في عالم الذكاء الاصطناعي المتطور، يظهر الابتكار دوماً في صيغة أدوات وتقنيات جديدة. واحدة من هذه الأدوات الجديدة هي بطاقات سير العمل (Workflow Cards)، التي تمثل خطوة هامة نحو تحسين توثيق تنفيذات الذكاء الاصطناعي.

يعتمد الكثيرون في تطوير الذكاء الاصطناعي على بطاقات النماذج (Model Cards) وبطاقات البيانات (Data Cards) التي تُظهر قيمة الوثائق الهيكلية القابلة للقراءة البشرية. ومع ذلك، غالباً ما يغفل المطورون تفاصيل حيوية تتعلق بتنفيذات سير العمل، مثل إعداد البيانات، اختيار المعلمات، سلوك التنفيذ، واستخدام الموارد. هذا الغياب يؤدي إلى ظهور التحيزات ومشكلات قابلية التكرار.

لتجاوز هذه الفجوة، تم تقديم بطاقات سير العمل التي تختصر بيانات النسب (Provenance Data) الخاصة بتنفيذات سير العمل إلى شكل يمكن للبشر والنماذج اللغوية الضخمة (LLMs) قراءته وتحليله. ويحتوي البحث على قسمين رئيسيين: الأول يحدد قالب بطاقة سير العمل الذي يستند إلى مجموعة أسئلة تتعلق بالنسب لا تتوفر في بطاقات النماذج والبيانات. والثاني يقيم مدى فعالية النماذج اللغوية الضخمة في استخدام بطاقات سير العمل لفهم تنفيذات سير العمل، مقارنة باستعلامات قواعد البيانات.

وأظهرت النتائج أن بطاقات سير العمل تقدم معلومات تنفيذية مهمة غير متوفرة في بطاقات النموذج والبيانات، مما يسد فجوة توثيق ملحوظة. كما ان بطاقات سير العمل حسنت نوعية الإجابات بشكل كبير، حيث سجلت شبه ضعف جودة الإجابات مقارنة بطرق الاستعلام التقليدية، مما يبرز أهميتها في تحسين أداء الذكاء الاصطناعي.