التعاون بين وكلاء اللغة وغير اللغة: ثورة في الذكاء الاصطناعي

تتسارع الخطوات نحو دمج وكالات اللغة (Language Models) مع الوكلاء غير اللغويين في مجالات مثل الألعاب والروبوتات، حيث يُعتبر الأخيرون الأكثر قوة في المهام المعقدة. لكن كيف يمكننا تحقيق مثل هذا التكامل بنجاح؟

تعتبر عملية “verbalization”، التي تعني تحويل التمثيلات المستمرة الغنية للوكلاء غير اللغويين إلى ملخصات نصية، من التحديات الرئيسية في هذا السياق. لذا، قامت مجموعة من الباحثين بتطوير أداة جديدة تُسمى “LLAMIA-Bench”، والتي تتضمن ستة مهام تعاونية متنوعة في لعبة الشطرنج. هذه المهام تتنوع بين تقليد السلوك وتقييم الحالة وشرحها بلغة طبيعية.

تكمن الفكرة في أنه لا يمكن لأي من النموذج اللغوي أو محرك الشطرنج حل المهام بمفرده، ما يتطلب التعاون والتفاعل معاً. لمعالجة هذا التعاون، تم تقديم مفهوم “latent state internalization”، الذي يتيح إدراج التمثيلات المستمرة للوكلاء غير اللغويين مباشرة في تدفق الرموز الخاصة بنموذج اللغة.

من خلال مقارنة هذه الطريقة بأسلوب التكامل التقليدي القائم على verbalization، كشفت التجارب عن فجوة أداء تؤكد وجود ضريبة على verbalization، حيث يتسع الفجوة مع تقدم التدريب. ومن الجدير بالذكر أن نموذج “LLAMIA”، الذي يضم 14 مليار معلمة، أظهر أداءً يساوي أو يتجاوز تلك النماذج المتخصصة مثل GPT-5.1.

إن هذه الأبحاث تفتح الباب على مصراعيه أمام فهم عميق لكيفية تعزيز أداء الذكاء الاصطناعي من خلال التعاون الاستراتيجي بين الوكلاء، وهو ما يمهد الطريق لمستقبل أكثر إشراقًا في هذا المجال.