في عالم الذكاء الاصطناعي، تتجه التقنيات الحديثة نحو توظيف وكلاء مستقلين قادرين على إجراء أبحاث تعلّم آلي (Machine Learning) بشكل شامل. وفي هذا السياق، ظهرت فكرة جديدة تُعرف باسم "DisCo"، وهي وكالة بحثية تعتمد على المهارات. الأهم من ذلك، أن هذه الوكالة قادرة على استخراج المعرفة التشغلية (Operational Knowledge) من مخازن GitHub، مما يتيح لها تحويلها إلى مهارات يمكن استخدامها في الأبحاث.

تعتبر المعرفة التشغلية تلك الطبقة المفقودة التي تفصل بين امتلاك المعرفة القابلة للتطبيق والفهم النظري لطريقة معينة. ولكن كيف يمكن الاستفادة من هذه المعرفة الموجودة بالفعل في المخازن برمجية والمقالات العلمية؟ هنا يأتي دور نموذج DisCo، الذي يُعتمد على نماذج لغوية ضخمة مثل GPT-5.5 لجعل هذه العملية ممكنة.

تقوم وكالة DisCo بعملية تصفية للمعرفة في شكلين متكاملين: الأول يتسم بكونه غير موجه لمهمة معينة ويستهدف تكثيف المخازن البرمجية الشائعة إلى مهارات قابلة لإعادة الاستخدام، في حين أن الثاني موجه نحو مهمة محددة لإنتاج المهارات المطلوبة لهذه المهمة.

لقد أسفر هذا الأسلوب عن إنشاء مكتبة AREX-Skill، التي تحتوي على أكثر من 5000 مهارة تم تصفيتها من 1000 مخزن برمجي بارز، وقد تم تنظيمها في 20 مجالاً و178 عائلة قدرات. الإمكانيات التي يوفرها نموذج DisCo مثيرة، حيث تشير النتائج إلى أن الوكلاء المجهزين بهذه المهارات يحققون نتائج متفوقة، تصل إلى 134.3% أعلى على مقياس MLE-bench و34.4% أعلى على PaperBench.

إن هذه المكاسب تأتي نتيجة لإضافة السياق التشغيلي المصفى إلى البيئة الثابتة للنموذج، مما يعد بمزيد من الابتكارات في أبحاث الذكاء الاصطناعي في المستقبل. هل أنتم مستعدون لرؤية كيف ستؤثر هذه الخطوة في تطوير استخدامات الذكاء الاصطناعي في الأبحاث؟