شهدت الآونة الأخيرة تقدمًا ملحوظًا في مجال الذكاء الاصطناعي التوليدي (Generative AI) والنماذج اللغوية الكبيرة (Large Language Models - LLMs)، حيث أظهرت هذه التقنيات وعدًا كبيرًا في أتمتة العديد من المهام المعقدة مثل التلخيص والإجابة على الأسئلة. ومع ذلك، فإن فعالية النماذج اللغوية العامة في مجالات الهندسة المتخصصة تبقى محدودة بسبب نقص التعرض للمعايير التقنية والمصطلحات الهندسية.

لذا، يقدم هذا البحث نهجًا منهجيًا لتطوير وكيل ذكاء اصطناعي توليدي مخصص لتطبيقات الهندسة النقل. اعتمدت الدراسة على مجموعة من دليل النقل الأمريكية ومعايير التصميم والمستندات التنظيمية لإجراء عملية إعادة تدريب مستمرة لستة نماذج لغوية متطورة من خلال إطار موحّد يسمى LoRA (Low-Rank Adaptation). تم رصد عملية التدريب للتأكد من الاستقرار والتقارب للنماذج.

بعد تقييم الأداء باستخدام مقاييس المعالجة اللغوية الطبيعية المعتمدة مثل BLEU-4 وROUGE، أظهرت النماذج Qwen2.5-7B وLLaMA-3.1-8B أعلى مستويات توافق مع المجال وجودة الاستجابة. وتؤكد النتائج فعالية التكيف القائم على LoRA في تحسين أداء النماذج اللغوية في تفسير المحتوى الفني والتفكير في السياقات المحددة.

يساهم هذا العمل في تطوير إطار عمل قابل لإعادة الإنتاج لبناء وكلاء ذكاء اصطناعي توليديين متخصصين في مجالات معينة، مما يعزز من انتشار هذه التطبيقات في مجالات البحث والتصميم والتخطيط والتحليل السياسي في مجال النقل. هل أنتم مستعدون لاستكشاف تأثير هذه الابتكارات على المستقبل؟ شاركونا آرائكم في التعليقات!