MAPLE: A Sub-Agent Architecture for Memory, Learning, and Personalization in Agentic AI Systems
تقترح الورقة البحثية MAPLE، وهي بنية وكيل فرعي مبتكرة تفصل بين الذاكرة والتعلم والتخصيص في مكونات متميزة ومتخصصة للتغلب على قيود التكيف لدى وكلاء النماذج اللغوية الكبيرة الحاليين، مما أظهر تحسينات ملحوظة في درجات التخصيص ودمج السمات في معيار MAPLE-Personas.
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 دخلت إلى مقهى. طلبت "لاتيه". سلمك الباريستا (صانع القهوة) مشروباً، لكنه كان فاتراً، ومصنوعاً من حليب الشوفان (رغم أنك تكره حليب الشوفان)، ومقدماً في كوب به شرخ. تنهدت، ولم تقل شيئاً، ثم غادرت.
في اليوم التالي، عدت مرة أخرى. طلبت الشيء نفسه تماماً. سلمك الباريستا نفس اللاتيه الفاتر بحليب الشوفان في الكوب المشروخ.
قد تعتقد: "ذاكرة هذا الباريستا سيئة للغاية". لكن في الواقع، الباريستا يفعل بالضبط ما أُمِر به: إنه يتبع نصاً (سيناريو). هو لا يعرف لماذا لم يعجبك المشروب في المرة الماضية، ولا يعرف كيف يصلحه، ولا يعرف ماذا يفعل بشكل مختلف اليوم.
هذه هي بالضبط مشكلة معظم المساعدات الذكية الحالية. إنها تشبه ذلك الباريستا؛ يمكنها الدردشة، لكنها لا تتعلم حقاً أو تتكيف معك.
الورقة البحثية التي تسأل عنها، MAPLE، تقترح طريقة جديدة وعبقرية لبناء ذكاء اصطناعي ليتوقف عن كونه "تابعاً للنصوص" ويبدأ في كونه "مساعداً شخصياً".
إليك التبسيط لكيفية عمل MAPLE، باستخدام تشبيه إبداعي.
المشكلة: خطأ "العقل الواحد"
حالياً، تحاول معظم أنظمة الذكاء الاصطناعي القيام بثلاث وظائف مختلفة جداً في آن واحد باستخدام عقل واحد كبير:
- التذكر: (مثل اسمك أو أنك تكره حليب الشوفان).
- التعلم: (مثل إدراك أنك تصبح عصبياً دائماً أيام الاثنين وتحتاج إلى القهوة أولاً).
- التخصيص: (مثل تقديم لاتيه ساخن في كوب نظيف لأن اليوم هو الاثنين).
تجادل الورقة بأن محاولة القيام بالمهام الثلاث معاً تشبه مطالبة طاهٍ بطهي العشاء، وغسل الأطباق، وتصميم قائمة الطعام في نفس الوقت. سيصابون بالارتباك، وستتضرر النتيجة (استجابة الذكاء الاصطناعي).
الحل: فريق MAPLE
يقترح MAPLE تقسيم الذكاء الاصطناعي إلى ثلاثة فرق فرعية متخصصة (أو وكلاء فرعيين) يعملون معاً ولكن بمهام مختلفة تماماً. فكر في الأمر كأنه مطبخ في مطعم فاخر.
1. الذاكرة (مدير المستودع)
- المهمة: هذا الفريق هو مجرد مساحة للتخزين. إنه مستودع ضخم ومنظم.
- ماذا يفعل: عندما تقول "أنا أكره حليب الشوفان"، يقوم مدير المستودع بكتابة ذلك على بطاقة ويضعها في صندوق مكتوب عليه "سارة". هو لا يقرر لماذا تكرهينه أو كيف يستخدم هذه المعلومة. هو فقط يتأكد من أن المعلومة آمنة وسهلة العث0ر عليها لاحقاً.
- التشبيه: يشبه أمين المكتبة الذي يعرف مكان كل كتاب بدقة، لكنه لا يقرأ الكتب ولا يقرر أيها جيد.
2. التعلم (المحقق)
- المهمة: يعمل هذا الفريق في الخلفية، بعيداً عن الزبائن. إنه المحقق الذي يدرس ملفات القضية.
- ماذا يفعل: ينظر المحقق إلى جميع الملاحظات التي جمعها مدير المستودع. يلاحظ نمطاً: "كلما طلبت سارة القهوة يوم الاثنين، تبدو متوترة. وكلما قدمنا لها حليب الشوفان، تركت تقييماً سيئاً". يربط المحقق النقاط ويكتب تقريراً جديداً: "سارة تفضل القهوة الساخنة، بدون حليب شوفان، وتحتاج إلى سكر إضافي عندما تكون متوترة".
- التشبيه: هذه هي لحظة "وجدتها!". هو لا يقوم بمجرد تخزين البيانات؛ بل يستنتج القصة وراء البيانات.
3. التخصيص (موظف الاستقبال/الكونسيرج)
- المهمة: هذا هو وجه العملية. هو من يتحدث إليك في الوقت الفعلي.
- ماذا يفعل: عندما تدخلين وتطلبين، يتحقق موظف الاستقبال من آخر تقرير للمحقق. هو لا يكتفي بسؤالك "ماذا تريدين؟"، بل يقول: "صباح الخير يا سارة! أرى أنكِ متوترة اليوم، لذا بدأت بالفعل في تحضير لاتيه ساخن مع سكر إضافي وبدون حليب الشوفان. هل هذا صحيح؟"
- التشبيه: هو النادل الذي يتذكر اسمك، وطاولتك المفضلة، وأن لديك حساسية من المكسرات، مما يجعلك تشعرين بأنك مميزة ومفهومة على الفور.
كيف يعملون معاً (الحلقة السحرية)
في الطريقة القديمة، يحاول الذكاء الاصطناعي القيام بكل شيء في وقت واحد، وغالباً ما يفشل في التذكر أو التعلم. في MAPLE، تتدفق العملية كالتالي:
- تطرحين سؤالاً.
- موظف الاستقبال (التخصيص) يسأل المستودع (الذاكرة) عن ملفك.
- المستودع يسلم الملف.
- موظف الاستقبال يستخدم هذا الملف ليعطيكِ إجابة مثالية ومخصصة الآن.
- في هذه الأثناء، في المكتب الخلفي: المحقق (التعلم) يقرأ بهدوء نص محادثتك. يدرك: "أوه، سارة تفضل الشاي في أيام الثلاثاء، وليس القهوة!".
- المحقق يقوم بتحديث الملف في المستودع.
- في المرة القادمة التي تزورين فيها المكان، يكون لدى موظف الاستقبال المعلومة الجديدة جاهزة، وتصبح الدورة أكثر ذكاءً.
لماذا هذا مهم؟
اختبرت الورقة هذا النظام مقابل ذكاء اصطناعي "غبي" يتذكر الأشياء فقط دون أن يتعلم منها.
- الذكاء الاصطناعي الغبي: حصل على درجة تقارب 4.2 من 5. كان جيداً، لكنه عام.
- ذكاء MAPLE: حصل على درجة 4.8 من 5.
- الفوز الكبير: نجح ذكاء MAPLE في استخدام سمات شخصيتك المحددة بنسبة 75% من الوقت، مقارنة بـ 45% فقط للنظام القديم.
الخلا الخلاصة
يعلمنا MAPLE أنه لبناء ذكاء اصطناعي "يعرفك" حقاً، لا يمكننا مجرد إعطائه ذاكرة أكبر. نحن بحاجة إلى إعطائه أدواراً متخصصة:
- جزء لتخزين الحقائق.
- جزء لاستنتاج معنى تلك الحقائق.
- جزء للتصرف بناءً على تلك المعرفة فوراً.
من خلال فصل هذه الوظائف، يتوقف الذكاء الاصطناعي عن كونه مجرد حافظ للنصوص الآلية، ويبدأ في كونه شريكاً حقيقياً يتعلم، ويتكيف، وينمو معك. إنه الفرق بين باريستا يتبع وصفة فحسب، وبين باريستا يعرفكِ أكثر مما تعرفين نفسكِ.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.