في عالم الذكاء الاصطناعي (Artificial Intelligence)، تواصل الأنظمة الذاتية التطور (Self-Evolving Agents) تحقيق قفزات ملحوظة، مما يمنح هذه الأنظمة القدرة على تحسين العمليات بشكل تلقائي، وتراكم المهارات القابلة لإعادة الاستخدام، والتدريب الذاتي لنماذجها الأساسية، والحفاظ على الذاكرة الدائمة. ومع ذلك، يكشف البحث الجديد أن هذا التطور الذاتي غالبًا ما يكون غير خطي، حيث يمكن أن يؤدي التكيف مع توزيعات مهام جديدة إلى تدهور تدريجي في القدرات المكتسبة سابقًا.

تُعرف هذه الظاهرة باسم "تآكل القدرات تحت تأثير التطور الذاتي" (Capability Erosion under Self-Evolution)، وقد تم التعرف عليها عبر جميع القنوات الرئيسة للتطور: سير العمل، المهارات، النموذج، والذاكرة.

لمواجهة هذا التحدي، يقترح الباحثون مبدأ "تطور الحفاظ على القدرة" (Capability-Preserving Evolution - CPE)، الذي يمثل أداة عامة تهدف إلى تقليل التحول المدمر للقدرات أثناء التكيف المستمر. وقد أظهرت النتائج أن CPE يحسن من استقرار القدرات المحتفظ بها عبر جميع أبعاد التطور، مع الحفاظ على الأداء خلال التكيف.

على سبيل المثال، في تطور سير العمل، تجلى تأثير CPE من خلال تحسين أداء المهام البسيطة من 41.8% إلى 52.8% تحت تحسين GPT-5.1، مع تحقيق أيضًا توافق أفضل مع المهام المعقدة. تشير النتائج إلى أن الحفاظ على استقرار الأنظمة الذاتية التطور على المدى الطويل يتطلب ليس فقط اكتساب قدرات جديدة، بل وأيضًا الحفاظ على ما تم تعلمه سابقًا أثناء التكيف المستمر.

هل تعتقد أن العمليات الذاتية التطور قادرة على الحفاظ على تقدمها دون فقدان ما تم اكتسابه؟ شاركونا آرائكم في التعليقات!