From Standalone LLMs to Integrated Intelligence: A Survey of Compound Al Systems
تُعرّف هذه الدراسة المسحية "أنظمة الذكاء الاصطناعي المركبة" بوصفها نموذجاً ناشئاً يدمج النماذج اللغوية الكبيرة مع مكونات خارجية مثل أدوات الاسترجاع والوكلاء، مقترحةً تصنيفاً موحداً وتحليلاً للنماذج التأسيسية مثل تقنية "التوليد المعزز بالاسترجاع" (RAG) ووكلاء النماذج اللغوية الكبيرة لمعالة التجزئة الحالية وتوجيه الأبحاث المستقبلية في مجال الذكاء الاصطناعي على مستوى الأنظمة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أن لديك أمين مكتبة عبقرياً ومطلعاً يُدعى "LLM" (نموذج لغوي كبير). هذا الأمين قد قرأ كل كتاب كُتب تقريباً حتى تاريخ معين. إنه سريع للغاية في كتابة القصص، والإجابة على الأسئلة، والدردشة. ومع ذلك، لديه ثلاث مشكلات كبيرة:
- إنه ينسى الأشياء: لا يمكنه تذكر الحقائق التي حدثت بعد توقفه عن الدراسة (معلوماته "قديمة").
- إنه يختلق الأشياء: أحياناً، عندما لا يعرف الإجابة، يخترع حقيقة مزيفة بثقة (وهذا ما يسمى "الهلوسة").
- لا يمكنه إجراء الرياضيات أو استخدام الأدوات: هو بارع في الكلام، لكنه لا يستطيع فعلياً حساب معادلة معقدة، أو البحث في الإنترنت المباشر، أو التحكم في ذراع آلي.
تقدم هذه الورقة طريقة جديدة لبناء ذكاء اصطناعي يُسمى أنظمة الذكاء الاصطناعي المركبة (CAIS). بدلاً من الاعتماد فقط على هذا الأمين الوحيد، تقوم CAIS ببناء فريق أو أوركسترا حول الأمين لإصلاح هذه المشكلات.
إليك كيف تقسم هذه الورقة هذا "الفريق"، باستخدام تشبيهات بسيية:
1. أعضاء الفريق الأربعة الرئيسيون (المحاور)
تنظم الورقة عالم الذكاء الاصطناعي الجديد هذا في أربعة أدوار رئيسية تعمل معاً:
الباحث (RAG - التوليد المعزز بالاسترجاع):
- المشكلة: الأمين لا يعرف أخبار اليوم أو ملفات شركتك الخاصة.
- الحل: قبل أن يجيب الأمين، يركض باحث إلى رفوف المكتبة (أو الإنترنت) ليجد الوثائق المحددة والمحدثة. ثم يسلم هذه الملاحظات للأمين ليتمكن من الإجابة بناءً على حقائق، وليس تخمينات.
- التشبيه: الأمر يشبه إعطاء الأمين ورقة غش (ملاحظات) قبل الاختبار مباشرة.
مدير المشروع (وكلاء LLM):
- المشكلة: الأمين جيد في مهمة واحدة، لكنه يرتبك أمام مشروع طويل ومعقد يتطلب خطوات عديدة.
- الحل: الوكيل هو نسخة من الأمين يمكنها التخطيط. يمكنه تقسيم مهمة كبيرة (مثل "خطط لرحلة") إلى خطوات صغيرة (احجز رحلة طيران -> ابحث عن فندق -> تحقق من الطقس). كما يمكنه استخدام الأدوات، مثل الاتصال ببرمجية (API) للسفر أو إجراء عمليات حسابية، ثم التحقق من عمله لإصلاح الأخطاء.
- التشبيه: يشبه رئيس العمال الذي لا يكتفي بوضع الطوب فحسب، بل يرسم المخططات، ويطلب المواد، ويفحص العمل أيضاً.
الخبير متعدد الحواس (MLLMs - النماذج اللغوية الكبيرة متعددة الوسائط):
- المشكلة: الأمين يمكنه قراءة النصوص فقط. إذا عرضت عليه صورة لمحرك معطل أو فيديو لعاصفة، فسيكون أعمى.
- الحل: هؤلاء هم أمناء مكتبة تم منحهم عيوناً وآذاناً. يمكنهم النظر إلى الصور، والاستماع إلى الصوت، ومشاهدة الفيديوهات، ثم وصف ما يرونه أو الإجابة على أسئلة حولها.
- التشبيه: الأمر يشبه إعطاء الأمين نظارات وسماعات ليفهم عالماً لا يقتصر فقط على الكلمات المكتوبة.
المايسترو (التنسيق/Orchestration):
- المشكلة: إذا كان لديك باحث، ومدير مشروع، وخبير متعدد الحواس، فقد يتحدثون جميعاً في وقت واحد أو يرتبكون بشأن من يفعل ماذا.
- الحل: المايسترو هو النظام الذي يدير الفريق بأكمله. هو من يقرر متى يستدعي الباحث، ومتى يطلب من الوكيل التخطيط، وكيف يدمج إجاباتهم في نتيجة نهائية واحدة. إنه يضمن عمل الفريق بسلاسة معاً.
- التشبيه: فكر في أوركسترا سيمفونية. الأمين هو عازف الكمان، لكن المايسترو هو من يضمن أن الطبول والفلول والكمان جميعها تعزف في الوقت المناسب لتصنع موسيقى، لا ضجيجاً.
2. كيف يعملون معاً (المسار/Pipeline)
توضح الورقة أن نظام الذكاء الاصطناعي المركب الحقيقي ليس مجرد شيء واحد من هذه الأشياء؛ بل هو عادةً كلها في آن واحد.
تخيل أنك تسأل النظام: "حلل هذه الصورة لآلة معطلة وابحث عن دليل إصلاحها."
- الخبير متعدد الحواس ينظر إلى الصورة ويفهم نوع الآلة.
- الباحث يخرج ويبحث عن الدليل المحدد لهذا الطراز من الآلات.
- مدير المشروع (الوكيل) يحدد خطوات الإصلاح ويقرر استخدام أداة للتحقق مما إذا كانت القطعة متوفرة في المخزن.
- المايسترو (التنسيق) يدير التدفق، ويتأكد من حدوث تحليل الصورة قبل البحث عن الدليل، ويدمج كل شيء في إجابة واضحة لك.
3. التحديات الحالية
تعترف الورقة بأنه رغم قوة نهج "الفريق" هذا، إلا أنه فوضوي في الوقت الحالي:
- إنه معقد: بناء فريق أصعب من توظيف شخص واحد. إذا تعطل جزء واحد، فقد يفشل النظام بأكمله.
- إنهم لا يتحدثون نفس اللغة: غالباً ما تستخدم الأدوات والوكلاء المختلفون تنسيقات مختلفة، مما يجعل من الصعب ربطهم (مثل محاولة توصيل شاحن أوروبي بمقبس أمريكي).
- من الصعب اختباره: ليس لدينا اختبارات مثالية بعد لنرى ما إذا كان الفريق بأكمله يعمل بشكل جيد، خاصة عندما ينظرون إلى الصور ويتحدثون إلى الأدوات في نفس الوقت.
4. المستقبل: التقييس (Standardization)
تسلط الورقة الضوء على أن الناس بدأوا في إنشاء "محولات عالمية" (مثل بروتوكول سياق النموذج أو MCP). هذه تشبه وصلات الكهرباء العالمية التي تسمح لأي أداة ذكاء اصطناعي بالاتصال بأي نظام ذكاء اصطناٍعي بسهولة. الهدف هو التوقف عن بناء جسور مخصصة لكل اتصال منفرد، وبدلاً من ذلك، وجود طريقة معيارية لجميع مكونات الذكاء الاصطناعي هذه للتواصل مع بعضها البعض.
ملخص
باختصار، تقول هذه الورقة: توقف عن محاولة صنع عقل واحد عملاق يفعل كل شيء بشكل مثالي. بدلاً من ذلك، ابنِ نظاماً ذكياً يربط بين العقل (النموذج اللغوي الكبير) مع مخزن للذاكرة (الاسترجاع)، ومخطط (الوكلاء)، وعيون/آذان (متعدد الوسائط)، ومدير (التنسيق). هذا النظام "المركب" هو مستقبل الذكاء الاصطناعي لأنه يتغلب على حدود أي نموذج منفرد.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.