في عالم الذكاء الاصطناعي المتقدم، تبرز الحاجة إلى أنظمة قادرة على الاعتماد على المهارات الداخلية لتنفيذ المهام بفعالية. يُعتبر نظام سيري (SIRI) الذي تم تقديمه مؤخرًا نقلة نوعية في هذا المجال، حيث يؤسس طريقة جديدة لتعليم الآلات المهارات دون الحاجة إلى مولدات خارجية.

تتألف آلية سيري (SIRI) من ثلاث مراحل رئيسية. في المرحلة الأولى، يتم تسخين النموذج بواسطة تقنية GiGPO لاكتساب القدرة الأساسية على التفاعل وجمع تجارب ناجحة دون الحاجة لتقنيات محددة مسبقًا. تليها مرحلة حاسمة وهي استخراج المهارات الذاتية، حيث يقوم النموذج بتلخيص المهارات المستندة إلى النجاحات السابقة ويقوم بالتحقق منها من خلال تنفيذ مهام مشابهة.

أخيرًا، يتم تقطير (Distillation) الرموز ذات المهارات المفيدة إلى السياسة العادية للنموذج، مما يسهل عليه الاستخدام في تجارب حقيقية. عند تطبيق نظام سيري على منصتي ALFWorld وWebShop باستخدام نموذج Qwen2.5-7B-Instruct، أظهرت النتائج تحسنًا ملحوظًا في الأداء. فقد تدرج الأداء في ALFWorld من 0.908 إلى 0.930، بينما في WebShop من 0.728 إلى 0.813، متجاوزًا النماذج التقليدية القائمة على الذاكرة.

التقنيات الداخلية مثل سيري تقدم رؤية جديدة لكيفية تطوير نماذج الذكاء الاصطناعي، مما يُمكّنها من التعلم أكثر كفاءة من تجاربها السابقة دون الحاجة إلى موارد أو أدوات معقدة. تقدم هذه الدراسة خطوات ملموسة لتحقيق ذكاء اصطناعي أكثر استقلالية وقدرة على التكيف.

ما رأيكم في تطور هذا النظام الجديد وكيف يمكن أن يؤثر على مجال الذكاء الاصطناعي؟ شاركونا في التعليقات.