في عالم الذكاء الاصطناعي، تعد برمجة الأمثلة (Programming-by-example) من الأساليب الجوهرية لتوليد البرامج من مجموعات صغيرة من الأمثلة المدخلة والمخرجة. ومع تزايد الاعتماد على هذا المنهج كمعيار لتقييم القدرة على التفكير العميق، ظهرت الحاجة إلى أساليب جديدة تلغي الحاجة إلى إنتاج رموز برمجية معقدة، مما يجعل منهجية الاشتقاق المباشر (Transductive methods) أكثر فعالية في استنتاج المخرجات المفقودة.

يظهر البحث الحديث أن الاستقراء (Induction) والاستنتاج (Transduction) هما نمطين تفكير متكاملين؛ حيث يعتمد الاستقراء على استنتاج قواعد عامة من أمثلة معينة، بينما يستند الاستنتاج إلى هذه الأمثلة مباشرة للتوصل إلى مخرجات محددة دون الحاجة إلى تعميمات وسطاء. ومن المثير للاهتمام، أن الأساليب الحالية كانت تتعامل مع هذين النمطين إما كإجراءات متعارضة أو بدمجها في هياكل هجينة تعيق أحدهما على حساب الآخر.

لكي نتجاوز هذه النماذج الهيكلية، نقدم مفهوم حل المشكلات التعاوني بين الاستقراء والاستنتاج (Cooperative Transductive-Inductive Problem Solving)، والذي يقوم على دمج كلا النمطين بطريقة تسمح لهما بالتفاعل بحرية دون أن يسود أحدهما على الآخر، مما يحافظ على قدرة البحث والقدرة على التفكير لكل منهما.

تم اختبار هذا المفهوم من خلال النموذج المعروف بـ TIIPS، حيث أظهرت النتائج في ثلاثة مجالات من برمجة الأمثلة أن TIIPS يتفوق باستمرار على النماذج الرائدة، كما أنه ولّد برامج تتماشى بشكل أكبر مع المسارات الحقيقية في كلا من التركيب الدلالي والنحوي، مما يشير إلى توافق أفضل مع سلوك البرنامج المستهدف.

تسلط نتائج هذا البحث الضوء على أهمية التفكير التعاوني كاتجاه جديد واعد لتحقيق الاستفادة القصوى من الأبعاد الرمزية، الاستقرائية، والعصبية، الاستنتاجية في مجال الذكاء الاصطناعي.