في عالم الذكاء الاصطناعي، تظهر الحاجة المتزايدة إلى ضمان موثوقية النتائج التي تقدمها الأنظمة. رغم أن الوكلاء المعتمدين على نماذج لغوية ضخمة (Large Language Models) أثبتوا كفاءة كبيرة في المهام التحليلية ذات البيانات الكبيرة، إلا أن نتائجهم غالباً ما تكون غير قابلة للتحقق. ذلك يرجع إلى اعتماده على مسارات نصية خطية تجعل من الصعب تدقيق reasoning الخاص بهم.

لذا، تم تقديم مشروع VeriGraph، الذي يمثل إطار عمل جديد في تكنولوجيا الذكاء الاصطناعي يهدف إلى تعزيز موثوقية هذه الوكلاء. يتيح VeriGraph للأنظمة بناء رسوم بيانية اجتماعية غير دائرية (Directed Acyclic Graph) استنادًا إلى الأدلة، مما يسهل عملية التحقق من النتائج.

يقدم VeriGraph ثلاثة عناصر أساسية لتوسيع الأدلة، وهي: التوسع الحاسبي (Computational Expansion)، والتوسع المؤسس (Grounding Expansion)، والتوسع الاشتقاقي (Derivational Expansion). هذا التوسع الذي يربط البيانات الأولية، المتغيرات التفسيرية، النتائج المحسوبة، والادعاءات باللغة الطبيعية في رسم بياني موحد يسمح بتتبع دقيق من المصادر إلى النتائج النهائية.

أظهرت التجارب على أربعة معايير أن النموذج الجديد VeriGraph-8B حقق أعلى الدرجات مقارنة بجميع النماذج الأخرى. بفضل الرسوم البيانية القابلة للتدقيق، تمكن VeriGraph من تحقيق معدل توثيق بنسبة 87.61%، مما يشير إلى فعالية طرائق توسيع الأدلة.

يُعتبر VeriGraph خطوة كبيرة نحو تطوير وكلاء ذكيين يقدمون نتائج دقيقة، مما يسهل اعتماد الذكاء الاصطناعي في مجالات متعددة. هل ترون أن هذا الابتكار سيساعد في تطوير أنظمة موثوقة؟ شاركونا آراءكم في التعليقات!