المصدر الأصلي.
حل فريق العمل هو عزل محاكي المرجع Spike في بيئة معزولة لمنع التلاعب أو السرقة من قبل الوكلاء، ثم محاكاة مترابطة بالخطوات المغلقة، مع مراجعة كل خطوة.
في النهاية، نجح هذا المحاكي في تشغيل أكثر من 100 معيار RISC-V، مع خطأ متوسط في الدورات لا يزيد عن 0.71% مقارنة بـ BOOM على أحمال اختبار لم تُرَ من قبل.
كشفت جوجل: مقارنة محاذاة الدورة بين محاكي Teamwork ووحدة BOOM، لم يُلاحظ خطأ متوسط قدره 0.71% على أحمال الاختبار.
لكن يجب التوضيح هنا أن هذا محاكي على مستوى البرنامج، وليس تصميم رقاقة RTL، ناهيك عن تصنيع الرقاقة.
ممارسة مفتوحة المصدر بجدية وواقعية
في النصف الثاني من البحث العلمي بالذكاء الاصطناعي، يعتمد الأمر على التنفيذ والقبول
مقارنةً بالرياضيات والمحاكيات، تبدو النتائج من الفئة الأخيرة الأقل إثارة، لكن الأدلة الأكثر قوة.
Eigen هو مكتبة جبر خطي عالي الأداء تُستخدم على نطاق واسع في عالم C++.
فريق العمل اكتشف تنفيذًا غير مثالي لضرب مصفوفة أو متجه صفيفي واحد، وقام مباشرةً بتطوير مسار سريع باستخدام SIMD.
وفي خريطة الهاش المتزامنة ParlayHash، قدم Teamwork أفكار تحسين Swiss Table، مما أدى إلى مضاعفة معدل الإدراج الأولي لـ 64 خيطًا، وزيادة معدل الإدراج الكلي للخيط الواحد بنسبة 1.5 مرة، مع تقليل استخدام الذاكرة لكل عنصر بنسبة 25٪.
هاتان التغييرتان ليسا مجرد تحسينات ذاتية تم إجراؤها في عزلة، بل هما كود حقيقي تم مراجعته بدقة عبر مراجعة الكود المفتوح المصدر، وتم دمجه رسميًا من قبل مُحافظين خارجيين في الفرع الرئيسي.
أكثر من مجرد درجة الأداء، هناك جملة واحدة في نهاية ورقة رياضية أعلَنَها المؤلفون: تم إجراء الإثبات أولاً بواسطة نظام الذكاء الاصطناعي Gemini الداخلي من جوجل، ثم تم التحقق منه وتحريره من قبل المؤلفين.
يقوم الوكيل باستكشاف ورقة مسودة لا نهائية بجنون، بينما يتحمل الإنسان مسؤولية التوقيع والقبول النهائي. هذه هي أوضح توزيع للأدوار في البحث العلمي بالذكاء الاصطناعي حاليًا.
جوجل قالت بوضوح: كانت هذه المشكلات ستستغرق خبراء رائدين أشهرًا لحلها، وفريق العمل يقلص دورة التجربة والخطأ، بينما لا تزال عجلة القيادة وحق التوقيع النهائي في أيدي البشر.
في النصف الثاني من البحث العلمي في الذكاء الاصطناعي، لم يعد المقياس هو من لديه نموذج بمعاملات أكبر، بل من لديه فريق ذكاء اصطناعي أفضل تنظيمًا.
كلما كان النموذج أرخص وأكثر شبهاً بسلعة تُستخدم حسب الحاجة، أصبحت مراجعة الإنسان ورقابته أكثر قيمة.
في الماضي، كان الإنسان هو من يحل المسائل. الآن، الإنسان هو من يضع المسائل ويُقيّمها.
لقد وجد غارتنر دليلاً مكتوبًا بخط اليد لـ Claude، ثم اكتشف لاحقًا أن شخصًا ما تحقق منه باستخدام Lean، فقال: "هذا أمر رائع حقًا"، لأنه "يصبح أكثر عرضة للأخطاء مؤخرًا".
حتى إثبات حائز جائزة تورينغ البالغ من العمر 88 عامًا يجب أن يمر عبر المدقق، ولا يمكن أن يستثنى إثباتات الذكاء الاصطناعي.
الآلات ستقوم بمزيد من المهام كلما زادت المهام. يجب أن يكون هناك شخص يراقب مرحلة التسليم.
المراجع:
https://antigravity.google/blog/teamwork-when-ai-becomes-a-research-partner
https://www-cs-faculty.stanford.edu/~knuth/papers/claude-cycles.pdf
هذا المقال من حساب WeChat "New Intelligence Yuan"، المؤلف: ASI Revelation، المحرر: Yuan Yu