System 2 Thinking

التفكير بالنظام 2 هو نمط الاستدلال البطيء والمتأني والمتعمد ضمن نظرية المعالجة المزدوجة للإدراك البشري، على عكس النظام 1 السريع والتلقائي والحدسي. أطلق عالما النفس كيث ستانوفيتش وريتشارد وست اسمي النظامين في عام 2000، واشتهر بهما دانيال كانيمان، الحائز بالمشاركة على جائزة نوبل التذكارية في العلوم الاقتصادية لعام 2002، في كتابه الصادر عام 2011 التفكير، السريع والبطيء. يوضح كانيمان النظامين بمسألة المضرب والكرة التي وضعها شين فريدريك: يبلغ ثمن المضرب والكرة معًا 1.10 دولار، ويزيد ثمن المضرب على ثمن الكرة بدولار واحد. يجيب النظام 1 بأن ثمن الكرة 10 سنتات، بينما يجد النظام 2، بعد التحقق من الحساب، أن ثمنها 5 سنتات. في الذكاء الاصطناعي (AI)، يصف المصطلح النماذج والأنظمة التي تنفق حسابات إضافية على الاستدلال أو البحث أو التحقق قبل الإجابة.

النظامان 1 و2 في الذكاء الاصطناعي#

يشبه المرور الأمامي الواحد عبر شبكة عصبية النظام 1: إذ ينفق نموذج تصنيف الصور أو نموذج اكتشاف الأجسام أو تنبؤ واحد بالرمز التالي من نموذج لغة كبير (LLM) القدر الثابت نفسه من الحسابات على كل مدخل، سواء أكان سهلًا أم صعبًا. جعل يوشوا بنغيو هذا التمييز محور كلمته الرئيسية في NeurIPS 2019 بعنوان "من التعلم العميق للنظام 1 إلى التعلم العميق للنظام 2"، مجادلًا بأن التعلم العميق أتقن الإدراك السريع، لكنه لا يزال بحاجة إلى الاستدلال والتخطيط والتعميم على مواقف جديدة، وهي قدرات يوفرها النظام 2. تتيح أساليب النظام 2 زيادة الحسابات تبعًا للصعوبة، عبر البحث أو الاستدلال خطوةً بخطوة أو التحقق من الإجابة قبل اعتمادها.

جمع الذكاء الاصطناعي المخصص للألعاب بين النظامين مبكرًا. جمع AlphaGo بين شبكة سياسة تقترح الحركات الواعدة لمحةً سريعةً وبحث شجرة مونت كارلو (MCTS) يستكشف تفرعات اللعب قبل الاختيار، ودرّب توماس أنتوني وتشنغ تيان وديفيد باربر الشبكة السريعة على محاكاة البحث البطيء في ورقتهم التفكير بسرعة وببطء مع التعلم العميق والبحث في الشجرة (2017)، بحيث تتحول النتائج المتأنية إلى حدس بمرور الوقت. وغالبًا ما توجّه الأنظمة التي تستخدم كلا النمطين كل مدخل إلى أحدهما:

تقنيات النظام 2 في نماذج اللغة#

يطلب التلقين بسلسلة الأفكار من نموذج LLM كتابة خطوات وسيطة، ما يمنحه رموزًا أكثر، وبالتالي حسابات أكثر، قبل الإجابة. أما شجرة الأفكار، التي يستشهد بحثها لعام 2023 مباشرةً بنظرية المعالجة المزدوجة، فتبحث في مسارات استدلال متفرعة وتتراجع عن المسارات المسدودة؛ وفي لغز لعبة الأرقام 24، رفعت معدل نجاح GPT-4 من 4% باستخدام التلقين بسلسلة الأفكار إلى 74%. وتتدرّب نماذج الاستدلال مثل o1 من OpenAI وDeepSeek-R1 باستخدام التعلّم المعزز للتفكير المطوّل بصورة مستقلة، ويمكن لـنموذج مكافأة العملية (PRM) التحقق من كل خطوة في حل مرشح أثناء البحث.

تتيح منتجات كثيرة كلا الوضعين. فـClaude 3.7 Sonnet من Anthropic، الذي أُطلق في فبراير 2025، نموذج واحد يجيب مباشرة أو يستخدم التفكير الممتد بحسب الإعداد، بينما يستخدم GPT-5، الذي أُطلق في أغسطس 2025، موجّهًا يرسل كل طلب إلى نموذج سريع أو نموذج أعمق في الاستدلال، على غرار المخطط أعلاه.

الأنظمة السريعة والبطيئة في الرؤية والروبوتات#

توزّع الروبوتات النظامين على نموذجين منفصلين يعملان بسرعتين مختلفتين. يشغّل Helix من Figure، الذي أُعلن عنه في فبراير 2025، نموذج رؤية ولغة (VLM) ذا 7 مليارات معامل بمعدل 7 إلى 9 هرتز بوصفه النظام 2، ليفسّر المشهد والأمر المنطوق، وسياسة تحكم ذات 80 مليون معامل بمعدل 200 هرتز بوصفها النظام 1، لتحويل مخرجات VLM إلى حركة مستمرة للجزء العلوي من الجسم، وصولًا إلى حركة الأصابع منفردة.

تستخدم مسارات الرؤية التقسيم نفسه للتحكم في التكلفة. يشغّل قالب YOLO إلى VLM Monitor في وكلاء Ultralytics Platform نموذج YOLO26 nano على كل صورة، ولا يستدعي نموذج VLM لوصف المشهد إلا عندما يكتشف YOLO شخصًا واحدًا على الأقل؛ لذلك لا تصل الصور الخالية من الأشخاص مطلقًا إلى النموذج الأبطأ والأعلى تكلفة.

التكاليف والقيود#

وصف كانيمان النظام 2 بأنه كسول: فالتفكير المتعمد مرهق، لذلك يلجأ الناس افتراضيًا إلى النظام 1، وغالبًا ما يقبلون أخطاءه. أما في الذكاء الاصطناعي، فتتمثل الكلفة في زمن الاستجابة والحوسبة، إذ قد يولّد نموذج الاستدلال آلاف الرموز المخفية قبل الإجابة عن سؤال يتعامل معه نموذج سريع بتمريرة واحدة، ويحدد التوجيه عدد مرات تحمّل هذه الكلفة. كما أن التروي لا يضمن سلامة الاستدلال. فقد تختلف الخطوات المكتوبة للنموذج عن العمليات الحسابية التي أنتجت إجابته، وهي فجوة تُدرس في إطار الذكاء الاصطناعي القابل للتفسير (XAI)، كما تنقل أساليب الاستدلال الكامن المداولة إلى حالات مخفية لا تترك أي أثر مكتوب.