في مجال الذكاء الاصطناعي، تمثل عمليات التعلم الذاتي (Autonomous Learning) أحد أبرز المهمات لتحقيق أداء عالي وفعال. وقد تم تقديم نظام جديد يدعى SkillC، الذي يقدم رؤية فريدة في كيفية تحسين استراتيجيات التعلم. يعتمد SkillC على مفهوم "توزيع الائتمانات المهارية المتباينة" (Contrastive Skill Credit Assignment - CSCA)، الذي يتيح لنماذج اللغة الكبيرة (Large Language Models - LLM) توظيف المهارات بشكل ذاتي ومستقل خلال عمليات التدريب.

تسعى تقنيات التعزيز المعتمدة على المهارات إلى تحسين استكشاف الوكالات في التعلم العميق، حيث يتم الحفاظ على المهارات الخارجية أثناء الاستنتاج. وفي المقابل، تقوم تقنيات التعلم الذاتي بسحب هذه المهارات أثناء التدريب من أجل تمكين الأداء المستقل. ومع ذلك، كانت الطرق المتاحة حتى الآن تعتمد فقط على فائدة المهارات لمراقبة المنهجيات الدراسية، دون تغيير في تحديث السياسات، الأمر الذي لا يسمح بالتفريق بين النجاح المعتمد على المهارات والنجاح الذاتي.

هذا ما يميز SkillC، فهو يقدم إشارة تعلم مباشرة من خلال تحويل التباين بين المهارة والبدون مهارة إلى أداة تعليمية فعالة. يعتمد النظام على أخذ عينات من التشغيلات المدخلة بالمهارات وغير المدخلة لاستراتيجيات متنوعة خلال نفس تحديث السياسة، مما يعزز منهجية التعلم.

أظهرت التجارب في بيئات مثل ALFWorld وWebShop أن SkillC قد تفوق بفارق 5.5% و4.4% على أساليب التعلم الذاتي السابقة، مما يدل على جدواه في تحقيق نتائج ممتازة دون الحاجة إلى الوصول إلى المهارات أثناء التشغيل. يمثل SkillC خطوة جديدة نحو تطوير أنظمة ذكاء اصطناعي أكثر استقلالية وفاعلية.

ما رأيكم في هذا التطور؟ شاركونا في التعليقات!