تعتبر نماذج اللغات الضخمة (Large Language Models) حاليًا غير حالة (stateless)؛ حيث يتم تحديد سلوكها بالكامل من خلال المدخلات عند وقت الاستدلال. بينما يُفترض أن تُحاكى الهياكل الإدراكية الأكثر تعقيدًا على مستوى التطبيق عبر هندسة المطالب (Prompt Engineering) وإدارة السياقات. تعالج ورقة بحثية جديدة هذه التحديات من خلال تقديم إطار نظري يستند إلى دمج بروتوكولات الإدراك في عمارة ذكية أصلية.

تستعرض الورقة ثلاثة آليات متداخلة، وهذه تشمل:

1. **التوتر الهيكلي (Structural Tension)**: وهو دالة فقد داخلي تنشأ من الصراع بين المعلومات الجديدة والتوبولوجيا القائمة، مما يدفع النظام نحو اتساق داخلي بدلاً من تحسين المكافآت الخارجية.

2. **حلقة تكرارية غير متصلة (Offline Recurrent Loop)**: وهي دورة معالجة ذاتية محصورة تمكّن النظام من الحفاظ على جهد احتياطي ديناميكي وهضم الصراعات الهيكلية دون إدخال خارجي.

3. **المرونة في وقت الاستدلال (Inference-time Plasticity)**: قدرة النظام على إعادة تشكيل التوبولوجيا السياقية دون تعديل الأوزان المدربة مسبقًا، خاضعة إلى قواعد صارمة تشمل إمكانية التدقيق، reversible، واستمرارية التوبولوجيا.

تُظهر الأبحاث أنه تحت تأثير هذه الآليات، يمكن لنماذج متعددة أن تتطور إلى هياكل توبولوجية متميزة من خلال حل التوترات المتبعة، مما يشكل بيئة ذكية متباينة تُعارض التجانس المفروض من خلال التوافق التقليدي مع الالتزام بقواعد حوكمة صارمة. يُضعف ذلك الضغوط المتكررة المرتبطة بالابتكار، مما يضع حوكمة العمارة كمعيار رئيسي للذكاء المعماري.

إليكم تساؤل للأذهان: إلى أي مدى يمكن لهذه الآليات الجديدة أن تغيّر من فهمنا للذكاء الاصطناعي؟ شاركونا آراءكم في التعليقات!