في عالم الذكاء الاصطناعي، باتت أنظمة الوكلاء المتعددة (MAS) تمثل تحديًا كبيرًا في التفكير المنطقي وحل المشكلات المعقدة عبر مجموعة واسعة من المجالات. وقد أصبحت orchestration الديناميكي لهذه الأنظمة محور اهتمام بحثي جديد. لكن، كانت الطرق الحالية تعاني من قيود في التركيب، والاعتماد غير المتماشي، وعدم المرونة، مما يعيق قدرتها على التكيف مع متطلبات التفكير خلال التنفيذ.

للتغلب على هذه العقبات، أعيدت صياغة تصميم MAS كأسلوب قرار ماركوف القابل للملاحظة جزئيًا، حيث يتم تحديد التركيب والحجم ديناميكيًا. تُقدم DHCG، وهي إطار مبتكر يتآزر فيه ثلاثة وحدات رئيسية: التخطيط (Planner)، العامل (Worker)، والمولد (Generator) لبناء رسم بياني تعاوني هرمي ديناميكي من الصفر، استنادًا إلى الاستفسار وردود الفعل المتطورة.

مع كل خطوة، يستفيد المُخطط من ردود الفعل لتوليد مجموعة من الأدوار المختلفة والمكملة التي تلبي احتياجات التفكير الحالية، مع توجيه المعلومات ذات الصلة لكل دور. يستطيع أيضًا إنهاء الرسم البياني التعاوني الهيكلي في وقت مبكر أو توسيعه تدريجياً عند الحاجة لمزيد من التفكير. بالإضافة إلى ذلك، تم تقديم تحسين تفضيلات وعي العمل (action-aware preference optimization) لتدريب المُخطط على اتخاذ قرارات أكثر كفاءة أثناء بناء الرسوم البيانية التعاونية الهرمية.

عبر مجموعة من الاختبارات، أظهرت DHCG أداءً رائدًا في مقارنة مساحات الميل الإلكتروني، حيث نجحت في تحسين الأداء العام بشكل ملحوظ مقارنة بأساليب الوكلاء الفرديين بفارق 13.06 نقطة، والتفوق على الأساليب الثابتة والديناميكية في حدود 2.77 - 8.02 نقطة. علاوة على ذلك، أثبتت التجارب الإضافية قدرتها على التعميم عبر نماذج مُخطط مختلفة وطرز عامل غير مألوفة.

ما رأيكم في كيفية تطور أنظمة الذكاء الاصطناعي المتعددة بواسطة DHCG؟ شاركونا آرائكم في التعليقات!