في إطار سعي الباحثين لتحسين أداء نماذج اللغة الكبيرة (LLMs) في سياقات التعاون المعقد، أجروا دراسة مميزة تركزت على تأثير خرائط المعتقدات (Belief Graphs) في الألعاب التعاونية، وتحديداً في اللعبة الشهيرة "هانابي". تم إجراء أكثر من 3000 تجربة محكومة عبر أربعة عائلات مختلفة من نماذج اللغة، مما أدى إلى اكتشافات مثيرة للاهتمام.

أولاً، تبين أن بنية التكامل تلعب دوراً حاسماً في مدى فائدة خرائط المعتقدات. إذا اعتُبرت هذه الخرائط كتوجيهات إضافية، فإنها قد تكون زينة بالنسبة للنماذج القوية، ولكنها تعود بفائدة كبيرة في النماذج الأضعف. على سبيل المثال، لوحظ أن نماذج ذات مستوى عالٍ في التفكير النفساني الثاني (2nd-order Theory of Mind) حققت (80%) من النجاح بينما وصلت النماذج الضعيفة (10%). أما عندما اشتُرط استخدام الخرائط لاختيار الإجراءات عبر قوائم مختصرة مرتبة، فإنها أصبحت ضرورية حتى للنماذج القوية، حيث حقق الأداء نسبة (100%) مقارنة بنسبة (20%) على التفكير النفساني الثاني.

ثانياً، أظهرت الدراسة ظاهرة تسمى "تمرد المخطط"، وهي فشل خاص بعائلة نماذج معينة، حيث تتجاهل نماذج اللغة التوصيات الصحيحة المخطط بالاعتماد على مستوى من الكفاءة. حيث تم تسجيل تجاوزات تصل إلى (90%)، بينما أظهرت نماذج "جمني" (Gemini) انخفاضاً في هذه الظاهرة.

ثالثاً، تأكيد الأدلة من تجربة اللعبة كاملة يشير إلى أن برامج التعاون بين الوكلاء أدت إلى تحسينات بمعدل (+128%) مقارنة بالأساس، مما يعكس تفاعلية خرائط المعتقدات. ولكن، من الضروري دمج مكونات خرائط المعتقدات مع بعضها لتحقيق المكاسب.

رابعاً، تشير التحليلات الأولية لعمق الخرائط إلى أن النتائج تنخفض مع زيادة العمق. إذ أظهرت الخرائط الضحلة أفضل نسبة تكلفة وفائدة، بينما بدت الخرائط الأكثر عمقاً ضارة في حالات وجود عدد أكبر من اللاعبين.

هذه الدراسة تفتح آفاق جديدة في فهم كيفية تمكن خرائط المعتقدات من تعزيز التفاعل والتعاون بين نماذج الذكاء الاصطناعي، وتعطي أهمية قصوى لمزيد من البحث في هذا المجال. ما رأيكم في هذا التطور؟ شاركونا في التعليقات.