Learning Latency-Aware Orchestration for Multi-Agent Systems
تقدم الورقة البحثية إطار عمل LAMaS، وهو إطار عمل مبتكر يقلل زمن التأخير من الطرف إلى الطرف في الأنظمة متعددة الوكلاء من خلال تعلم رسوم بيانية للتنفيذ مدركة لزمن التأخير مع تخصيص ائتمان المسار الحرج أثناء التدريب، واستخدام متحكم تكيفي خفيف الوزن للقضاء على التفاعلات الزائدة أثناء الاستدلال، محققاً انخفاضاً في زمن التأخير بنسبة تزيد عن 50% مع الحفاظ على دقة المهام.
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 فريقاً من الروبوتات الماهرة والمتخصصة التي تعمل معاً لحل لغز معقد. هذا هو عالم الأنظمة متعددة الوكلاء (MAS)، حيث يتم تقسيم "الأدمغة" القوية للذكاء الاصطناوي (المسماة النماذج اللغوية الكبيرة) إلى مساعدين أصغر وأكثر تركيزاً. قد يكون أحد الروبوتات بارعاً في الرياضيات، وآخر في البرمجة، وثالث في التحقق من الحقائق. ومن خلال تبادل الملاحظات والأفكار ذهاباً وإياباً، يمكنهم معالجة مشكلات لا يستطيع روبوت واحد حلها بمفرده. ومع ذلك، هناك عقبة: في كل مرة تتحدث فيها هذه الروبوتات مع بعضها البعض، يستغرق الأمر وقتاً. إذا كان عليهم تمرير ملاحظة عشر مرات للحصول على إجابة، فإن العملية برمتها ستتلكأ، وقد تستغرق أحياناً من 10 إلى 60 دقيقة لمجرد إنهاء مهمة واحدة. وفي العالم الحقيقي، الانتظار طوال ذلك الوقت يعد أمراً غير مقبول.
لفترة من الوقت، حاول العلماء جعل هذه الفرق أسرع عن طريق تقليل التكاليف ببساطة أو جعل الروبوتات أكثر ذكاءً. لكنهم أدركوا أن جعل الفريق "أرخص" لا يعني دائماً جعله "أسرع". فكر في الأمر كسباق تتابع: إذا كان لديك فريق من عشرة عداءين، فإن الوقت الإجمالي ليس مجرد مجموع سرعات الجري لكل فرد؛ بل يتحدد من خلال أبطأ سلسلة من العدائين الذين يمررون العصا. إذا قللت عدد العدائين ولكن تركت أبطأ سلسلة دون تغيير، فلن يتحسن وقت السباق. أصبح السؤال الكبير هو: كيف نعيد تصميم سير عمل الفريق لتقليص الوقت دون فقدان دقة الإجابة النهائية؟
هذا هو بالضبط ما عالجه الباحثون في جامعة سنترال فلوريدا في ورقتهم البحثية الجديدة، حيث قدموا نظاماً يسمى LAMaS (النظام متعدد الوكلاء المدرك لزمن الاستجابة). لقد وجدوا أن الطريقة القديمة لتحسين هذه الفرق من الذكاء الاصطناعي كانت تشبه محاولة حل ازدحام مروري عبر إخبار كل سيارة بأن تقود بشكل أسرع، حتى لو كان الاختناق ناتجاً عن جسر ضيق واحد. بدلاً من ذلك، يعمل LAMaS كمنظم حركة مرور ذكي يعرف بالضبط أي جزء من الطريق هو "المسار الحرج" — أي أطول سلسلة من الخطوات التي تحدد الوقت الإجمالي.
تقترح الورقة استراتيجية مكونة من جزأين لإصلاح مشكلة السرعة. أولاً، خلال مرحلة "التدريب" (حيث يتعلم النظام كيفية العمل)، يستخدم LAMaS طريقة تسجيل خاصة. فبدلاً من معاقبة كل روبوت بالتساوي على استغرقته وقتاً طويلاً، فإنه يركز "توبيخه" فقط على الروبوتات التي تشكل جزءاً من المسار الحرج — تلك التي تعطل الفريق بأكمكمه. كما يضع قاعدة صارمة: بغض النظر عن مدى سرعتهم، لا يمكنهم الهبوط عن مستوى معين من الدقة. الأمر يشبه قولك لفريق سباق: "يمكنكم الجري بالسرعة التي تريدونها، ولكن يجب أن تنهوا السباق بشكل صحيح أيضاً".
ثانياً، وبشكل أكثر ذكاءً، يضيف LAMaS "متحكماً خفيف الوزن" يراقب السباق في الوقت الفعلي. حتى لو خطط الفريق للجري عشر لفات، فقد يلاحظ هذا المتحكم بعد اللفة الثالثة أن الفريق قد توصل بالفعل إلى الإجابة. عندها يمتلك القدرة على القول: "توقف! لسنا بحاجة إلى اللفات السبع الأخرى"، ويقطع بقية العمل. يحدث هذا بشكل ديناميكي أثناء تنفيذ المهمة، وليس كخطة ثابتة موضوعة مسبقاً.
عندما اختبر الباحثون هذا على أربعة اختبارات معيارية صعبة مختلفة — تتراوح بين حل مسائل الرياضيات المدرسية وكتابة الأكواد البرمجية والإجابة على أسئلة معرفية معقدة — وجدوا أن LAMaS كان بمثابة نقطة تحول. فبالمقارنة مع أنظمة فرق الذكاء الاصطناوي المتقدمة الأخرى، قلل LAMaS إجمالي وقت الانتظار بنسبة تتجاوز 50% (وفي بعض الحالات وصلت نسبة التقليل إلى 75%) مع الحفاظ على دقة عالية، أو حتى أفضل. على سبيل المثال، في اختبار رياضي يسمى GSM8K، أنهى نظامهم المهمة في حوالي 11.73 ثانية بدقة 93.65%، بينما استغرقت الأنظمة الرائدة الأخرى أكثر من 48 ثانية لتحقيق دقة مماثلة.
تشير الورقة إلى أن هذا النهج ليس مجرد إصلاح لمرة واحدة لنظام محدد؛ فعندما حاولوا دمج طريقة LAMaS في تصميمات فرق ذكاء اصطناوي قائمة أخرى، جعلتها جميعاً أسرع باستمرار دون إفسادها. يوضح المؤلفون أنه من خلال التركيز على خطوات "الاختناق" والسماح للنظام بالتوقف مبكراً عندما يكون واثقاً، يمكننا بناء فرق ذكاء اصطناوي ليست ذكية فحسب، بل سريعة كالبرق أيضاً، مما يجعلها أكثر عملية للاستخدام في العالم الحقيقي.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.