في عصر تتسارع فيه التقنيات وتزداد فيه المنافسة، تأتي دراسات جديدة لتعطينا الأمل في تحسين أداء نماذج الذكاء الاصطناعي. في أحد الأبحاث الحديثة، تم التطرق إلى كيفية تعزيز كفاءة الحساب من خلال استراتيجيات التفكير الجماعي (Multi-Agent Reasoning).

تعمل هذه الدراسة على تحليل عدة استراتيجيات مثل التناسق الذاتي (Self-Consistency) والتكرير الذاتي (Self-Refinement) والنقاشات بين الوكلاء (Multi-Agent Debate) واستخدام مزيج من الوكلاء (Mixture-of-Agents). كل هذه الأساليب تستهدف تحسين أداء النماذج دون الحاجة إلى مزيد من التدريب، وفي الوقت نفسه تركز على كفاءة استخدام القوى الحاسوبية.

قدمت الدراسة تحليلاً منهجياً على أدائها في مختبرات تقييم المنطق المختلفة مثل (MMLU-Pro) و(BBH)، مع مراعاة عدد كبير من التكوينات المختلفة. في أكثر من 100 تقييم شمل 34 تكوينًا، أظهرت النتائج تحسنًا ملحوظًا في الدقة!

كان هناك زيادة تصل إلى +7.1% في الدقة على اختبار (MMLU-Pro) مقارنة بأسلوب السلسلة (Chain-of-Thought) في أعلى حدود الميزانية المقدرة. كما أظهرت النتائج أن استخدام مزيج من الوكلاء تفوق بنسبة 1.3% و2.7% على التناسق الذاتي عندما تكون الميزانية متساوية.

تظهر النتائج أهمية التفكير الجماعي، حيث أن أداءه يحافظ على مكاسبه حتى مع المهام المعقدة. من النتائج المهمة أيضًا أن مزيج الوكلاء هو الأكثر كفاءة عندما يزيد عدد التوليدات المتوازية عن عدد التجميعات التسلسلية.

إذاً، هل سنشهد تحولًا في طريقة اعتمادنا على الذكاء الاصطناعي في تطبيقاتنا اليومية بفضل هذه الاستراتيجيات؟