في عالم الذكاء الاصطناعي، يسعى الباحثون باستمرار لإيجاد طرق أكثر فعالية لتحسين أداء النماذج الكبيرة، خاصة في سياق استخدامها كوكلاء يتخذون قرارات معقدة. إلا أن التحدي الرئيسي يكمن في كيفية توجيه هذه النماذج لتختار الأفعال المناسبة في الوقت المناسب. هنا يتدخل "الرسم البياني الإجرائي" (Procedural Graph) كمفهوم ثوري لتحسين أداء هذه النماذج.

الرسم البياني الإجرائي">مفهوم الرسم البياني الإجرائي


ينظم الرسم البياني الإجرائي المعرفة الإجرائية بطريقة مماثلة لكيفية تنظيم قاعدة المعرفة (Knowledge Graph) للحقائق. يقوم بتشكيل معرفته في هيكلية من Triplets (إجراء، علاقة، إجراء)، مما يساعد الوكلاء على معرفة ما ينبغي القيام به، وكيفية القيام به، وترتيب الخطوات بناءً على الظروف المحيطة.

الإطار؟">كيف يعمل هذا الإطار؟


عند كل خطوة في عملية اتخاذ القرار، يحدد الإطار نقطة العمل النشطة للوكيل. يستخدم نموذج توجيهي لترجمة الرسم البياني المحيط إلى إرشادات خطوة بخطوة تقدم توجيهاً للقرار التالي دون إعطاء أوامر مباشرة.

تحسين الأداء">تحسين الأداء


إحدى الخصائص الأكثر تميزًا لهذا النظام هي قدرته على التطور الذاتي، حيث يقوم نموذج إعادة تشكيل نماذج اللغة الكبيرة (LLM Refiner) بتحليل المسارات غير الناجحة بالمقارنة مع الناجحة، مما يسمح بإجراء تعديلات على هيكلية الرسم البياني – وذلك بفضل القدرة على مقارنة الأداء وتقديم تحسينات مستمرة.

باستخدام هذا الأسلوب، أظهرت التجارب عبر مجموعات بيانات متعددة تفوق الأداء على الأسس القائمة على الذاكرة، مما يضمن تحسين مستمر دون الحاجة إلى هندسة يدوية معقدة. هذا التقدم يعد خطوة نحو تطوير نماذج ذكاء اصطناعي أكثر ذكاءً وفعالية.

هذه التكنولوجيا الجديدة!">ما رأيكم في هذا التطور؟ شاركونا تعليقاتكم حول أهمية هذه التكنولوجيا الجديدة!