باحثون يكتشفون أن الإعدادات البسيطة تتفوق على أنظمة الوكلاء المعقدة

فحص باحثون في Apple مؤخراً حجم البنية التحتية المطلوبة فعلياً لبناء وكيل ذكاء اصطناعي قادر على البرمجة بشكل مستقل. وتتحدى ورقتهم البحثية التوجه الحالي القائم على تغليف نماذج الذكاء الاصطناعي بطبقات معقدة من أنظمة التنسيق والوكلاء الفرعيين.

أجرى الفريق اختبارات منهجية باستخدام نماذج ذكاء اصطناعي متطابقة عبر إعدادات مختلفة. وقارنوا هذه الأنظمة المعقدة مقابل إعداد أساسي بسيط حيث يتمتع الوكيل بوصول مباشر إلى بيئة برمجة قياسية، مما يسمح له بقراءة وكتابة وتنفيذ أوامر bash.

تشير النتائج إلى أن طبقات الآلات المعقدة غالباً ما تصبح زائدة عن الحاجة. وعند منحها نفس القدر من الوقت، كان أداء النهج البسيط يضاهي الأنظمة الأكثر تعقيداً. وتخلص الدراسة إلى أن المحرك الأساسي للنجاح هو ذكاء النموذج الأساسي نفسه، وليس الهياكل المحيطة به.

"إن الجهد المبذول في تطوير إطارات عمل يدوية حول نماذج قوية لا يحقق عوائد تذكر في اختبارات هندسة تعلم الآلة الحالية."

غالباً ما يضيف المطورون هذه الطبقات لحل مشكلات مثل الذاكرة طويلة المدى أو إدارة المهام. ومع ذلك، يشير الباحثون إلى أن هذه الإضافات لا توفر ميزة واضحة في مهام البرمجة الحالية. إذا كنت تبني أداة برمجة آلية اليوم، هل ستختار البساطة أم التعقيد؟

من المهم ملاحظة أن هذا البحث ركز تحديداً على مهام هندسة تعلم الآلة المستقلة. قد لا تنطبق هذه النتائج على أنواع أخرى من سير عمل الذكاء الاصطناعي التي تتطلب هياكل ذاكرة مختلفة أو تخطيطاً طويل المدى يتجاوز دورات البرمجة القياسية.