كيف يمكن للوكلاء المُجسدين فهم تفضيلاتنا الخفية؟ استعد لاكتشاف التطورات المدهشة!

في عالم الذكاء الاصطناعي، قد تبدو التعليمات المنطوقة بسيطة، ولكنها في الواقع تتطلب قرارات معقدة تتعلق بتفضيلات المستخدمين. فمثلاً، إذا طُلِب من وكيل (agent) أن "يُحضّر تفاحة"، عليه أن يُحدد إن كان يجب عليه غسلها أم تقطيعها، وأين يجب وضعها، وأي ترتيب يجب اتباعه في تنفيذ هذه المهام.

هذه القرارات غالبًا ما تعكس تفضيلات خاصة بكل مستخدم، قد تُظهرها سلوكياتهم دون أن تُذكر صراحة. وعليه، يُفتَح النقاش حول ما إذا كان بإمكان الوكلاء المُجسدين (embodied agents) استنتاج هذه التفضيلات الكامنة من خلال عدد قليل من العروض السابقة.

نقدم في هذا السياق دراسة مثيرة اعتمدت على إطار العمل الجديد المعروف باسم Inferring the Unspoken (InTU)، الذي يركز على اكتساب التفضيلات المُستنتَجة من المشاهدات السلوكية متعددة النماذج. يتضمن هذا الإطار مرحلتين: الأولى تتعلق بترجمة التفضيلات المستنتَجة إلى نصوص مفهومة، والثانية تقوم بإنشاء خطة عمل تعتمد على هذه التمثيلات الواضحة.

تم تقديم أداة جديدة تحت اسم التخطيط القائم على التفضيلات (Preference-based Planning)، تتضمن 5,000 مجموعة تقييم و290 تفضيلًا مصنَّفة إلى ثلاثة مستويات: معاملات العمل، التفاعلات الاستراتيجية وسياسات الوضع، وقيود ترتيب الزمن.

تجاربنا باستخدام نماذج الفيديو واللغة أظهرت فوارق كبيرة في اكتساب التفضيلات: حيث خططت النماذج بشكل فعال عند توفر التفضيلات الحقيقية، لكن أدائها انخفض بشكل حاد عندما كانت التفضيلات بحاجة إلى استنتاج من السلوك. سَجَّلت الدراسات أن التعبير الواضح عن التفضيلات يعزز من تطابق النماذج بشكل كبير عندما تتطلب التفضيلات الانتقال بين مشاهد بصرية مختلفة.

تفتح هذه النتائج آفاقاً جديدة في مفهوم الذكاء الاصطناعي المُخصص، حيث تظهر أن اللغة يمكن أن تكون وسيلة بينة قابلة للنقل بين السلوك المرصود والعمل الشخصي.