وكلاء الذكاء الاصطناعي يتجاهلون غالباً تجاربهم السابقة أثناء أداء المهام

كشفت ورقة بحثية جديدة عن سبب فشل وكلاء اللغة غالباً في الاستفادة من تاريخهم أثناء إنجاز مهام معقدة. فعلى الرغم من تزويد هذه الأنظمة بسجل لمحاولاتها السابقة، إلا أنها لا تستخدم هذه المعلومات بشكل فعال لتحسين نتائجها.

أظهرت النتائج أن أداء الوكلاء غالباً ما يظل متشابهاً سواء كانت سجلات التاريخ دقيقة أو تم خلطها عشوائياً. وهذا يشير إلى أن النماذج لا تقوم بإنشاء رابط منطقي حقيقي بين الإجراء الذي اتخذته ورد الفعل الناتج من البيئة المحيطة.

ولحل هذه المشكلة، اختبر الباحثون طريقة تعتمد على تصنيف الملاحظات البيئية بوضوح باعتبارها نتائج مباشرة للخطوات السابقة. ساعد هذا التغيير البسيط الوكلاء على فهم عواقب قراراتهم، مما أدى إلى رفع معدلات النجاح وتقليل الأخطاء التكرارية.

استناداً إلى هذه الرؤية، طور الفريق أداة معايرة تتعلم كيفية العمل كفلتر داخلي. يقوم هذا المكون بتقييم الإجراءات السابقة بشكل أكثر دقة ويقرر أي التجارب تستحق الحفظ لتوجيه القرارات المستقبلية.

تخيل أنك تتعلم لعبة جديدة ولكنك تنسى دائماً أي الأزرار ضغطت عليها عندما فزت أو خسرت. يعاني وكلاء الذكاء الاصطناعي حالياً من فجوة مماثلة في الذاكرة.

وعلى الرغم من أن تصنيف النتائج وأداة المعايرة الجديدة يحسنان الأداء، إلا أن هذا البحث ركز على بيئات مهام محددة. ولم يختبر البحث كيفية تعامل الوكلاء مع الذاكرة طويلة المدى عبر جلسات أو مهام مختلفة تماماً.