في عالم الذكاء الاصطناعي، تتطور الأساليب المستخدمة لتعلم الآلات بسرعة، وتظهر أداة جديدة تثير اهتمام الباحثين والمطورين على حد سواء. أداة "استوديو التعلم الإجرائي القائم على عاملات التعلم" (Agentic Heuristic Learning Studio) تقدم رؤية مبتكرة في مجال التعرف على الأنشطة الإنسانية (Human Activity Recognition - HAR).

تقليديًا، تُعتمد أساليب التعرف على الأنشطة على تدريب الشبكات العصبية باستخدام أساليب تعتمد على التدرجات، لكن استوديو AHL يأتي بفكرة جديدة مستوحاة من طريقة التعلم البشري. حيث يتعلم البشر الأنشطة من خلال تذكر الأمثلة وتشكيل القواعد وتصحيح الأخطاء، بدلاً من استخدام أساليب التدريب المتكررة.

تعمل الأداة الجديدة على تنفيذ AHL لـ HAR من خلال توفير وكيل يعمل على تحليل البروتوكولات الحسية، ويقترح سياسات إجرائية قابلة للتنفيذ، ويسجل مسارات التصحيح. ومن المثير أنها تؤمن تصدير سياسة خالية من نماذج اللغات الكبيرة (LLM-free) لتمكين النشر على أجهزة الحافة.

تركز الأداة على مجموعة معيارية من البيانات الخاصة بالتعرف على الأنشطة الإنسانية، وتوفر سير عمل متكامل يبدأ من ملاحظة بيانات المجموعة حتى التصدير الموجه للحافة.

حتى الآن، تم تقييم سياسات AHL على أحد عشر مجموعة بيانات لتعزيز التعرف على الأنشطة، وقد أظهرت أداءً قويًا للسياسات القابلة للتنفيذ، مع الحفاظ على قابلية الفحص، والتعديل، وإعادة التشغيل. هذا التطوير يفتح آفاق جديدة في كيفية تعامل أجهزة الحواسيب مع المعلومات الحسية وفهم العالم من حولها.

هل تعتقد أن هذه الأداة ستحدث فارقًا في مجالات التطبيقات الذكية؟ شاركونا آراءكم في التعليقات!