العالم لا ينتظر.RSS
BIG CHANGE.
BIG CHANGE، بلمسة واحدة
BIG CHANGE، بلمسة واحدة

أفسح المجال لرؤية الصورة كاملة.

أضف BIG CHANGE إلى الشاشة الرئيسية أو سطح المكتب. سيفتح في نافذة مستقلة تعرض أحدث القصص عند اتصالك بالإنترنت.

iPhone & iPad
افتح bigchange.ai في Safari. اضغط على «مشاركة»، ثم «إضافة إلى الشاشة الرئيسية». فعّل «فتح كتطبيق ويب» إذا ظهر الخيار، ثم اضغط «إضافة».
Android
افتح bigchange.ai في Chrome. من قائمة المتصفح، اختر تثبيت التطبيق أو الإضافة إلى الشاشة الرئيسية.
سطح المكتب
في Chrome أو Edge، استخدم رمز التثبيت في شريط العنوان أو قائمة التطبيقات في المتصفح. وفي Safari على Mac، اختر File → Add to Dock.

نسخة Markdown

AI-translated from English; not yet reviewed by a fluent editor.

# دراسة ذكاء اصطناعي عن الزينوبوتات تطابق التعليمات اللغوية مع تجارب مؤرشفة

> تفيد مسودة بحثية عن الزينوبوتات بأن نظاماً مدرّباً بالذكاء الاصطناعي حقق دقة 80% عند مطابقة تعليمات حركة جديدة مع تجارب مؤرشفة. ولم تُختبر تنبؤاته على كائنات جديدة.

By BIG CHANGE Editorial

Published: 2026-10-09T18:38:57.532Z
Updated: 2026-10-09T18:38:57.532Z
Canonical: https://bigchange.ai/blog/xenobot-ai-language-archived-experiments

![Several transparent film strips with unlabelled movement traces sit in a shallow archival drawer; one strip is picked out in orange.](https://bigchange.ai/api/media/file/xenobot-archive-matching-hero-v1.png)
Conceptual illustration of a system matching language prompts to previously recorded xenobot motion trials. The traces and archive drawer are illustrative and are not study data or a depiction of a new experiment. AI-generated illustration by BIG CHANGE.

درّب نام هـ. لي ودوغلاس بلاكستون ومايكل ليفين وجوش بونغارد نظاماً يحوّل تعليمات قصيرة مثل «أسرع» إلى اختيار من **تجارب التحفيز الكهربائي المسجلة سابقاً** على الزينوبوتات. وتذكر [مسودتهم المنشورة على arXiv في 30 سبتمبر](https://arxiv.org/html/2610.02247v1) أن النموذج المفضّل اختار نتيجة مؤرشفة في الاتجاه المطلوب في 80.0% من أصعب المقارنات المحجوبة عن التدريب. هذه نتيجة مطابقة دون اتصال. ولم يذكر المؤلفون تطبيق تنبؤات النموذج على زينوبوتات جرى تحفيزها حديثاً.

بالنسبة إلى علماء الأحياء المهتمين بتوجيه الأنظمة الحية، يكمن السؤال المفيد في ما أضافه الذكاء الاصطناعي بين جملة وتدخل مادي. هنا قيّم آثار حركة قديمة، وساعد في تدريب نموذج يحوّل التعليمات إلى مدة تحفيز، وأعاد تجربة سابقة هي الأقرب إلى السلوك المطلوب. لكنه لم يثبت أن كائناً جديداً سيستجيب بالطريقة نفسها.

## التغيير الكبير

- **ما الذي تغيّر:**استخدم الباحثون محكّماً للذكاء الاصطناعي لربط طلبات الحركة بلغة عادية بمدد التحفيز الكهربائي في أرشيف قائم للزينوبوتات. يتيح ذلك تدريب واجهة لغوية من دون إجراء تجربة جديدة لكل تعليمة.
- **لماذا يهم ذلك:**يمكن للباحثين الذين يملكون سجلات للتدخلات والنتائج استكشاف ما إذا كانت هذه السجلات تدعم واجهة لغوية مفيدة قبل تخصيص وقت المختبر لاختبارات مستقبلية. في هذه الدراسة، لا تتعامل الواجهة إلا مع معامل تحفيز واحد واتجاهات حركة عامة، لذلك لم تُختبر قيمتها العملية.
- **ما الذي ينبغي متابعته:**التجربة الحاسمة التالية هي تطبيق مدة مختارة على زينوبوت جديد وقياس ما إذا كانت حركته تتبع الطلب. تقترح المسودة هذا الاختبار؛ أما الدقة المعلنة فتقيس المطابقة مع الأرشيف.

## ما الذي تعلّمه النموذج فعلاً

الزينوبوتات تراكيب حية صغيرة مكوّنة من خلايا *Xenopus laevis*. في التجارب المعاد استخدامها في هذه الورقة، جرى تتبع كل تركيب قبل التحفيز الكهربائي وبعده. وكانت مدة التحفيز هي المعامل الوحيد الذي يستطيع النظام الجديد اختياره. وأظهر الفيديو المؤرشف ما إذا كان الزينوبوت قد تحرك أسرع أو أبطأ بعد ذلك.

استخرج المؤلفون أولاً مسارات ثنائية الأبعاد من تلك الفيديوهات. واستخدمت منظومة التتبع نموذج Segment Anything Model إلى جانب عدة طرائق للكشف للتعامل مع الفقاعات والانعكاسات والحطام. ثم قدّموا إلى نموذج رؤية ولغة، عرّفته الورقة باسم Claude في بيان استخدام الذكاء الاصطناعي، تعليمةً ومسار حركة مرسوماً. قيّم Claude مدى توافق الحركة المسجلة مع الكلمات. ولم ير مدة التحفيز أثناء هذا التقييم.

أصبحت تلك الدرجات جدول مكافآت ثابتاً. وأخذت شبكة منفصلة تضمين التعليمة وتنبأت بمدة التحفيز. في طريقة التدريب الرئيسية، لائم الباحثون منحنى درجات سلساً على مدد الأرشيف لكل تعليمة، واستخرجوا مدة مستهدفة، ثم درّبوا الشبكة على التنبؤ بها. وعند عرض نتيجة، طابق النظام التنبؤ مع تجربة مسجلة مسبقاً وأظهر مسار تلك التجربة. [يوضح الشكل 1 في الورقة](https://arxiv.org/html/2610.02247v1#S1.F1) هذا التسلسل، بينما يعرض [العرض التوضيحي في الشكل 10](https://arxiv.org/html/2610.02247v1#S4.F10) مسارات قديمة لثلاث تعليمات مكتوبة. ويصف تعبير «واجهة حية» في الورقة ذلك العرض التفاعلي، لا التحكم الحي بكائن.

## ما مدى قوة نتيجة الأرشيف؟

اشتملت المجموعة الأولية على 149 تجربة متتبعة. واستبعد المؤلفون 48 تجربة غير موثوقة، فبقيت 101 تجربة من زينوبوتات مختلفة: صُنّف 26 منها على أنها أسرع و75 على أنها أبطأ. ويذكرون أن مجموعة التدريب ضمت 61 تجربة ومجموعة الاختبار 40. واستخدم النظام 33 تعليمة تدريب؛ كما شمل التقييم تعليمات غائبة عن التدريب. واعتبر الاختبار المدة المتنبأ بها صحيحة إذا صوّتت أقرب ثلاث تجارب في المجموعة الأرشيفية ذات الصلة، بحسب المدة، للاتجاه الحركي المطلوب في التعليمة.

في المقارنة التي جمعت تعليمات جديدة مع مجموعة اختبار الأرشيف، بلغت طريقة التدريب المفضّلة في الورقة **80.0%** دقة عبر 30 بذرة تدريب. وتحقق قاعدة تتنبأ دائماً بـ«أبطأ» **66.7%** هنا، لأن الاختبار يوازن بين ثلاثة أنواع من التعليمات لكنه يدمج «خفّف السرعة» و«توقف» في فئة أبطأ واحدة. وبلغ نموذج دُرّب على هدف أبسط مستمد من تغيّرات السرعة المقاسة **59.1%** في تلك المقارنة. وهذه نتائج المؤلفين على مجموعة بياناتهم، وليست معدل نجاح مقاساً على زينوبوتات جديدة.

اختبر المؤلفون أيضاً محكّم الذكاء الاصطناعي بمقارنته بتسميات الحركة المستمدة بصورة مستقلة من المسارات المتتبعة. وأفادوا بتوافق قدره 97% في تصنيف الحركة إلى أسرع أو أبطأ. يدعم هذا الفحص استخدام المحكّم لهذا التمييز العام، مع أن درجاته ارتبطت بدرجة أضعف بحجم تغير السرعة. ولم يستطع الأسلوب تعلّم أمر منفصل لإبطاء طفيف مقابل التوقف على نحو موثوق؛ فكلاهما يُحسب «أبطأ» في النتيجة الرئيسية.

هناك تفصيل في تقسيم البيانات يحتاج إلى حسم من مراجع مستقل. [يصف القسم 3.4](https://arxiv.org/html/2610.02247v1#S3.SS4) تسجيل درجات تجارب الأرشيف الـ101 كلها مقابل تعليمات التدريب الـ33 لإنشاء جدول المكافآت، بينما [يصف القسم 3.5](https://arxiv.org/html/2610.02247v1#S3.SS5) تقييماً منفصلاً للأرشيف بين التدريب والاختبار. وتعرض الورقة التقييم الأخير بوصفه اختباراً محجوباً، لكن وصف النص الرئيسي لا يوضح كيف استُبعدت درجات تجارب الاختبار من أهداف التدريب. ويحد هذا الغموض من الثقة في قراءة 80.0% على أنها تعميم على سجلات أرشيفية غير مرئية.

## الاختبار البيولوجي المفقود

لا يزال التدخل مدةً مسترجعة من الأرشيف. ولا يستطيع النموذج صياغة بروتوكول كهربائي جديد، أو اختيار إعدادات تحفيز أخرى، أو إثبات أن زينوبوتاً جديداً سيستجيب كما استجاب زينوبوت مؤرشف. ولم يضف التدريب والتقييم تجربة مختبرية حية. كما لا تثبت المسودة نتائج مماثلة على العضيات أو إصلاح الأنسجة أو الاستخدام السريري، رغم الاحتمالات الأوسع في عنوانها ومناقشتها.

الورقة مسودة بحثية على arXiv، ولم نجد في الأدلة التي أوردتها تكراراً مستقلاً للنتائج. وتتمثل مساهمتها المباشرة في طريقة للتعلم من سجلات لم تُقرن فيها التعليمات بالتدخلات قط. أما إمكان توجيه الخلايا الحية بهذه الطريقة مستقبلاً فيظل سؤالاً تجريبياً.

## المصادر وقراءات إضافية

- [لي وبلاكستون وليفين وبونغارد، *نحو التحكم في الأحياء باللغة* (الإصدار الأول على arXiv، 30 سبتمبر 2026).](https://arxiv.org/html/2610.02247v1)تتضمن المسودة الكاملة المنهج وأعداد الأرشيف وبروتوكول التقييم والجداول والقيود المستخدمة هنا. والنتائج منقولة عن المؤلفين، ولا تثبت مراجعة الأقران أو التكرار المستقل أو التحكم البيولوجي المستقبلي.
- [ملف PDF للمسودة نفسها](https://arxiv.org/pdf/2610.02247v1)يحافظ ملف PDF المؤلف من 15 صفحة على الجداول وتعليقات الأشكال للتحقق من الأرقام المعلنة واستخدام العرض لمسارات مسجلة. وهو صيغة أخرى للمصدر نفسه، لا تأكيد مستقل.

## Sources

- [لي وآخرون، نحو التحكم في الأحياء باللغة، نسخة HTML من arXiv v1](https://arxiv.org/html/2610.02247v1) — تعرض المسودة الكاملة طرائق الزينوبوتات المؤرشفة والتقييم والنتائج والقيود. وهذا تقرير المؤلفين، من دون تكرار مستقل أو اختبار مستقبلي.
- [لي وآخرون، المسودة نفسها، ملف PDF من 15 صفحة v1](https://arxiv.org/pdf/2610.02247v1) — يتيح PDF مراجعة الجداول والأشكال. وهو صيغة ثانية للورقة نفسها، لا مصدر مستقل.