بنية ذكاء اصطناعي مبنيّة من المبادئ الأولى، لا تفريعًا لمشروع آخر
الذكاء الاصطناعي الحديث كله تقريبًا تنويع على التصاميم القليلة نفسها. يبدأ Cypha من مكان آخر: نوع C++ واحد، بقاعدة تعلّم مستخرَجة من الرياضيات لا مستعارة، يُحدِّث نفسه مع كل مثال يراه بدل أن يُدرَّب مرّة ثم يُجمَّد. إنه مشروع بحثي، والإخفاقات تُنشَر إلى جانب النتائج.
- AIXI / Solomonoff — مسبقات أدنى طول وصف (MDL) تقرّر ما الذي يُسمح للنموذج بأن يعتقده بثمن زهيد.
- الهندسة المعلوماتية — التحديثات تتبع التدرّج الطبيعي، فيحترم التعلّم انحناء فضاء المعاملات.
- الاستدلال النشط / الطاقة الحرة — يعطي التفكيك البنيوي إلى مسبق وفارق وسياق.
- عنق الزجاجة المعلوماتي — يحدّد هدف المُرمِّز: احتفظ بما يتنبّأ، واطرح الباقي.
ما هذا، في دقيقة واحدة
كل نظام ذكاء اصطناعي مستخدَم تقريبًا تنويع على حفنة من التصاميم. تُدرَّب مرّة واحدة على آلة كبيرة ثم تُشحن مجمّدة، فمواكبة شيء يتحرّك — نوع جديد من الاحتيال، عطل جديد — تعني العودة إلى التدريب من جديد. وهي أيضًا كبيرة، ما يضعها في مركز بيانات لا على المعدّات نفسها، ويجعل تفسير أي قرار منفرد صعبًا.
Cypha نوع C++ واحد يصنّف ويتنبّأ بالأرقام ويولّد المتتاليات. قاعدة تعلّمه مشتقّة من أربعة فروع رياضية لا منسوخة من بنية قائمة، وهو يُحدِّث نفسه مع كل مثال يراه — بلا دفعات، وبلا حِقب، وبلا جولة إعادة تدريب. وهو صغير بما يكفي ليعمل على العتاد الذي يجمع البيانات.
اليوم، الباحثون والمهندسون المستعدّون لتجربة تصميم مختلف. والمشكلات التي يستهدفها هي تلك التي تظل بياناتها تتحرّك — الاحتيال، وأعطال المعدّات، والسلوك المتغيّر — وحيث يجب أن يجلس النموذج على الجهاز لا في مركز بيانات، وحيث على أحدهم أن يفسّر القرار بعد وقوعه.
سمات عشوائية، مقيسة لا موصوفة
حجّة Cypha لسمات فورييه العشوائية (RFF) هي أنها تتيح لرأس خطي أن يفصل ما لا يستطيع رأس خطي فصله. وهذا ادّعاء قابل للقياس، ولذلك يُقاس هنا — باستخدام cypha::rff_features مُترجَمة إلى WebAssembly، لا إعادة سرد بلغة JavaScript.
cypha::rff_features — WebAssembly
غير محمَّلةنواة دالة الأساس الشعاعي (RBF) الدقيقة على n نقطة مأخوذة تعطي مصفوفة K. والسمات العشوائية تعيد بناء تقريبًا K̂. والمرسوم هو ‖K − K̂‖F مع تزايد عدد السمات: سمات أكثر، تقريب أقرب.
chi_d كي يطابق الصفُّ المتعامد الصفَّ الغاوسي الذي يحلّ محلّه. كانت الصفوف أقصر بمقدار √d، فقاربت السمات النواة الخطأ واستوى الخطأ عند حدّ بدل أن يتقارب. سطر واحد. وهو الآن أفضل الثلاثة.
سبع طبقات، كل واحدة تؤدي عملًا واحدًا
كل مكوّن أدناه موجود لأن أحد البرامج الأربعة يقتضيه — لا لأنه ظهر في ورقة بحثية ذلك الربع.
واجهة أمامية قابلة للاستبدال
من الدخل الخام إلى متجه سمات. يأتي مع VectorEncoder,
RFFEncoder (سمات فورييه العشوائية) و ConcatEncoder. بدّله دون أن تمسّ أي شيء في المراحل التالية.
EncoderProjection
نقل السمات إلى الفضاء الكامن عبر تحديثات تباينية بمقياس Fisher–Rao، مع سقف لمعيار فروبينيوس حتى لا تُفكّك قيمة شاذّة واحدة الهندسة كلها.
WorldPrior
توزيع غاوسي قطري مشترك يُلاءَم مباشرةً بخوارزمية Welford وتحديثات المتوسّط المتحرّك الأسّي (EMA). هذا هو “السياق اللانهائي” الذي لا ينسى أبدًا — وحركته هي إشارة الانجراف.
ClassDifferential
إزاحات في المعاملات الطبيعية لكل صنف، تُجذَب نحو المشاهدات ويشدّها إلى الوراء اضمحلال MDL. الصنف إزاحة عن العالم، لا نموذج منفصل.
DIFMemory
يحسب نسب الإمكان اللوغاريتمية تحت توزيعات بَعدية زائدية معمّمة، مع جداول بحث لنسب بيسل حتى لا تكلّف الذيول الثقيلة دالّة متسامية لكل عيّنة.
TieredContextBuffer
مستويات قصيرة ومتوسطة وطويلة موزونة بثقة NIGField، فتستطيع الأدلة الحديثة أن تهيمن دون أن تمحو ما أرساه المستوى الطويل.
درّب مصنّفًا بالنقر
مصغّر أمين ثنائي الأبعاد لخط Cypha: مسبق عالمي يُلاءَم مباشرةً، وفوارق لكل صنف تُجذَب نحو ما تضعه، وتصنيف بنسبة الإمكان اللوغاريتمية. يتعلّم من كل نقرة واحدة — بلا دفعات ولا حِقَب ولا إعادة تشغيل.
cypha::Cypha — مصنّف تعلّم مباشر
انقر على اللوحة لإضافة عيّنة من الصنف المحدّد. واسحب لرسم عنقود.
الصنف المراد وضعه
حمّل مجموعة بيانات
آخر استدلال
فوارق الأصناف Δₖ
النتائج، مع المقارنة التي تهمّ
أرقام من تشغيلات القياس في المستودع نفسه بعد الإصلاح التشخيصي. والصحّة تُثبَت بمصفوفة CTest تطابق مرجعيات اختبار مثبتة — لا بموقع في لوحة تصنيف.
الاختصارات في الجدول: الانحدار التدرّجي العشوائي (SGD)، والذاكرة الطويلة قصيرة المدى (LSTM)، والانتشار العكسي عبر الزمن (BPTT).
| مجموعة البيانات | المهمّة | Cypha | SGD مباشر | ملاحظة |
|---|---|---|---|---|
| قابلة للفصل خطّيًّا | صنفان | 0.783 | 0.644 | الميزانية المباشرة نفسها |
| Iris | 3 أصناف | 0.900 | — | مجموعة مرجعية كلاسيكية |
| Wine | 3 أصناف | 0.969 | — | |
| Digits | 10 أصناف | 0.922 | — | |
| Breast cancer | صنفان | 0.957 | — | |
| WikiText-2 | متتالية، 300k رمز | 2.664 BPC | — | Hybrid GRIA+LSTM L2+Wave2 BPTT |
| XOR | صنفان، RFF كامن | ~0.763 | — | نسبة الإمكان اللوغاريتمية الخطّية وحدها تتوقّف قرب مستوى الصدفة |
توليد بتدرّج حراري، ومشروط بالحقل، وباستيفاء حدود الفضاء الكامن، وتخاصمي (يعظّم الإنتروبيا)، وأخذ عيّنات خارج التوزيع، ومقيّد بـMDL، وسلفي، وأخذ عيّنات بتقدير الكثافة من ذاكرة الإعادة.
درجات الشذوذ من قيم البوابات، ودرجات الاستعلام النشط بوصفها الإنتروبيا × القرب من الحدّ، وكشف الانجراف يُقرأ مباشرة من حركة المسبق العالمي.
ذاكرة أولوية سعتها 10,000 موزونة بالحداثة والمفاجأة، تُعاد بنسبة 0.30 — كي لا تغرق العيّنة النادرة المفيدة تحت العيّنة الشائعة.
مقيسة بالتنميط، لا مخمَّنة
هذه ناتجة عن تحسين على شبكة متوسطة مع تنميط أداء، وتُشحَن بوصفها الإعداد المرجعي.
ما ليس Cypha
- ليس غلافًا. مصنوع من المبادئ الأولى — وهذا يعني أيضًا أنه لا يرث ضبط أحد غيره.
- نسبة الإمكان اللوغاريتمية الخطّية لها سقف. XOR يبقى قرب مستوى الصدفة بلا مُرمِّز RFF الكامن، الذي يرفعه إلى نحو 76.3%.
- التحقّق قائم على التطابق. CTest في مقابل مرجعيات اختبار مثبتة. ولا تُقدَّم أي ادّعاءات عن لوحات التصنيف.
- CUDA للاستدلال فقط. يبقى التدريب على وحدة المعالجة المركزية (CPU)، لأن المعالج أسرع في هذه البنية.
- النظرية في مكان آخر. عمل الطيف التوافقي وNMP ورقة منفصلة عن خوارزميات الضغط؛ وCypha هو طبقة التنفيذ.
Cypha، مُقطَّر من محرّك شطرنج حقيقي
26,568 وضعية مُعنوَنة بتقييمات البحث الخاصة بمحرّك alpha-beta تقليدي، مُلائَمة بالتبييض نفسه في WorldPrior وبتحديثات التدرّج الطبيعي المستخدمة في كل مكان آخر من المعمارية. وهو يعيد إنتاج تقييم المعلّم عند R² 0.866 على وضعيات محجوزة، ويسجّل 5 فوز–19 خسارة–6 تعادل أمام ذلك المعلّم عند عمق بحث متساوٍ.
ذكاء اصطناعي صغير يواصل التعلّم
أغلب نماذج الذكاء الاصطناعي تُدرَّب مرّة واحدة في مركز بيانات ثم تُشحَن مجمّدة. Cypha صغير بما يكفي ليعمل على عتاد عادي، ويواصل التعلّم من كل مثال جديد يراه.
أجهزة أصغر من أن تحتمل ذكاءً اصطناعيًّا ضخمًا
حسّاسات وكاميرات ومتحكّمات وعتاد آخر لا مكان خلفه لمركز بيانات. Cypha صغير بما يكفي ليعمل على الجهاز نفسه، فلا يحتاج أي شيء إلى مغادرة المبنى.
أي شيء عليه أن يواكب التغيّر
أنماط الاحتيال، وأعطال المعدّات، وسلوك العملاء المتغيّر. النموذج المدرَّب العام الماضي صار قديمًا أصلًا. وهذا يُحدِّث نفسه أثناء عمله، دون أن يُسحب من الخدمة ويُعاد تدريبه.
عمل يجب تفسيره بعد وقوعه
البنوك وشركات التأمين والخدمات الصحية كثيرًا ما عليها تبرير قرار. Cypha صغير بما يكفي لفحصه، وهو ينشر ما هو سيّئ فيه بدل إخفائه.
ثلاثة أوامر
$ cmake -S native -B /tmp/cypha_build -DCMAKE_BUILD_TYPE=Release -G Ninja $ cmake --build /tmp/cypha_build --parallel $ ctest --test-dir /tmp/cypha_build -R native_ --output-on-failure # REST service $ cypha_rest --listen 127.0.0.1:8099 --cypha fixtures/reference.cypha # Qt shell (build with -DCYPHA_BUILD_QT=ON) $ cypha_qt_shell