في عالم الذكاء الاصطناعي، تبرز الحاجة إلى أنظمة محادثة هادفة تتطلب اتخاذ قرارات متتابعة تحت وطأة عدم اليقين بشأن نوايا المستخدمين. يتعين على الخوارزمية أن توازن بين اكتساب المعلومات والالتزام بالأهداف عبر انحناءات متعددة. تنطلق معظم المنهجيات الحالية من منظورين مختلفين:

1. **الطرق الهيكلية**: تتيح التخطيط عبر عدة خطوات ولكن تعتمد فقط على مخططات مسبقة، مما يقلل من مرونتها.
2. **النهج المعتمد على نماذج اللغة الضخمة (LLMs)**: تدعم تفاعلات مرنة، لكنها تفشل في التخطيط على المدى الطويل مما يؤدي إلى ضعف التنسيق بين اكتساب المعلومات والالتزام بالأهداف.

لتجاوز هذا القيد، اقترحنا صياغة المحادثات الهادفة كمشكلة اتخاذ قرارات تسلسلية مدفوعة بعدم اليقين، حيث يعتبر عدم اليقين بمثابة إشارة توجيهية لتعزيز اتخاذ القرارات عبر انحناءات متعددة. هذا يقودنا إلى إطار عمل **التخطيط الواعي بعدم اليقين في المحادثة (CUP)** الذي يدمج نماذج اللغة مع التخطيط الهيكلي: حيث يقوم نموذج اللغة باقتراح إجراءات ممكنة، ويقوم المخطط بتقييم تأثيرها على المدى الطويل فيما يتعلق بتقليل عدم اليقين.

أظهرت التجارب على مجموعة من معايير المحادثة أن CUP يعزز باستمرار معدلات النجاح مع تقليل عدد التفاعلات المطلوبة. بالإضافة إلى ذلك، توضح التحليلات أن التخطيط الواعي بعدم اليقين يسهم في اكتساب المعلومات بشكل أكثر كفاءة والالتزام بثقة في وقت أبكر.

إذا كنت مهتمًا بكيفية تغيير الذكاء الاصطناعي لطريقة تفاعلنا مع التقنية، فلا تتردد في إبداء آرائك ومشاركتها معنا في التعليقات!