في عالم الذكاء الاصطناعي، تعتبر القدرة على التعلم من سلوك المستخدمين أحد العناصر الأساسية التي تساهم في تطوير حلول برمجية فعالة. في هذا السياق، ظهرت مبادرة جديدة تُدعى TeleTune، والتي تهدف إلى تحسين مهارات الوكلاء الذكيين من خلال الاستفادة من بيانات الاستخدام السلوكي.

على الرغم من الفوائد الكبيرة التي يمكن أن تقدمها هذه البيانات، إلا أن عملية التعلم من السجلات السلوكية تواجه بعض التحديات الرئيسية. فأولاً، تُعرف المشكلة في "عدم تحديد الأهداف" (Goal Underspecification)، حيث لا تسجل السجلات الهدف الحقيقي وراء كل تصرف. ثانياً، يواجه الوكلاء مشكلة "عدم إمكانية إعادة التشغيل" (Non-Replayability)، مما يعني أنه لا يمكن إعادة تشغيل الأنشطة السابقة لتقييم التحديثات. وأخيراً، يتعين التعامل مع "المسارات المتداخلة" (Interleaved Trajectories)، حيث يتم خلط المهام المختلفة بدون العلامات المناسبة.

للتغلب على هذه التحديات، طورت TeleTune إطار عمل يساعد في تعلم مكتبة مهارات نصية من السجلات غير المسجلة الأهداف. تعتمد تقنية TeleTune على استخدام أخطاء توقع الإجراءات لتحسين المكتبة واختيار فقط تلك التي تعزز دقة التوقع. من خلال تقديم مكتبة المهارات المكتسبة، يتمكن الوكيل من الوصول إلى أمثلة تغطي الأهداف الفرعية لمهمة جديدة.

أظهرت تجارب تطبيق TeleTune على منصات WorkArena وOnline-Mind2Web نتائج مذهلة، حيث حققت نسب نجاح بلغ متوسطها 77.1% و80.6% على التوالي، متفوقةً على الأنظمة التقليدية بمقدار يتراوح بين 6.7% و7.7%. وتبرز الدلائل على أن عملية تحسين المهارات واسترجاع الأمثلة المستندة إلى سير العمل يُعدان مكملين لبعضهما البعض.

لقد بدأ TeleTune حقبة جديدة في الأداء الذكي، حيث تساهم هذه الابتكارات في تعزيز أداء الوكلاء الذكيين بأساليب أكثر كفاءة. هل أنتم مستعدون لاستكشاف المزيد من إمكانيات الذكاء الاصطناعي؟ شاركونا في تعليقاتكم حول هذه التقنية الجديدة!