تسعى الأبحاث الحديثة في مجال الذكاء الاصطناعي إلى تحسين سبل التواصل بين الوكلاء المعتمدين على النماذج اللغوية الكبيرة (Large Language Models، LLMs). يعد استخدام اللغة الطبيعية كوسيلة للتواصل عائقاً أساسياً، حيث يتطلب تحويل المعلومات الغنية في حالات كامن الداخلية إلى رموز منفصلة، مما يحد من عمق وتنوع المعلومات التي يمكن تبادلها.لذا، استلهم الباحثون من مفهوم التخاطب عن بُعد، الذي يتجاوز استعمال اللغة الرمزية في التواصل، ليقدموا مفهومًا جديدًا يُطلق عليه "التواصل الكامن بين الوكلاء" (Interlat).

يستفيد هذا النموذج من الحالات المخفية الأخيرة المتواصلة لنموذج LLM كتمثيل لأفكاره، مما يتيح له التواصل مباشرة باستخدام ما يُعرف بالتواصل الكامن. وفقًا للدراسات، يتمتع هذا النهج بتفوق ملحوظ عن طرق تعزيز التفكير التقليدية، حيث يعزز السلوك الاستكشافي ويسمح بالاستفادة الحقيقية من المعلومات الكامنة.

تسجل التجارب التي أجريت أن نظام "Interlat" يعد أسرع بحدود 24 مرة مقارنةً بنماذج أخرى، مع حفاظه على أداء تنافسي من خلال آلية فعالة للحفاظ على المعلومات. تشير النتائج إلى إمكانية تنفيذ التواصل بين الوكلاء بشكل كامل عبر الفضاءات الكامنة، مما يفتح آفاقا جديدة للبحث والتطوير في هذا المجال.

إذا كنتم مهتمين بالمزيد، يمكنكم الاطلاع على الكود المستخدم في هذا البحث عبر الرابط: GitHub Interlat.