تعد الآلات ذات الحالة المحدودة (Finite State Machine - FSM) وأشجار السلوك (Behavior Trees - BT) من النماذج السلوكية الرائدة المستخدمة في بناء الأنظمة الذكية المستقلة. وعلى الرغم من تماثلها الوظيفي وإمكانية التحويل بينها نظريًا، إلا أن الأساليب الحالية تواجه تحديات كبيرة تتعلق بالحفاظ على اكتمال السلوك وتجنب زيادة تعقيد النموذج.

في ظل هذه الظروف، أُطلق إطار تحويل موحد مدفوع بنماذج لغوية ضخمة (Large Language Models - LLM) بهدف زيادة الكفاءة والموثوقية. يتيح هذا الإطار تحويلًا تلقائيًا وفعالًا بين نموذجين سلوكيين بدقة ودون فقدان للمعاني.

ركزت الدراسة على تصميم بنية جديدة لتشغيل حلقات نموذج شجرة السلوك، مما يساعد نموذج اللغة الضخم على التقاط التركيب الدوري في نموذج الحالة المحدودة بدقة، مما يحافظ على اكتمال السلوك المطلوب.

علاوة على ذلك، تم تقديم استراتيجية ضغط عمق جديدة للتخفيف من مشكلة الانفجار في الحالة عند التحويل من BT إلى FSM، حيث يتم استخدام إرشادات مدعومة من نموذج اللغة لإزالة العقد التحكمية الزائدة، وتطبيق قواعد تحويل هرمية مميزة.

أظهرت التجارب الحاسوبية في مجالات متعددة من اتخاذ القرارات المستقلة أن هذا الإطار يمكن أن ينفذ تحويلًا دقيقًا وثنائي الاتجاه بين FSM وBT، مما يعزز بشكل كبير من قابلية التوسع والصيانة للنماذج الناتجة، مقارنةً بالطرق التقليدية.

هذا الإطار يعد حلاً عمليًا مطلوبًا لتحويل النماذج السلوكية في الأنظمة الذكية المستقلة، مثل روبوتات الخدمة، وعملاء الألعاب، وأجهزة المنزل الذكي. هل أنتم مستعدون لاستكشاف هذه الابتكارات في مجال الذكاء الاصطناعي؟ شاركونا آراءكم في التعليقات!