باحثون يطورون PlanPool لمساعدة وكلاء الذكاء الاصطناعي على تجنب الافتراضات الصامتة

قدمت ورقة بحثية جديدة تقنية تسمى PlanPool تهدف إلى تحسين كيفية تعامل وكلاء الذكاء الاصطناعي مع طلبات المستخدمين غير الواضحة عند استرجاع البيانات من قواعد البيانات. عندما يحول الوكيل اللغة الطبيعية إلى كود SQL، فإنه يواجه غالباً غموضاً في المدخلات. وفي بعض الأحيان، يكتفي الوكيل بالتخمين للمضي قدماً في العملية، مما يؤدي إلى نتائج غير دقيقة مبنية على افتراضات خاطئة.

وجد الباحثون أن وكلاء الذكاء الاصطناعي يدركون أحياناً أن السؤال غير واضح، لكنهم يتخلون عن مهمة طلب التوضيح في وقت مبكر جداً. وحتى عندما يُطلب من الوكلاء التخطيط لخطواتهم، فإنهم غالباً ما ينسون طرح أسئلة حول تفاصيل ناقصة حددوها مسبقاً على أنها مهمة.

يعالج نظام PlanPool هذه المشكلة من خلال إنشاء قائمة مراجعة ديناميكية للأسئلة التي يجب على الوكيل إدارتها. تعمل هذه القائمة كمساحة عمل يخزن فيها الوكيل جوانب الغموض التي يكتشفها. وقبل أن يتمكن من تقديم إجابة نهائية، يجب عليه معالجة كل بند في هذه القائمة أو استبعاده صراحة.

يساعد هذا النهج النظام على تجنب الوقوع في أخطاء صامتة. فإذا طلب المستخدم 'أفضل الموظفين' دون تحديد تاريخ أو قسم، فسيقوم الوكيل الآن بتتبع هذا كاستفسار مفتوح بدلاً من التخمين بناءً على بيانات التدريب السابقة.

اختبر الباحثون PlanPool مقابل ثلاثة معايير مشتقة من BIRD-Interact و Spider. أدى النظام باستمرار إلى تحسين قدرة الوكلاء على تغطية جوانب الغموض المحتملة مقارنة بطرق التوجيه التقليدية. كما قلل النظام من تكرار الإخفاقات الصامتة مع الحفاظ على سرعة تنافسية في تنفيذ الاستعلامات.

يمكن تشبيه ذلك بطالب ينسى طلب توضيح بشأن واجب مدرسي غامض حتى يسلم واجباً خاطئاً. يعمل PlanPool بمثابة ملاحظة تذكيرية لا يمكن للطالب تجاهلها.

مع ذلك، لا تضمن هذه الطريقة أن الذكاء الاصطناعي سيفهم نية المستخدم إذا كان الطلب الأولي للمستخدم مستحيلاً حله جوهرياً. تركز الدراسة الحالية على تفاعلات قواعد البيانات المنظمة وقد لا تنطبق على كل نوع من مهام الوكلاء الإبداعية.