تعتبر النماذج اللغوية الضخمة (Large Language Models) في الوقت الحالي من أبرز الابتكارات في عالم الذكاء الاصطناعي، لكنها تواجه تحديات كبيرة عندما يتعلق الأمر بالمهام الطويلة والمعقدة. ويعود ذلك إلى عدم قدرتها على الحفاظ على الحالة بشكل مثالي، مما يتطلب منها أن تتضمن كل المعلومات المهمة في سياقات إدخال متزايدة.

في هذا الإطار، تم تقديم آلية جديدة تُعرف باسم HORMA، والتي تعني "Hierarchical Organize-and-Retrieve Memory Agent". تهدف HORMA إلى تنظيم الذاكرة بطريقة هرمية شبيهة بنظام الملفات، حيث ترتبط الكيانات الملخصة بالمعلومات الخام المعنية، مما يسهل الوصول إليها دون فقدان التفاصيل المهمة.

تتكون HORMA من مرحلتين رئيسيتين: إنشاء ذاكرة منظمة واسترجاع معلومات قائم على التنقل. حيث يقوم الوحدة الأولى بتحسين كيفية تنظيم التجارب عن طريق التمييز بين الفشل الناتج عن نقص المعلومات والمعلومات المضللة. أما الوحدة الثانية، فإنها تسترجع المعلومات ذات الصلة من خلال الانتقال بين المستويات المختلفة باستخدام وكيل خفيف الوزن مُدرب بتقنية التعلم التعزيزي للحصول على السياقات الضرورية.

أظهرت التجارب على منصات مثل ALFWorld وLoCoMo وLongMemEval أن HORMA تساهم في تحسين أداء المهام حتى في ظل قيود الميزات المتاحة في سياقات الإدخال، مما يحسن من كفاءة الأداء بشكل كبير مقارنة بالأساليب الحالية. وهذا التصور الثوري يعد خطوة كبيرة نحو إدارة أفضل للذاكرة في وكلاء الذكاء الاصطناعي.

ما رأيكم في هذه التقنية الجديدة؟ هل تعتقدون أنها ستحدث ثورة في تطوير الذكاء الاصطناعي؟ شاركونا في التعليقات!