التحسين الذاتي التكراري — أي نظام ذكاء اصطناعي يصبح أفضل في جعل نفسه أفضل — ظل ركيزة نظرية في نقاشات الذكاء الاصطناعي لعقود. في 14 يوليو 2026، نشرت شركة Weco AI ما تصفه بأول دليل تجريبي على أن الفكرة تعمل فعلًا. نظامهم، AIDE²، أمضى ثمانية أيام يعيد كتابة وكيل البحث الخاص به بشكل مستقل تمامًا، وانتهى به الأمر متفوقًا على منظومة قضى خبراء بشريون عامين كاملين في ضبطها يدويًا.
هذا ليس بيانًا صحفيًا آخر عن نتيجة اختبار. التفاصيل مهمة، والتحفظات مهمة، والتبعات لكل من يبني وكلاء ذكاء اصطناعي في بيئة الإنتاج أهم من ذلك كله. لنفصّل الأمر.
ما هو AIDE² فعليًا؟
AIDE² هو نظام تحسين ثنائي المستوى مبني حول حلقتي «بحث آلي» (autoresearch) متداخلتين:
- الحلقة الداخلية هي وكيل بحث مستقل مألوف. يحسّن الكود مقابل تقييم محدد — مهام هندسة تعلم الآلة، وتصميم الخوارزميات الاستدلالية، وهندسة المنظومات — باستخدام بحث شجري مع عمليات صياغة وتصحيح وتحسين.
- الحلقة الخارجية هي حيث تحدث «العودية». في كل خطوة، تقترح إعادة كتابة لكود الوكيل الداخلي نفسه — سياسة البحث، والموجهات (prompts)، والضوابط — ثم تقيّم الوكيل المعدَّل على مجموعة متنوعة من المهام، ولا تحتفظ بالتغيير إلا إذا تجاوز أفضل نتيجة سابقة.
بعبارة أخرى: الوكيل الخارجي يجري بحثًا حول كيفية بناء وكيل بحث أفضل. تسمي Weco هذا «بحثًا آليًا على البحث الآلي».
توزيع النماذج عملي: الحلقة الخارجية تعمل على Claude Opus 4.7، بينما تعمل الوكلاء الداخلية على Gemini 3 Flash — نموذج أصغر جارى النماذج الأكبر في هذه الاختبارات مع السماح بعدد أكبر بكثير من التكرارات ضمن ميزانية مالية ثابتة.
ثمانية أيام، 100 خطوة، سبعة وكلاء أفضل
على مدى 100 خطوة متتالية للحلقة الخارجية امتدت ثمانية أيام، اكتشف AIDE² سبع نسخ محسّنة متعاقبة من وكيل AIDE، وبرزت النسختان AIDE47 وAIDE85 كأقوى النسخ. كان ضغط الانتقاء صارمًا: نحو 90 بالمئة من التغييرات المقترحة رُفضت لأنها لم تتفوق على أفضل نتيجة سابقة.
النتيجة الأبرز هي المقارنة مع AIDEhuman — منظومة الإنتاج التي طوّرها فريق Weco نفسه على مدى عامين. الحلقة المستقلة التي دامت ثمانية أيام أنتجت وكلاء تفوقوا عليها. ليس على مهام التدريب — بل على اختبارات محجوبة لم تُحسَّن الحلقة عليها أبدًا:
- MLE-Bench Lite (هندسة تعلم الآلة): حسّن AIDE47 النتائج بمقدار 0.053 بقيمة p تساوي 0.0024؛ وAIDE85 بمقدار 0.042 بقيمة p تساوي 0.0041
- ALE-Bench Lite (برمجة تنافسية بحالات اختبار مخفية)
- WeatherBench 2 (تنبؤ جوي قائم على الفيزياء، خارج التوزيع تمامًا)
كلا الوكيلين المكتشفين تفوقا على وكيل البداية AIDE0 وعلى المرجع البشري في الاختبارات الثلاثة كلها.
ما الذي اخترعته الآلة؟
الجزء المدهش حقًا ليس الأرقام، بل ما صممه AIDE² بشكل مستقل. ثلاثة اكتشافات تبرز في AIDE85:
سياسة بحث جديدة كليًا. اخترع الوكيل مقاربة «قطاع الطرق متعدد الأذرع» (multi-armed bandit) تعامل الأشجار الفرعية لمسودات الحلول كأذرع، وتنتقي بجشع داخل السلالة الواحدة، وتتفرع عند الركود للهروب من الحلول المحلية المثلى. لم يكن فريق Weco قد نفّذ شيئًا مشابهًا. واللافت أن الحلقة اختبرت ورفضت أفكارًا رائجة — الخوارزميات الجينية بنموذج الجزر، وترجيع القيمة في MCTS، واستكشاف UCB-V، والمجمّعات — لأنها كانت أضعف أداءً ضمن ميزانية ثابتة. كان النظام يمارس علمًا تجريبيًا، لا تقليدًا أعمى للأدبيات.
هندسة سياق جذرية. قلّص AIDE85 حجم موجهه الخاص 16 مرة عبر تصميم سياقات دنيا لكل عملية، ثم أعاد استثمار الرموز الموفرة في خطوات بحث إضافية. كل مطور شاهد سياق وكيله يتضخم يدرك صعوبة الوصول إلى هذه الرؤية. شرحنا أهمية ذلك لوكلاء الإنتاج في دليلنا حول هندسة المنظومات.
دفاعات ذاتية البناء ضد التحايل على المكافآت. دون أي تعليمات صريحة بذلك، بنت الحلقة دفاعًا من ثلاث طبقات: تعليمات مضادة لفرط التخصيص في الموجهات، وضوابط مبرمجة على المخرجات، وإزالة إحصائية للقيم الشاذة. في اختبار KernelBench المحجوب لهندسة نوى GPU، انخفض معدل التحايل على المكافآت من 63 بالمئة في وكيل البداية إلى 34 بالمئة في AIDE85 — أفضل من نسبة 42 بالمئة للوكيل المضبوط بشريًا. جاء ضغط الانتقاء حصرًا من فصل النتيجة العامة عن الخاصة: الوكلاء يحسّنون مقابل نتائج عامة مرئية لكن انتقاءهم يتم على نتائج خاصة مخفية، مما يجعل الغش استراتيجية خاسرة.
بل كانت هناك لحظة نزاهة غير متوقعة: عندما صادفت الحلقة خطأ traceback في منظومة التقييم الخاصة بها، أصلحت الخطأ بدل استغلاله.
لماذا تصمد المنهجية؟
الادعاءات الاستثنائية تستدعي الشك، وادعاءات التحسين الذاتي بالأخص. استبقت Weco الاعتراضات الواضحة بأربعة خيارات تصميمية:
- مرجع بشري عادل. هدف المقارنة لم يكن هشًّا بل وكيل الإنتاج الخاص بـ Weco، المصقول على مدى عامين على يد مبتكري مقاربة AIDE أنفسهم.
- ميزانيات تكلفة ثابتة. كل تقييم كان محسوبًا بالدولار، فوجب أن تأتي التحسينات من خوارزميات أفضل لا من حوسبة أكثر.
- تعميم على مهام محجوبة. اختُبر الوكلاء المكتشفون على اختبارات وعائلات مهام لم يروها أثناء الحلقة، بما فيها التنبؤ الجوي خارج التوزيع.
- فصل النتائج العامة عن الخاصة. الهدف الحقيقي ظل مخفيًا دائمًا، مما أغلق الثغرة الأكثر شيوعًا في التقييم الذاتي للوكلاء.
وفق السلّم الذي وضعه المؤلفون، يؤهل هذا النظام لتصنيف المستوى الأول من التحسين الذاتي التكراري («صافي إيجابي»): اتجاه تحسّن مستدام متعدد الخطوات وقابل للتعميم، مقابل مرجع بشري عادل وضمن ميزانية ثابتة.
ما الذي لم يتحقق؟
صراحة التقرير تستحق الإشادة. لم يبلغ AIDE² ما تسميه Weco المستوى الثاني، أو «الاشتعال» (Ignition) — النقطة التي يصبح فيها الوكيل المحسَّن محسِّنًا أفضل من سابقه. عند وضع AIDE47 في مقعد الحلقة الخارجية، تقارب أسرع (نحو 20 خطوة مقابل 40) لكن دون تفوق مقارب ذي دلالة إحصائية. كل جيل حسّن المنتج، وليس بعد العملية نفسها.
المؤلفون صريحون: «نعتقد أننا لسنا قريبين من انفجار ذكاء مع النظام الحالي». ومن القيود الأخرى المعترف بها:
- كود الوكيل المتطور معقد، يحمل كودًا ميتًا، ويصعب على البشر صيانته وتخصيصه مقارنة بالمرجع المبني يدويًا — مقايضة مألوفة لكل من ورث كودًا مولدًا آليًا
- الحلقات المتداخلة تراكم ضوضاء القياس وتوسّع هوامش الخطأ
- التعميم من الدرجة الثالثة (محسِّنون أفضل يبنون محسِّنين أفضل) لم يُثبت بعد
ومع ذلك يختمون بعبارة تستحق الانتباه: «هذا النظام هو أسوأ نسخة من نفسه سنراها على الإطلاق».
لماذا يجب أن يهتم المطورون والشركات؟
انزع الإطار المتعلق بالذكاء الاصطناعي العام، وستبقى نتيجة عملية جدًا: هندسة المنظومات الآلية تعمل. فالبنية المحيطة بالنموذج — سياسة البحث، وإدارة السياق، وضوابط التقييم — هي بالضبط ما تقضي الفرق شهورًا في ضبطه يدويًا اليوم. استكشفنا هذا التخصص في مقالينا حول حلقات البرمجة بالذكاء الاصطناعي والوكلاء التكراريين وهندسة الحلقات. يشير AIDE² إلى أن هذه الطبقة نفسها قابلة للأتمتة، بوتيرة تعادل تقريبًا مئة ضعف الوتيرة اليدوية.
ثلاث خلاصات عملية:
- منظومة وكيلك فضاء بحث، لا ملف إعدادات. إذا استطاعت حلقة خارجية إيجاد تقليص للموجه بمقدار 16 ضعفًا وسياسة بحث أفضل في ثمانية أيام، فإن التعامل مع تصميم المنظومة كمهمة يدوية لمرة واحدة يهدر أداءً كامنًا.
- فصل التقييم العام عن الخاص هو نمط مكافحة الغش الذي يجب نسخه. الدفاعات الناشئة ضد التحايل على المكافآت وُلدت من تصميم التقييم، لا من محاضرات المواءمة. أي فريق يدير تقييم الوكلاء في الإنتاج يستطيع تطبيق ذلك اليوم.
- نماذج صغيرة مع تكرارات أكثر تتفوق على نماذج كبيرة بتكرارات أقل. جارى Gemini 3 Flash في الحلقة الداخلية نماذج أكبر بميزانية متساوية — درس في التكلفة يتسق مع ما وجدناه في دليل تحسين تكاليف واجهات الذكاء الاصطناعي.
تأتي هذه النتيجة أيضًا ضمن سياق: حلقة AutoResearch لأندريه كارباثي طبّعت التجريب المستقل مطلع هذا العام، ومعماريات الوكلاء ذاتية التحسين تنضج باطراد. AIDE² يغلق الحلقة الفوقية التي تركتها تلك الأنظمة مفتوحة.
الخلاصة
AIDE² هو العرض العلني الأكثر صرامة حتى الآن على أن نظام ذكاء اصطناعي يستطيع تحسين آلية تحسينه الذاتية — بمراجع حقيقية، وميزانيات حقيقية، وتعميم حقيقي على مهام محجوبة. إنه المستوى الأول وليس الاشتعال؛ نتيجة بحثية وليست انفلاتًا. لكن الاتجاه لا لبس فيه: طبقة هندسة الذكاء الاصطناعي التي تستهلك اليوم فرقًا كاملة — منظومات وموجهات وتقييمات وضوابط — تتحول إلى موضوع بحث يستطيع الذكاء الاصطناعي إجراءه بنفسه.
في نقطة، نساعد الشركات في تونس ومنطقة الشرق الأوسط وشمال إفريقيا على بناء أنظمة وكلاء ذكاء اصطناعي بمنظومات وخطوط تقييم بجودة الإنتاج. لتطبيق هذه الأنماط على منظومتك، تواصل معنا.
المصادر: Weco AI — AIDE²: First Evidence of Recursive Self-Improvement