GroundAct: Can LLM Agents Ground Actions in Environmental States?
تقدم الورقة البحثية GroundAct، وهو معيار شامل يوضح أن وكلاء النماذج اللغوية الكبيرة (LLM) يواجهون صعوبة في ربط الأفعال بالحالات البيئية عندما تغفل التعليمات تفاصيل الجدوى، مما يكشف أن هذا التحدي متعدد الأبعاد لا يمكن حله بمجرد التوسع وحده، بل يتطلب قدرات محددة في الاستدلال على السمات، والأدوات، والتنسيق.
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 أنك توظف مساعداً آلياً (روبوت) ذكياً جداً لمساعدتك في تنظيف منزلك. أعطيته أمراً بسيطاً: "نظّف طاولة العمل."
الإنسان سيفهم فوراً بمجرد النظر إلى الفوضى أنه يدرك ثلاثة أشياء:
- كوب القهوة هذا خفيف بما يكفي لرفعه.
- بكرة الكابل التي تزن 50 كجم ثقيلة جداً على شخص واحد؛ أنت بحاجة إلى صديق للمساعدة.
- بقعة القهوة هذه تحتاج إلى قطعة قماش لمسحها؛ لا يمكنك مجرد التقاطها بيديك.
تجادل ورقة بحثية بعنوان GroundAct بأنه بينما تبرع نماذج الذكاء الاصطناعي الحالية (LLMs) في اتباع التعليمات عندما تكون الإجابة واضحة، إلا أنها غالباً ما تفشل عندما يتعين عليها استنتاج قواعد العالم المادي بنفسها. فقد تحاول رفع الكابل الثقيل بمفردها، وتفشل، ثم تقول ببساطة: "حسناً، لقد انتهيت"، دون أن تدرك أنها كانت بحاجة إلى أداة أو شريك.
يسمي المؤلفون هذه المهارة المفقودة "تأصيل الأفعال" (Action Grounding). وهي القدرة على النظر إلى البيئة المحيطة، وفهم القيود الخفية (مثل الوزن، أو درجة الحرارة، أو متطلبات الأدوات)، وتحديد ما هو ممكن فعله بالفعل.
أنواع "التأصيل" الثلاثة
قسم الباحثون هذا الأمر إلى ثلاث مهارات محددة، باستخدام تشبيه ذكي لـ لعبة فيديو:
الاستدلال بالسمات (مهارة "المقارنة"):
- السيناريو: "احمل الصندوق الأثقل."
- تحدي الذكاء الاصطناعي: لا يمكن للذكاء الاصطناعي مجرد البحث عن صندوق يحمل ملصق "ثقيل". عليه أن ينظر إلى كل الصناديق، ويقارن أوزانها (وهي أرقام، وليست مجرد "ثقيل" أو "خفيف")، ويجري الحسابات ليجد الفائز.
- التشبيه: الأمر يشبه أن يُطلب منك العثور على أطول شخص في حشد؛ لا يمكنك مجرد البحث عن علامة "طويل"، بل يجب عليك قياس الجميع مقارنة ببعضهم البعض.
الاستدلال بالأدوات (مهارة "فتح القفل"):
- السيناريو: "نظّف البقعة."
- تحدي الذكاء الاصطناعي: لا يبدأ الذكاء الاصطناعي بـ "زر التنظيف". عليه أن يدرك: "لا يمكنني التنظيف بيد عاريتين. يجب أن أجد قطعة قماش أولاً". بمجرد إمساكه بقطعة القماش، فإنه "يفتح" القدرة على التنظيف. وإذا أسقط قطعة القماش، فإنه يفقد هذه القدرة.
- التشبيه: فكر في لعبة فيديو حيث لا يمكنك فتح باب مغلق حتى تجد المفتاح. يجب على الذكاء الاصطناعي أن يدرك أن الباب مغلق، ويجد المفتاح، ثم يعرف أن المفتاح يسمح له الآن بفتح الباب.
الاستدلال بالتنسيق (مهارة "العمل الجماعي"):
- السيناريو: "انقل البيانو."
- تحدي الذكاء الاصطناعي: التعليمات لا تقول "اطلب المساعدة". يجب على الذكاء الاصطناعي أن ينظر إلى وزن البيانو، ويدرك أنه ثقيل جداً على روبوت واحد، وأن يطلب طواعية من روبوت ثانٍ المساعدة.
- التشبيه: الأمر يشبه محاولة نقل أريكة. إذا حاولت رفعها بمفردك وفشلت، فإن الشخص الذكي يدرك: "أحتاج إلى زميل"، فينادي على أحد ما. أما الشخص الأقل ذكاءً، فيستمر في محاولة رفعها بمفرده حتى يستسلم.
الاختبار الجديد: GroundAct
لاختبار ما إذا كان لدى الذكاء الاصطناعي هذه المهارات، بنى الفريق مجموعة اختبار ضخمة تسمى GroundAct.
- الإعداد: بدلاً من استخدام روبوت حقيقي ثلاثي الأبعاد (وهو أمر بطيء ومكلف)، قاموا ببناء محاكاة قائمة على النصوص. تخيل وصفاً نصياً مفصلاً للغاية لغرفة، يسرد كل جسم، ووزنه، ولونه، ومكانه.
- النطاق: أنشأوا 1,500 "غرفة" مختلفة وأكثر من 16,000 مهمة متنوعة، تتراوح من الأوامر البسيطة ("ضع الكوب هنا") إلى الألغاز المعقدة ("نظّف أثقل طاولة، ولكنك تحتاج إلى قطعة قماش وشريك").
- الخدعة: التعليمات لا تخبر أبداً الذكاء الاصطناعي عن حدود الوزن أو الحاجة إلى أدوات. يجب على الذكاء الاصطناعي استنتاج ذلك من وصف البيئة.
ما وجدوه
اختبر الباحثون 15 نموذجاً مختلفاً من الذكاء الاصطناعي (من النماذج الصغيرة إلى النماذج الضخمة فائقة الذكاء) ووجدوا نتائج مفاجئة:
- كونك "ذكياً" لا يعني أنك "مؤصل": قد يكون النموذج رائعاً في الرياضيات والمنطق (الاستدلال بالسمات) ولكنه سيء جداً في إدراك أنه يحتاج إلى أداة أو شريك. وعلى العكس من ذلك، قد يكون نموذج ممتاز في العمل الجماعي ولكنه سيء في مقارنة الأوزان. إنها مهارات مختلفة، وليست مجرد "مزيد من الذكاء".
- معرفة كل شيء قد يكون أمراً سيئاً: عندما أعطوا الذكاء الاصطناعي "ورقة غش" تحتوي على الخريطة الكاملة للغرفة (دون إخفاء أي شيء)، أصبح أفضل في العثور على الأدوات (لأنه لم يعد مضطراً للبحث). لكنه أصبح أسوأ في العمل الجماعي! لماذا؟ لأن رؤية كل تفصيل صغير جعلته يتشتت عن الحقيقة البسيطة وهي أن "هذا الجسم ثقيل جداً". لقد ضاع في وسط الضجيج.
- للتعلم حدود: حاولوا "تعليم" نموذج ذكاء اصطناعي صغير عبر إظهار أمثلة لكيفية تنفيذ المهام. أصبح النموذج أفضل بكثير في اتباع الأوامر المباشرة (مثل "احمل الكوب"). لكنه لم يتحسن إلا قليلاً في معرفة متى يطلب المساعدة. لقد تعلم ماذا يفعل، ولكن ليس متى يغير استراتيجيته.
الخلاصة الكبرى
تخلص الورقة البحثية إلى أن مجرد جعل نماذج الذكاء الاصطناعي أكبر أو تدريبها على المزيد من البيانات ليس كافياً لجعلها "متجسدة" حقاً (قادرة على التفاعل مع العالم المادي).
لبناء روبوت يمكنه حقاً مساعدتك في منزل فوضوي، نحتاج إلى تعليمه تأصيل أفعاله في الواقع. يحتاج إلى أن يتعلم أن للعالم قواعد (الجاذبية، الوزن، متطلبات الأدوات) ليست مكتوبة في دليل التعليمات، ولكنها مخفية في البيئة نفسها. وإلى أن يتمكن الذكاء الاصطناعي من فعل ذلك، سيظل مجرد محاور بارع ولكنه سيء جداً في إنجاز المهمة فعلياً.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.