نماذج الذكاء الاصطناعي الاستدلالية: كيف تعمل ولماذا تهمنا

في خريف عام 2024، أطلقت شركة OpenAI نموذج o1 الذي أصبح حديث الساعة: فقد سجل 74% في اختبار الرياضيات AIME في وضع المحاولة الواحدة، وما يصل إلى 93% عند استخدام التصويت التوافقي، بينما تمكن GPT-4o من حل 12% فقط من المسائل. وفي اختبار GPQA Diamond، حقق o1 نسبة 78% متجاوزًا متوسط الخبراء. تُظهر هذه النتائج قدرات نماذج الاستدلال الكبيرة (Large Reasoning Models) التي تحاكي التفكير البطيء "النظام 2" الذي وصفه كانيمان. من بين النماذج الأخرى المصنفة كنماذج استدلال كبيرة: Anthropic (Claude Fable 5 وMythos 5 وOpus 4.8)، وGoogle Gemini 3.1 Pro، وDeepSeek R1، وGLM-5.2. على عكس نماذج اللغة الكبيرة الانحدارية الذاتية التقليدية (Large Language Models التي تختصر إلى LLMs)، والتي تعمل مثل "النظام 1" السريع، تستخدم نماذج الاستدلال سلاسل الأفكار وعمليات حسابية إضافية في وقت الاستدلال (اختبار وقت الحساب) والتعلم المعزز. تُنتج هذه النماذج رموز استدلال غير مرئية للمستخدم، مما يزيد من وقت معالجة الطلب إلى دقيقة أو أكثر. أظهرت الأبحاث أن استراتيجية "التفكير لفترة أطول" أكثر فعالية من مجرد توسيع حجم النموذج: يمكن لنموذج أن يؤدي أداءً مماثلًا لنموذج لغة كبير أكبر بـ 14 مرة إذا مُنح وقتًا كافيًا للتفكير. قامت DeepSeek-R1 الصينية بدمج الاستدلال مباشرة في النموذج نفسه، مستغنيةً عن "الناقد" الخارجي.