في عالم أنظمة الوكلاء المتعددة، يعتبر التنسيق الفعّال بين الشركاء غير المألوفين تحدياً كبيراً. حيث تسعى الأنظمة التقليدية، مثل الأساليب المعتمدة على التنوع، إلى تعزيز المرونة ولكنها غالباً ما تفتقر إلى الآليات الفعّالة للتكيف خارج نطاق التدريب. ومع ذلك، فإن العملية المعقدة للتكييف في سياقات قليلة الأمثلة تمثل عائقاً كبيراً نظرًا للتكاليف المرتفعة للتفاعل.

تحت هذا التحدي، يظهر ابتكار جديد يحمل اسم CooT، وهو إطار مبتكر يعتمد على التعلم السياقي (In-Context Learning) للتكيف الفوري مع الشركاء. بينما تركز الطرق السابقة على تعميم المهام، فإن CooT يهدف إلى تعميم سلوكيات الشركاء المتنوعة. يتم تدريبه على مسارات من وكلاء يفضلون سلوكيات معينة، مما يتيح له تعلم كيفية التنسيق مع نوايا الشريك من خلال المراقبة البسيطة.

تم تقييم CooT في مجموعة من التحديات الصعبة، مثل لعبة Overcooked وGoogle Research Football. وتظهر النتائج أن CooT يتفوق باستمرار على الأساليب المعتمدة على التنوع والضبط الدقيق المستند إلى التدرجات، فضلاً عن الأسس المعتمدة على التعلم القائم على النماذج (Meta-Reinforcement Learning)، محققًا تكيفًا سريعًا ومستقرًا دون الحاجة لتحديث المعلمات.

علاوة على ذلك، أشارت التقييمات البشرية إلى أن CooT يعتبر شريك تعاون مفضل، وأكدت التجارب الآلية قدرته على التكيف السريع مع الشركاء الجدد والبقاء مستقرًا في ظل تغييرات مفاجئة، مما يجعله موثوقًا في مجالات التعاون بين البشر والذكاء الاصطناعي. هل أنتم مستعدون لاكتشاف المزيد عن إمكانيات CooT وكيف يمكن أن يؤثر على مستقبل التعاون بين الأنظمة الذكية؟