أصبحت نماذج اللغات الكبيرة (Large Language Models) تمثل الثورة الجديدة في مجالات الذكاء الاصطناعي، حيث تُظهر وكالات الذكاء الاصطناعي قدرات رائعة في اتخاذ القرارات بشكل مستقل من خلال توليد مسارات متتابعة من الحالات والإجراءات. ومع ذلك، تُواجه هذه الوكالات تحديات كبيرة في المهام المعقدة التي تتطلب أفقًا طويلًا، حيث تتعرض بشكل متكرر لأخطاء متراكمة وتجد صعوبة في التعافي من الفشل. بالمزيد من الأبحاث والتحليل، تعتمد الآليات الحالية للتصحيح الذاتي على عكس موجه يعتمد على العروض، وهو ما يمكن أن يكون هشًا ويكلف الكثير من الوقت والتكاليف بسبب دورات التجربة والخطأ المكررة.

لعبة تغيير القواعد تجسدها التقنية الجديدة المتمثلة في تجربة الذاكرة الرسومية (Experience Memory Graph، EMG). هذه الإطار الجديد يعيد صياغة مفهوم تصحيح الأخطاء للوكالات بوصفه مشكلة مطابقة رسوم بيانية. في مرحلة التدريب، نقوم بتحويل كل من المسارات الفاشلة للمسؤولين ومسارات الخبراء الناجحة إلى رسوم بيانية لقرارات العمل الموجهة. من خلال مطابقة هذه الرسوم البيانية، نستخرج الرسوم الفرعية المشتركة (عمليات العمل الناجحة) ومسارات تعديل الرسوم التي تشير بوضوح إلى كيفية تصحيح الفشل، مثل تحديد الإجراءات التي يجب إضافتها أو حذفها أو إعادة تسميتها.

بمجرد الوصول إلى مرحلة الاختبار، تستطيع تجربة الذاكرة الرسومية استرجاع الأفكار ذات الصلة وتوجيه الوكالة من خلال تنفيذ واحد خالي من الحلقات، مما يخفف عناء التتبع. تشير التجارب على ALFWorld وScienceWorld إلى أن EMG يتفوق باستمرار على نماذج التحليل الحالية في معدل النجاح والجوائز المتوسطة، دون الحاجة إلى جولات تجربة وخطأ في مرحلة الاختبار.

إذا كنت ترغب في معرفة المزيد عن كيف يمكن أن تؤثر هذه التطورات على مستقبل الذكاء الاصطناعي، تفضلوا بمشاركة آرائكم في التعليقات.