في عالم سريع التغير، تتطلب الشركات اليوم استجابة سريعة وفعالة للاحتياجات المتغيرة. هنا، يأتي دور MAPLE (التخطيط المدعوم بالذاكرة من خلال اللغة والتطور) كنموذج ثوري في تحسين العمليات.

تهدف MAPLE إلى سد الفجوة بين قيود الأعمال وخبرات بحوث العمليات. حيث تعتمد على نموذج اللغة الضخم (Large Language Model) لترجمة متطلبات اللغة الطبيعية إلى نماذج يمكن لأدوات التحسين المعروفة تنفيذها. ولكن أحيانا ما تتغير الظروف، مما يتطلب تحديثات سريعة للبيانات والقيود والأهداف.

يعتبر الأسلوب الذي يعتمد على الطلبات المعزولة غير كاف، لذلك توفر MAPLE القدرة على الحفاظ على مشاكل التحسين من خلال طلبات اللغة الطبيعية المتتالية. حيث تجمع MAPLE بين بناء المشاكل المعتمد على اللغة والبرمجة الرياضية والبحث التطوري، مما يحفظ البرنامج التحسيني والقرارات السابقة والحلول المحتملة لطلبات لاحقة.

بجانب ذلك، تُقدم MAPLE معيارًا جديدًا هو NLDO، الذي يتضمن 15 مسارًا و180 تحديثًا تركز على مجالات مثل الجدولة والتوجيه وتوزيع الموارد السحابية. نتائج التقييم تظهر أن MAPLE أكملت جميع المسارات وحصلت على جودة معيارية 0.951 ونسبة حجم بيريتو 0.875. والجدير بالذكر أن الحفاظ على حالة قابلة للتنفيذ ساهم في تحسين صلاحية التحديثات واستعادة المعلومات المفيدة عبر التعديلات الكبيرة.

ما رأيكم في هذه التطورات المثيرة في مجال الذكاء الاصطناعي؟ شاركونا آرائكم في التعليقات.