في عصر الذكاء الاصطناعي المتقدم، لا بد أن نواجه مشكلات تتعلق بالأعطال في الأنظمة القادرة على التفاعل. فقد أظهرت الدراسات الأخيرة أن هذه الأعطال قد تنتج عن تداخل الرسائل المرسلة بين نماذج اللغة الكبيرة (Large Language Models) المتعددة، حيث يصعب التمييز بين الإصلاحات الضرورية المشتركة والإصلاحات المستقلة التي يمكن تنفيذها بشكل فردي.

لحل هذه المشكلة، تم تقديم تقنية جديدة تسمى استعادة عائلات التصحيح الأدنى (Minimal Repair Family Recovery - MRFR). تهدف هذه التقنية إلى استعادة جميع مجموعات الأحداث الدنيا التي يمكن أن تؤدي إلى استعادة النجاح في المهام ضمن حدود محددة مسبقًا.

تقوم تقنية الاسترجاع الجديدة، والمعروفة باسم إعادة التشغيل المشترك المقيد (Graph-Constrained Joint Replay - GCJR)، بتحليل أحداث الأعطال من خلال رسم بياني يعتمد على الاعتمادية التنفيذية، مما يساعد في بناء مرشحات ترتكز على مجموعة من السيناريوهات الممكنة، والتحقق منها عن طريق إعادة التشغيل بمقابلها النظيف.

خلال التجارب، حققت طريقة GCJR نتائج مذهلة، حيث أنتجت تطابق كامل مع عائلات التصحيح في 90 حالة من أصل 120 حالة في نموذج مراقب، مع تقليل عدد المكالمات المطلوبة بنسبة 55.1% مقارنةً بالبحث الشامل. وفي تجربة أخرى على 24 حالة مع أربعة وكلاء، نجحت أيضًا في تقليل عدد المكالمات إلى النماذج حيث أظهرت فعالية كبيرة مقارنةً بإعادة التشغيل الفردي.

إن هذه الابتكارات تعكس التقدم الملحوظ في تكنولوجيا الذكاء الاصطناعي، حيث تفتح آفاقًا جديدة في كيفية معالجة الأعطال المعقدة والتأكد من استمرار نجاح الأنظمة الذكية.

ما رأيكم في هذا التطور؟ شاركونا في التعليقات!