في السنوات الأخيرة، شهدنا تطوراً ملحوظاً في نماذج اللغات الضخمة (Large Language Models) وأنظمة الذكاء الاصطناعي التفاعلية، حيث انتقلت هذه النماذج من مجرد تنفيذ مهام اللغة الطبيعية إلى استخدامها كأدوات خارجية للتخطيط والاسترجاع والتنفيذ في المجالات التقنية. أحد أبرز التطبيقات هو في الشبكات الذكية، حيث تم اعتماد أنظمة الذكاء الاصطناعي التفاعلية في مجالات التنبؤ، تحسين الأداء، والتحكم، من خلال ربط الحلول الموثوقة بواجهات لغوية مُنسّقة لتنفيذ مهام متعددة الخطوات.

مع ذلك، يفتقر الأدب الحالي إلى نهج موحد لتصميم وتقييم مثل هذه الأنظمة. فنماذج اللغات الضخمة قد تنتج نتائج عددية تبدو معقولة، لكنها في الحقيقة قد تكون غير قابلة للتطبيق. لذا، قدمت هذه الورقة مبدأ تصميم قائماً على الحلول: يتم الإبلاغ عن النتيجة العددية فقط عندما تكون ناتجة عن أداة موثوقة وتخضع للتحقق الواضح.

نستعرض مكونات أنظمة نماذج اللغات الضخمة والذكاء الاصطناعي التفاعلية في نظم الطاقة، بما في ذلك استراتيجيات التحفيز والهياكل المعمارية. كما ننفذ المبدأ في دراسات حالة متعددة تشمل: التنبؤ بالطاقة المولدة من الرياح، جدولة شحن السيارات الكهربائية، تحليل تدفقات الطاقة، وتشخيص الحالات الطارئة. أظهرت النتائج أن نظام EVAgent يُعيد إنتاج القيم المثلى مع تقليل الفاقد في الطاقة بمعدل يتراوح بين 7.5 و9.5 مرات، في حين قام GridDebugAgent بإصلاح 17 من أصل 39 حالة طارئة مع تقليل الانتهاكات الإجمالية بنسبة 52.3%.

بالإضافة إلى ذلك، نعرض إطار تقييم يتكون من أربع مجموعات تشمل فائدة المهمة، صحة الحل القائم على الأدوات، الثقة والفشل الآمن، والتكلفة والوقت المستغرق. وفي النهاية، يظهر تقسيم ثابت لمهام العمل: حيث يقوم النظام التفاعلي بتنظيم واسترجاع وشرح المعلومات، بينما تتولى الأدوات الموثوقة مهمة الحساب، ويقرر بوابة التحقق ما يجب الإبلاغ عنه.

ما رأيكم في هذه التطورات المثيرة في مجال الشبكات الذكية؟ شاركونا تعليقاتكم وآرائكم!