في عصر الذكاء الاصطناعي، يجذب مفهوم الذكاء السربيني (Swarm Intelligence) الانتباه لما يحمله من وعود في تقديم سلوكيات معقدة بواسطة تجمعات من الوكلاء البسيطين. لكن ماذا يحدث عندما يتم دمج هذا المفهوم مع تكنولوجيا نماذج اللغات الضخمة (LLMs)؟

مؤخراً، استعرضت دراسة جديدة استخدام إطار عمل OpenAI's Swarm (OAS) الذي يمكّن الوكلاء من التنسيق من خلال التعليمات اللغوية الطبيعية. هذا التوجه يعكس إمكانية جديدة لعالم الذكاء الاصطناعي، حيث تقيم الدراسة المزايا والعيوب الناتجة عن دمج الذكاء السربيني مع تقنيات النماذج اللغوية.

استناداً إلى أنظمة Boids وتقنية تحسين مستعمرة النمل (Ant Colony Optimization)، قامت الدراسة بتنفيذ مقارنة بين النسخ التقليدية والنسخ المعتمدة على نماذج اللغات الضخمة. النتائج أظهرت أن الأنظمة الحركية التي تعتمد على نماذج اللغات الضخمة تستطيع محاكاة الديناميكيات السربينية، لكنها تواحه قيوداً كبيرة بسبب الأعباء الحسابية الضخمة.

فعلى سبيل المثال، تطلبت محاكاة Boids المعتمدة على نماذج اللغات الضخمة وقتاً حسابياً يزيد عن 300 مرة مقارنة بنسختها التقليدية، مما يسلط الضوء على التحديات الحالية في تطبيق هذه الأنظمة في أنظمة الوقت الحقيقي.

في ضوء هذه النتائج، يبقى التساؤل: هل ستتمكن نماذج اللغات الضخمة من تجاوز هذه المحدودات لتصبح جزءاً أساسياً في التطبيقات السربينية؟