حقق باحثون في كلية فيتربى للهندسة بجامعة كاليفورنيا الجنوبية تقدمًا علميًا ملحوظًا من خلال تطوير منهجية جديدة تمكّن نماذج الذكاء الاصطناعي من معالجة فجواتها المعرفية وتعزيز أدائها في الوقت الفعلي، حيث يتحدى هذا الابتكار الفهم التقليدي الذي يفيد بأن الذكاء الاصطناعي يعتمد بشكل كامل على جودة وكمية البيانات التي تم تدريبه عليها مسبقًا، إذ يمكن للنظام الجديد تحسين قدراته بشكل ملحوظ في مجالات لم يتلقَ تدريبًا مكثفًا فيها.
وفقًا لتقرير من جامعة كاليفورنيا الجنوبية، فإن قدرة النظام تعتمد على التعلم المباشر وتصحيح الأخطاء، حيث قام الباحثون بتطوير حلقة ملاحظات متقدمة تمكّن نموذج الذكاء الاصطناعي من تقييم أخطائه أثناء محاولته حل مشكلات برمجية معقدة بلغات نادرة، ثم يقوم بتعديل استراتيجياته تدريجيًا للوصول إلى الحل الصحيح.
مستقبل الأتمتة
يفتح هذا التطور آفاقًا جديدة لمستقبل الأتمتة والتعلم الآلي، حيث يمكن للأنظمة الذكية التكيف مع المتغيرات المفاجئة والبيئات الجديدة دون الحاجة إلى عمليات إعادة تدريب مكلفة وطويلة، مما يعني أن الآلات ستكتسب نوعًا من الاستقلالية الإدراكية، مما يسهم في تسريع الابتكار العلمي والتكنولوجي ويضع أدوات ذاتية التحسين بين أيدي المطورين والمؤسسات حول العالم.
حلقة الملاحظات التصحيحية
تعتمد التقنية على تزويد النظام بآلية نقد ذاتي تتيح له اكتشاف الأخطاء فور وقوعها وتجربة مسارات بديلة حتى يحقق الهدف المطلوب بنجاح، ويظهر هذا النهج أن الكفاءة الخوارزمية يمكن أن تعوض النقص في بيانات التدريب، مما يقلل من التكاليف المرتبطة بتطوير النماذج التوليدية.