في عالم التقنية الحديث، أصبحت أنظمة الذكاء الاصطناعي السحابية أكثر تعقيدًا وتوسعًا، مما يزيد من أهمية ضمان موثوقية الخدمة من خلال الكشف السريع عن الأعطال والتعافي التكيفي. في هذا السياق، ظهرت دراسة حديثة تقدم نموذجًا مبتكرًا يسمى PASE (محرك التعافي الذاتي القائم على التخطيط).

يعتمد PASE على دمج نماذج اللغة الضخمة (LLMs) مع التعلم العميق التعزيزي (DRL) لخلق إطار عمل قادر على استعادة الخدمة بشكل أسرع وأكثر فعالية. يُعيد هذا النموذج تعريف مفهوم التعافي باعتباره مهمة توليد برامج تتطلب معالجة عصبية ورمزية، مما يجعله قادراً على تقديم حلول قد تبدو في السابق خارج نطاق التفكير التقليدي.

يعتمد PASE على نموذج التخطيط الذاتي كجزء أساسي من العملية، حيث يقوم بإنشاء خطط استعادة منظمة من مكتبة من المفاهيم الدلالية. كما يعمل نموذج العالم العصبي الرمزي على التحقق من جدوى الخطط من خلال المحاكاة، بينما يقوم مُحسن الموجهات المفهومية، المدرب عبر DRL، بتوليد الموجهات المثلى التي ترشد عملية التخطيط الخاصة بنموذج LLM.

تظهر التجارب على مجموعة بيانات الحقن السحابية الحقيقية أن PASE تتفوق بشكل كبير على الطرق الحالية، حيث تساهم في تقليل متوسط زمن الاستعادة بنسبة تفوق 40% وتحسين دقة الكشف عن الأعطال في سيناريوهات غير معروفة.

تقدم هذه الأبحاث تحولًا حقيقيًا في إدارة الأنظمة المستقلة من خلال دمج التفكير القائم على نماذج اللغة مع التحقق المدعوم بالنموذج والإرشادات المكتسبة مسبقًا.