في عالم الذكاء الاصطناعي، تبرز نماذج اللغات الضخمة (LLMs) كأداة ثورية يمكنها تحويل الطريقة التي نتعامل بها مع مشاكل البحث العملياتي (OR). تتجلى هذه القدرة في دراسة جديدة تبحث في ما إذا كانت هذه النماذج تستطيع تصميم خوارزميات فعالة لمجموعة من المشاكل مثل إدارة المخزون، والتحكم في شبكات الانتظار، وتحسين تشكيلة المنتجات.

تتمثل العملية في مستويين: في المستوى الأول، تقوم النموذج بمعالجة مسألة واحدة وتقديم حل مخصص لها. أما في المستوى الثاني، فإن النموذج يستخدم وصفاً عاماً للصنف للمشكلة ومجالات واسعة من المعلمات، ليعيد تصميم خوارزمية تربط المعلمات بحلول فعالة.

رغم أن المدخلات البشرية كانت محدودة، حيث تم تزويد النموذج بتعليمات بسيطة دون تعديل، فقد أظهر النموذج الأكثر قوة، gpt-5.6-sol، أداءً مذهلاً، حيث كان يتجاوز أو يساوي أفضل الطرق المعروفة في معظم الحالات التي تم تقييمها.

ومن الاستنتاجات المهمة أن الأداء تحسن بشكل ملحوظ عبر النماذج التي تم إصدارها أقل من ثمانية أشهر تفصل بينها، مما يشير إلى سرعة تقدم هذه التكنولوجيا. هذه النتائج تدل على أن نماذج اللغات الضخمة الحديثة يمكن أن تكون معيارًا قويًا لتصميم الخوارزميات في مشاكل البحث العملياتي المحددة بشكل جيد.

هذا التطور السريع في الذكاء الاصطناعي يفتح الأبواب لتطبيقات جديدة ومبتكرة، ويتحدى المفاهيم التقليدية حول كيفية تصميم الحلول.

ما رأيكم في هذه التطورات المثيرة؟ هل تعتقدون أن الذكاء الاصطناعي سيأخذ دورًا أكبر في تصميم الخوارزميات في المستقبل القريب؟ شاركونا أفكاركم في التعليقات.