تستمر التطورات في نماذج اللغات الضخمة (Large Language Models) في تقديم فوائد غير مسبوقة، حيث بات بإمكان وكلاء الويب المستقلين تنفيذ التعليمات اللغوية الطبيعية مباشرة على صفحات الويب الواقعية. ولكن، لا تزال العديد من هذه الأنظمة تعاني من صعوبات في معالجة المهام المعقدة، خاصةً تلك التي تتطلب تفاعلات ديناميكية وتنفيذ طويل الأمد، وذلك بسبب استراتيجيات التخطيط الصارمة والتفكير المعرض للهلاوس.

للتغلب على هذه التحديات، أُطلق عليه اسم WebUncertainty، وهو إطار جديد لوكلاء مستقلين مصمم لمواجهة عدم اليقين الثنائي في التخطيط والتفكير. يعتمد WebUncertainty على آلية تخطيط مدفوعة بعدم اليقين من المهام، مما يسمح بتكيف استراتيجيات التخطيط لاختيار وضعيات ملائمة للتنقل في بيئات غير معروفة.

كما يقدم أيضًا آلية تفكير تعتمد على البحث في شجرة مونت كارلو (Monte Carlo Tree Search - MCTS) مستندة إلى عدم اليقين في الإجراءات. هذه الآلية تعزز القرارات من خلال استخدام استراتيجية عدم اليقين المدفوعة بالثقة (ConActU)، والتي تعمل على قياس كلاً من عدم اليقين العشوائي (Aleatoric Uncertainty - AU) وعدم اليقين المعرفي (Epistemic Uncertainty - EU)، مما يسهم في تحسين عملية البحث وتوجيه صنع القرار بشكل أكثر قوة وفعالية.

أظهرت التجارب التي أُجريت على معايير WebArena وWebVoyager أن WebUncertainty يتفوق على الحلول الرائدة الحالية، مما يسلط الضوء على إمكاناته البارزة في صناعة الذكاء الاصطناعي.

ما رأيكم في هذا التطور الثوري لوكلاء الويب المستقلين؟ شاركونا في التعليقات.