في عالم الذكاء الاصطناعي، تأتي الابتكارات لتغير قواعد اللعبة. أحد هذه الابتكارات هو مفهوم "التنفيذ الذاتي" (Self-Programmed Execution - SPE) الذي يمكن أن يحدث ثورة في كيفية تفاعل نماذج اللغة (Language Models) مع الأنظمة. حتى الآن، كانت معظم نماذج اللغة تعتمد على برنامج منظم ثابت، يعمل كحلقة وصل بين الأدوار المتعاقبة. لكننا هنا نتحدث عن تغيير جذري!

تقديم تقنية SPE يعني أن نموذج الإكمال يصبح البرنامج المنظم بحد ذاته. بدلاً من الاعتماد على سياسة تنظيمية ثابتة، يمكن أن يقوم النموذج بإجراء التفاعلات بشكل مستقل، مما يفتح المجال لإبداع أكبر في كيفية التعامل مع البيانات.

لقد تم صياغة هذه الفكرة باستخدام الآلات الذكية (Agentic Machines)، حيث يُعتبر كل حالة SPE نقطة يمكن من خلالها تحميل أي حالة من نسخة مدمجة ذاتيًا من الآلة، مما يعني عدم وجود سياسة تنظيم ثابتة بين الأدوار.

ومع ذلك، تحقيق هذه التقنية في الواقع ليس بالأمر السهل، حيث تصبح البيانات هي سياق النموذج والبرنامج القابل للتنفيذ في الوقت نفسه. وهنا يأتي دور تقنية "Spell"، وهي لغة تعتمد على Lisp تتيح للبرامج القدرة على تحرير وإعادة تقييم نفسها. تلك التعبيرات تضمن أن إعادة تقييم البرنامج المعدل لا يؤدي إلى تكرار تأثيراته الجانبية.

تجارب أجريت على نماذج موجودة لم تُدرَّب بشكل خاص على SPE أو Spell، أظهرت أن النماذج المتطورة يمكنها العمل بكفاءة في هذا النظام الجديد، مما يمكنها من إنجاز مهام معقدة بطريقة مبتكرة.

نتيجة لهذه الأبحاث تطرح سؤالًا محوريًا: ما هي استراتيجيات التنظيم الذاتي التي يمكن أن يتعلمها النموذج عند تدريبه على التنفيذ الذاتي؟ إن كود هذه التقنية متاح، ويمكنكم استكشافه على الرابط: [الرابط إلى GitHub](https://github.com/lukejoconnor/spell).

دعونا نتفاعل مع هذا التطور المذهل! ما رأيكم في قوة تنفيذ نماذج اللغة بشكل مستقل؟ شاركونا في التعليقات.