باحثون يطورون طريقة جديدة لعملاء الذكاء الاصطناعي للتعلم من التجربة

تتميز نماذج اللغة الكبيرة بقدرتها على الإجابة عن الأسئلة، لكنها غالباً ما تواجه صعوبة في تحسين أدائها بناءً على أفعالها الخاصة. قدم باحثون مؤخراً إطار عمل جديد يسمى SAGA لمساعدة هؤلاء العملاء الرقميين على التطور بمرور الوقت. بدلاً من إعادة تدريب النظام باستمرار، يسمح SAGA للعملاء بحفظ ما يتعلمونه من بيئتهم وإعادة استخدامه.

كيف يعمل SAGA

يختصر اسم SAGA عبارة "العملاء ذاتيو التطور من خلال التجريد القائم على التجربة". ببساطة، يقوم النظام بإنشاء حلقة تغذية راجعة حيث يقوم العميل بتنفيذ مهمة، ثم يتأمل النتائج، ويحول تلك التجربة إلى مجموعة من المبادئ التوجيهية.

تخيل أنك تتعلم طهي وجبة معقدة. أنت لا تحفظ فقط كل حركة قمت بها، بل تتعلم مبادئ عامة مثل متى تزيد الحرارة أو مدة التقليب. يقوم SAGA بشيء مشابه للعملاء الرقميين، حيث يحول بيانات التفاعل الخام إلى إجراءات يمكن تطبيقها على مهام مستقبلية.

• تسجيل مسارات التفاعل.
• تقطير تلك المسارات في إرشادات واضحة وقابلة للتنفيذ.
• التحقق من هذه الإرشادات مقابل أدلة تنفيذ واقعية لضمان دقتها.

باستخدام هذا النهج، يمكن للعملاء تكييف سلوكهم دون تغيير معاييرهم الداخلية الأساسية. يجعل هذا العملية أقل تكلفة وأكثر مرونة من أساليب الضبط الدقيق التقليدية، خاصة للنماذج الضخمة التي يصعب تعديل برمجتها الأساسية.

أظهرت الاختبارات على منصات مثل ScienceWorld و ALFWorld أن هذه الطريقة تحسن معدلات نجاح المهام بشكل ملحوظ. أشار الباحثون إلى أن تعليم الذكاء الاصطناعي متى يطبق القاعدة لا يقل أهمية عن ابتكار القاعدة نفسها.

هل تعتقد أن منح الذكاء الاصطناعي ذاكرة أفضل لأخطائه هو المفتاح لجعلها تعمل بشكل مستقل حقاً؟

يركز البحث حالياً على بيئات تفاعلية محددة، ولم يتم بعد اختبار أداء هذه التقنية في سيناريوهات أكثر تعقيداً أو مفتوحة النطاق في العالم الحقيقي.