في عالم الذكاء الاصطناعي، يعد التعلم المدعوم بتغذية راجعة بشرية (Reinforcement Learning from Human Feedback - RLHF) بمثابة المعايير الأساسية في توجيه نماذج اللغة الضخمة (Large Language Models) نحو تفضيلات البشر. لكن تصميمات المكافآت المعتمدة على فرضية برادلي-تيري غالبًا ما تواجه تحديات في تصوير التفضيلات البشرية بدقتها، نظرًا لتنوعها وعدم تطابقها.

لذلك، لجأ باحثون إلى إطار عمل جديد يعرف باسم "تعلم نَش من التغذية الراجعة البشرية" (Nash Learning from Human Feedback - NLHF) والذي يمثل اللعبة نحويتها بين لاعبين. وقد أسفر هذا المنظور عن خوارزميات جديدة مثل INPO وONPO وEGPO، لكن العمل بها ظل مقتصرًا على تفاعل ثنائي اللاعبين، مما أدى إلى نقص في الدقة في التعامل مع تعقيدات التفضيلات البشرية.

جوهر الابتكار في MNPO، إطار العمل الذي يوسع مفهوم NLHF إلى بيئة متعددة اللاعبين. يقوم هذا النموذج بتشكيل التعاون كوسيلة للألعاب المتعددة، حيث يتنافس كل نمط سياسة ضد مجموعة متنوعة من الخصوم، مع الحفاظ على توافقه مع نموذج مرجعي.

النتائج المستخلصة من دراسات تجريبية شاملة أظهرت أن MNPO يتفوق بوضوح على نماذج NLHF السابقة على معيار التوجيه، مما يوفر جودة توافق أعلى مع تفضيلات مُختلفة. تمتاز MNPO بقدرتها على استيعاب التفضيلات البشرية المعقدة والتي لا تعتمد على تسلسل خطي، مما يجعلها إنجازًا بارزًا في تكامل نماذج اللغة مع متطلبات المستخدمين.

لذا، إذا كنت تتطلع إلى معرفة المزيد حول كيفية تعزيز MNPO لأداء نماذج الذكاء الاصطناعي، يمكنك العثور على الشيفرة المصدرية هنا.

ما رأيكم في هذه النظرية الجديدة؟ هل تجدون أنها ستكون لها تأثيرات إيجابية على ذكاء الآلات؟ شاركونا آراءكم في التعليقات.