في عالم الذكاء الاصطناعي، تمثل أنظمة الوكلاء المتعددة (MAS) خطوة بارزة في حل المشكلات المعقدة من خلال تعزيز التعاون بين عدة وكلاء. إلا أن معظم هذه الأنظمة تواجه مشاكل كبيرة تتعلق بتخصيص المهام وتعقيد البنية المعمارية، مما يؤدي إلى صعوبة في إعادة الاستخدام عبر المهام المختلفة.

لكن، ماذا لو كان هناك حل لهذه التحديات؟!

يُقدّم البحث الجديد مفهومًا مذهلاً يُدعى "مكونات الوكلاء القابلة لإعادة الاستخدام" (Agent Primitives)، وهي بناءات أساسية يمكن استخدامها بشكل متكرر لبناء أنظمة MAS مستندة إلى نماذج لغوية ضخمة (LLMs). مستوحاة من تصميم الشبكات العصبية، حيث تُبنى النماذج المعقدة من مكونات قابلة لإعادة الاستخدام، نجد أن العديد من هياكل MAS الحالية يمكن تقسيمها إلى مجموعة صغيرة من أنماط حسابية داخلية تتكرر.

المكونات الأساسية الثلاث المتمثلة في: المراجعة (Review)، التصويت والاختيار (Voting and Selection)، والتخطيط والتنفيذ (Planning and Execution) تسهل عملية التواصل الداخلي عبر ذاكرة مفتاح-قيمة (KV)، مما يعزز من كفاءة وموثوقية التفاعلات، ويقلل من تدهور المعلومات.

إضافةً إلى ذلك، تتولى وكيل التنظيم (Organizer agent) اختيار وتجميع هذه المكونات لكل استعلام، مسترشدًا بمجموعة خفيفة من المعرفة حول التكوينات الناجحة السابقة، مما يمهد الطريق لإنشاء أنظمة MAS قائمة على هذه المكونات.

تظهر التجارب أن الأنظمة المعتمدة على مكونات قابلة لإعادة الاستخدام تُحسن متوسط الدقة بنسبة تتراوح بين 12.0% و16.5% مقارنة بالأسس المعتمدة على وكلاء فرديين، كما تقلل من استهلاك الرموز وتأخير الاستدلال بمعدل حوالي 3 إلى 4 مرات مقارنة بالأنظمة النصية، مع توفير أداء أكثر استقرارًا عبر نماذج معمارية مختلفة.

هل أنت مستعد لاستكشاف كيفية تغيير "مكونات الوكلاء" لمستقبل أنظمة الذكاء الاصطناعي؟ ما رأيكم في هذا التطور؟ شاركونا في التعليقات.