في خطوة متقدمة نحو الذكاء الاصطناعي القابل للتطوير، تم تقديم نظام أثانور (Athanor)، نظام مخصص لتوفير الأبحاث الذاتية المستدامة بعد التدريب (AutoPostTrain) باستخدام وحدات معالجة الرسوميات (GPUs) حقيقية. يُمثل هذا النظام بداية عصر جديد يمكن فيه للذكاء الاصطناعي البناء على ذاته وتحسين قدراته دون الحاجة إلى تدخل بشري.

يعتمد نظام أثانور على مبدأ الفعالية وسهولة الاستخدام، حيث يزود الوكلاء بأدوات هندسية منخفضة الجهد وكود بدء فعال ليقوموا بإجراء الأبحاث من تلقاء أنفسهم. يقوم هؤلاء الوكلاء بقراءة مجموعات البيانات وتحليل النتائج، واستخدامها لبناء بيانات التدريب الخاصة بهم، وكتابة وتحسين خوارزميات التدريب، وضبط المعايير (hyperparameters) لتحسين الأداء.

في تجربة استمرت 104 ساعات، استطاع فريق مكون من أربعة وكلاء موجودين على وحدات من ثمانية وحدات معالجة رسوميات تحقيق تحسين ملحوظ في أداء نموذج Qwen3-4B-Base، حيث ارتفع من 15.9 إلى 67.3 في مجموعة تطوير لمدة ست مهام، ومن 9.2 إلى 48.2 في مجموعة منفصلة لم يكن الوكلاء على علم بها.

يظهر هذا الابتكار كيف يمكن لوكلاء الذكاء الاصطناعي أن يحققوا نتائج أقوى من النسخ الرسمية من خلال الجمع بين الأساليب المعروفة ونماذج بعضهم البعض، مما يمنح أملاً في أن يكون لأثانور تأثير كبير في توسيع مجالات البحث الذاتي في عالم الذكاء الاصطناعي.

ما رأيكم في هذه التطورات الجديدة؟ هل تعتقدون أن الذكاء الاصطناعي يمكن أن يصل إلى مستويات أعلى من الذكاء الذاتي؟ شاركونا آرائكم.