يقوم الباحثون بتوسيع نموذج الذكاء الاصطناعي JEPA الخاص بليكون إلى نموذج عالمي شامل يعمل في مجالات الفيزياء والبيولوجيا

يقوم الباحثون بتوسيع نموذج الذكاء الاصطناعي JEPA الخاص بليكون إلى نموذج عالمي شامل يعمل في مجالات الفيزياء والبيولوجيا

نقاط مهمة

• نموذج JEPA-Anything AI يوسع البنية التي طورها يان ليكون إلى نموذج عالمي يعمل في مجالات مثل الفيزياء والروبوتات والطب.
• تقوم الطريقة بتحويل الحالات المستقبلية إلى توقعات جزئية متعددة، بدلاً من تجميع كل شيء في مكان واحد، مما يسمح لها بالكشف عن الأنماط التي تفوتها النماذج القياسية.
• كما حدد النموذج أيضًا مرشحًا للعلاج من سرطان الكبد، حيث قتل هذه المرشح عددًا أكبر من خلايا الورم في العينات التجريبية والفئران مقارنة بأي مكون منفرد.

قام الباحثون بتوسيع هيكل JEPA الذي طوره يان ليكون، بحيث يعمل في سبعة مجالات مختلفة للغاية. كما أن هذا الجهد أدى إلى إنتاج مرضى محتمل لعلاج سرطان الكبد، والفريق اختبرهم في المختبر.

تتنبأ النماذج العالمية بكيفية تطور النظام، سواء كان روبوتًا أو جزيءًا أو صحة المريض. حتى الآن، كان من الضروري عادةً استخدام نموذج منفصل لكل مجال. يهدف فريق بقيادة PhAI Labs، بالتعاون مع شركاء من ستانفورد وأكسفورد وبرينستون، إلى إظهار أن مبدأ مشترك واحد كافٍ.

مقالةهم تستعرض JEPA-Anything، التي تعتمد على الهياكل التنبؤية المدمجة للتكوين (JEPA). هذه النماذج لا تعيد إنشاء البيانات الخام مثل البيكسلات، بل تتنبأ بتلخيص مجرد لحالة مفقودة أو مستقبلية، مع التخلص من التفاصيل غير ذات الصلة. يرى المؤلفون نقطة ضعف في النهج القياسي: كل شيء يتم توجيهه إلى تنبؤ واحد، مما يجعل الأنماط البسيطة تطغى على الأنماط الصعبة.

تقديرات متعددة متخصصة بدلاً من واحد

JEPA – أي شيء يفرق الحالة المتوقعة إلى عدة أجزاء، حيث يتم التعامل مع كل جزء بواسطة وحدة تنبؤ منفصلة. وتعتبر قيد إضافي أن الوحدات تُلزم بالإمساك بجوانب مختلفة بدلاً من تعلم نفس الشيء، ثم يقوم النموذج بإعادة تجميع التنبؤات الجزئية لإنتاج صورة كاملة.

لا يعطي الباحثون معنى للأجزاء، بل يترك دورها يظهر أثناء التدريب. بدلاً من ذلك، يحتفظون فقط بالطريقة التي يتم بها تحضير البيانات لكل مجال.

مكاسب كبيرة في اختبارات الديناميكا، نتائج مختلطة بالنسبة للروبوتات

قارن الفريق بين JEPA-Anything وJEPA القياسية ذات البنية نفسها، تم تدريبهما على نفس البيانات في ظروف مماثلة. أظهرت الأنظمة الديناميكية أفضل نتائج: في بيئة Pong المبسطة مع التدخلات الموجهة، انخفض خطأ التنبؤ بنسبة 35 بالمئة. أما بالنسبة للتركيبات من التدخلات التي لم يرها النموذج أثناء التدريب، فقد انخفضت النتائج بنسبة 13 بالمئة.

JEPA – وفقًا للمؤلفين، فإن أي طريقة تفوق المعيار الأساسي بشكل مستمر في عشرة مهام اختبار تغطي الفيزياء والروبوتات وتنبؤ الطقس. في معادلة بورجرز، التي تُعتبر مقاييس أساسية لديناميكيات السوائل، انخفض الخطأ بنسبة تقريبًا النصف في تقييم منفصل. بعد 50 خطوة في التنبؤ، ظل التفوق موجودًا لكنه انخفض إلى حوالي ثلاثة بالمئة. كما حققت الطريقة أفضل نتائج في محاكاة الماء والكوارتز والأفنتامينيك البنزين، حتى بعد 100 خطوة.

بالنسبة للبيانات الخاصة بالخلية الواحدة، قام النموذج بتعيين أنواع الخلايا بشكل أكثر موثوقة، وفي البيانات السريرية، توقع أكثر من 1,000 حدث مرضي بطريقة أفضل قليلاً. كانت الفرق في مهام الصور صغيرة. في تخطيط الحركة لروبوتات المشي المحاكية، فاز نموذج JEPA-Anything في اثنين من ثلاث بيئات، بينما تفوق النموذج القياسي في البيئة الثالثة.

لاحظ النموذج علاجًا لسرطان الكبد، لذا جرب الفريقه ذلك العلاج

أقوى ادعاء للفريق يأتي من أبحاث سرطان الكبد. قام الباحثون بتحليل التنبؤات الجزئية التي تعلمها النموذج من البيانات البيولوجية، والتي تشمل نشاط الجينات ومستويات البروتينات وفحوصات CRISPR. وتم تحديد المادة المرشحة الرئيسية كمادة إشارية IL-18 التي تنشط الخلايا المناعية، مع حجب إنزيم CD73، الذي يستخدمه الأورام لقمع الاستجابات المناعية القريبة.

اختبر الفريق هذا المركب على خلايا سرطان الكبد التي تُزرع مع الخلايا المناعية، وعلى الأعضاء البيولوجية وأنسجة الأورام من ثلاثة مرضى لكل منهم، بالإضافة إلى الفئران. في عينات الأعضاء البيولوجية والأنسجة، قتل المركب خلايا الورم أكثر من حظر IL-18 أو CD73 وحده، وأظهرت الخلايا التائية والخلايا القاتلة الطبيعية تنشيطًا أقوى. لا يوضح البحث ما إذا كان هذا يمكن أن يصبح علاجًا فعليًا.

في حالة ثانية، قام الباحثون بتدريب النموذج على مسارات دورانية محاكاة، دون تزويده بأي كميات فيزيائية. وتبين أن الأنماط التي تعلمها النموذج كانت مطابقة تقريبًا للقانون الثالث لكيبلر، الذي ينص على أن الأجسام على المسارات الأكبر تتحرك ببطء أكبر. ويحدد القانون تردد المسار بحجم المسار كأعداد صفرية مرفعة إلى -1.5؛ بينما وصل النموذج إلى -1.4991. قام الفريق بتقييم تدريب واحد فقط، واختار التحسين الذي كان أقل الخطأ.

تنبيه الباحثين هو أن الفصل النظيف للأجزاء المُتعلمة لا يعني أنها تلتقط العلاقات الحقيقية بين السبب والنتيجة، كما أنها مسألة مفتوحة عندما يصبح هذا النموذج موثوقًا بما يكفي لتوجيه تصميم التجارب. هذا هو الهدف طويل الأمد للفريق: سيستخدم الوكلاء الذكيون JEPA-Anything لاقتراح وتصنيف التجارب، ثم يعيدون النتائج إلى النموذج. الكود والنماذج متاحان علنًا.

اقترح ليكونون JEPA في عام 2022 كبديل للنماذج التوليدية. في يونيو 2025، أصدرت ميتا V-JEPA 2، وهو نموذج فيديو من JEPA يحتوي على 1.2 مليار معلمة، وكان قادرًا على التحكم في الأذرع الروبوتية في بيئات غير مألوفة دون أي تدريب إضافي. في نوفمبر 2025، تواصل ليكونون وراندال باليسترييرو مع LeJEPA، وهو أساس نظري مصمم للحفاظ على استقرار التدريب دون الحاجة إلى الحلول المعتادة. يسعى ليكونون الآن إلى تطبيق هذا النهج من خلال شركته AMI Labs، التي جمعت أكثر من مليار دولار في مارس 2026 لبناء نماذج عالمية.

اختبرت جوجل ديبميند بالفعل فرضية إصابة السرطان التي تم إنشاؤها بواسطة الذكاء الاصطناعي في المختبر في أكتوبر 2025. نموذج جيمما الخاص بها C2S-Scale 27B اقترح استخدام الدواء سيلميتاسيرتيب لتحويل خلايا الورم إلى أكثر وضوحًا لدى الجهاز المناعي، وقد أكدت التجارب مع نماذج الخلايا البشرية هذا التنبؤ. نظام العملاء المتعدد في جوجل ديبميند العالم المشارك يخطط الآن للقيام بالتجارب وتشغيل معدات المختبر، ويتضمن ذلك أجزاء من الدورة التي تريد فريق JEPA-Anything بناءها. لكن تحميل العينات على الآلات لا يزال يتطلب وجود البشر.

أخبار الذكاء الاصطناعي بدون الضجيج – من اختيار البشر

اشترك في THE DECODER للقراءة بدون إعلانات، برنامج نشر نصي أسبوعي عن الذكاء الاصطناعي، تقرير "AI Radar" الحصري الست مرات في السنة، الوصول الكامل إلى الأرشيف، والوصول إلى قسم التعليقات.