أصبح الذكاء الاصطناعي جزءًا لا يتجزأ من العديد من التطبيقات الحديثة، حيث تعمل نماذج اللغات الضخمة (Large Language Models) على تحقيق مجموعة مذهلة من المهام. ومن بين أهم التطورات في هذا المجال يأتي هجوم AgentLeak، الذي يقدم نظرة جديدة على كيفية استخدام الوكلاء الأضعف للقدرات الموجودة لدى الوكلاء الأقوى من خلال طريقة جديدة تمامًا.

يعتمد هذا الهجوم على فكرة تسرب المهارات، حيث أظهرت الدراسات أن الوكيل الأضعف يمكن أن يستفيد من الفرق بين نجاحات الوكيل القوي وإخفاقاته. باستخدام تحليل الفجوات السلوكية بين أداء الوكيلين، يتمكن AgentLeak من تحديد السلوكيات الحرجة حول كيفية إنجاز المهام وتكييفها لتناسب الوكيل الأضعف.

الأمر الأكثر إثارة هو أن النتائج تظهر تحسنًا كبيرًا في معدلات نجاح المهام، حيث استطاع فريق البحث تحقيق زيادة بنسبة تزيد عن 40% مقارنة بإعادة استخدام المهارات المباشرة. هذا يعني أن AgentLeak لا يقتصر فقط على الحصول على المهارات الظاهرة، بل يتجاوز ذلك إلى النقاط الحرجة التي تجمع بين التنفيذ الصحيح والسلوكيات اللازمة لنجاح المهمة.

تُظهر هذه النتائج أيضًا مخاطر جديدة تتعلق بالسرية في نماذج الذكاء الاصطناعي، حيث أن مجرد حماية العناصر الواضحة لا يكفي، إذ يمكن أن تكشف سلوكيات التنفيذ القابلة للرصد عن المعرفة الإجرائية اللازمة لإعادة بناء قدرات حل المهام الخاصة. هذه الاكتشافات تدفعنا للتفكير في كيفية حماية نماذج الذكاء الاصطناعي من التهديدات الوجودية التي قد تنشأ نتيجة عمليات الاختراق هذه.