في عالم التكنولوجيا الحديثة، تسهم أدوات الذكاء الاصطناعي بشكل كبير في تسريع عمليات التطوير، ومنها التنبؤات في الجداول الحسابية. ومع أن الخصائص التلقائية لتكملة التعليمات البرمجية (Predictive Code Completion) تساهم بشكل ملحوظ في تحسين كفاءة عمل المطورين، إلا أن نقص هذه الميزات في الجداول الحسابية يعد تحدياً ملحوظاً.

لذا، قدم الباحثون مؤشرات جديدة تحاكي تسلسلات من الأفعال المستخدمة في الجداول الحسابية وتتيح توقع الأفعال المقبلة. ومع تحديين رئيسيين، هما غياب تاريخ التعديلات في قواعد البيانات العامة للجداول وتنوع الأفعال في هذه الجداول (المكانية، الزمنية، المركبة)، تم وضع حلول مبتكرة للتغلب عليهما.

للرد على التحدي الأول، تم تجميع 52 تسلسلاً يتضمن 12,000 فعالية تعيد إنشاء جداول من قواعد البيانات العامة بما يتناسب مع القيم المدخلة، باستخدام استراتيجيات معقدة وتحسينات من نماذج اللغات الضخمة (Large Language Models). أما بالنسبة للتحدي الثاني، فقامت الدراسة بإنشاء تقييمات عبر الإنترنت تتطلب توقعات بعد كل فعل مستخدم، وتقوم بتحليل مدى دقة هذه التوقعات وفعاليتها.

من خلال استخدام مجموعة متنوعة من النماذج التنبؤية، بما في ذلك نماذج اللغات الضخمة غير المعالجة (zero-shot LLMs) والنماذج المدربة (fine-tuned SLMs)، يتم تحليل خصائص متعددة تشمل كفاءة الأداء وتأثير ملفات تعريف المستخدمين. هذا يعد خطوة كبيرة نحو إدماج أدوات الذكاء الاصطناعي في البيئات المكتبية، مما يفتح آفاق جديدة لتحسين التجربة لدى المستخدمين.

ما رأيكم في هذه التطورات المثيرة؟ شاركونا آرائكم في التعليقات!