One Supervisor, Many Modalities: Adaptive Tool Orchestration for Autonomous Queries
تقدم هذه الورقة إطار عمل للذكاء الاصطناعي الوكيل يتميز بمشرف مركزي يقوم بتنسيق الأدوات المتخصصة ديناميكيًا عبر وسائط النصوص، والصور، والصوت، والفيديو، والمستندات لتحقيق تخفيضات كبيرة في وقت الاستجابة، وإعادة العمل في المحادثات، والتكاليف، مع الحفاظ على تكافؤ الدقة مقارنة بالنماذج الهرمية المرجعية.
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 تدير مطعماً فاخراً ومزدحماً. في الماضي، كان لديك طريقتان للتعامل مع الطلبات، وكلتاهما كانت تعاني من مشكلات كبيرة.
الطرق القديمة (المشكلة)
- نهج "الشيف الخارق": قمت بتعيين شيف واحد مشهور للغاية وباهظ الثمن (مثل نموذج ذكاء اصطناعي ضخم) ليقوم بكل شيء. سواء أراد الزبون كوباً بسيطاً من الماء، أو وجبة مكونة من 5 أصناف معقدة، أو طلباً لتحديد نوع خضروات معين في صورة، فإن هذا الشيف الواحد يقوم بكل ذلك.
- الجانب السلبي: كان الأمر مكلفاً للغاية. كنت تدفع راتب شيف حائز على نجمة ميشلان لمجرد تقطيع البصل وغلي الماء. وأيضاً، إذا تعثر الشيف في طلب غريب، يتوقف المطبخ بأكمده.
- نهج "المخطط الانسيابي الجامد": كان لديك مدير يتبع قائمة مهام صارمة ومطبوعة. إذا قال الزبون "لدي صورة"، فإنه ينتقل إلى المربع رقم 4 في القائمة. إذا قال "لدي صوت"، فإنه ينتقل إلى المربع رقم 7.
- الجانب السلبي: إذا قال الزبون شيئاً غير مألوف قليلاً، مثل "هذه صورة لكلب ينبح"، يصاب المدير بالارتباك لأن القائمة لم تتضمن مربعاً لـ "صور النباح". عندها ينهار النظام بالكامل، ويضطر المطبخ للبدء من جديد، ويشعر الزبون بالإحباط.
الحل الجديد: "المشرف المتكيف"
تقدم هذه الورقة طريقة جديدة لإدارة المطبخ، تتمحور حول مشرف ذكي. فكر في هذا المشرف ليس كشيف، بل كـ قائد أوركسترا بارع ومتكيف أو مدير مشروع.
إليك كيف يعمل الأمر بالمعنى اليومي المعتاد:
1. القائد الذكي (المشرف)
بدلاً من القيام بالعمل بنفسه، يستمع القائد لطلب الزبون (الاستعلام). هو لا يتبع مجرد قائمة مهام جامدة؛ بل يفهم ما هو مطلوب.
- إذا كان الطلب بسيطاً (مثلاً: "ما هي حالة الطقس؟")، فإنه يستدعي فوراً مساعداً مبتدئاً (ذكاء اصطناğı صغير ورخيص) للتعامل معه.
- إذا كان الطلب معقداً (مثلاً: "حلل هذا الفيديو لحادث سيارة واكتب تقريراً قانونياً")، فإنه يقوم بتفكيك المهمة. يخبر متخصصاً واحداً بالنظر إلى إطارات الفيديو، وآخر بالاستماع إلى الصوت، وثالث بقراءة التقرير الشرطي المرفق بالطلب.
2. مستودع الأدوات المتخصصة (الأدوات)
يمتلك القائد وصولاً إلى مستودع مليء بالأدوات المتخصصة، كل منها بارع في شيء واحد لكنها رخيصة وسريعة:
- "العين" (كشف الأشياء): بارعة في رصد السيارات أو الأشخاص في الصور فوراً.
- "الأذن" (التفريغ الصوتي): بارعة في تحويل الكلام إلى نص.
- "الماسح الضوئي" (التعرف الضوئي على الحروف - OCR): بارعة في قراءة النصوص من الوثائق الفوضوية.
- "العقل" (نماذج اللغات الكبيرة - LLMs): بارعة في التفكير المعقد والكتابة.
الخدعة السحرية: يدرك القائد أن استخدام "العقل" لمجرد قراءة إيصال هو هدر للمال. لذا، يستخدم "الماسح الضوئي" أولاً، ثم يستخدم "العقل" فقط لتلخيص الإيصال. وهذا يوفر الكثير من المال والوقت.
3. آلية "الإصلاح المحلي" (لا مزيد من الانهيارات)
في نظام "المخطط الانسيابي الجامد" القديم، إذا تعطلت أداة "الماسح الضوئي" أو لم تستطع قراءة ملاحظة مكتوبة بخط اليد، ينهار النظام بالكامل ويضطر الزبون للبدء من جديد.
في هذا النظام الجديد، إذا فشل "الماسح الضوئي"، يقول القائد: "أوه، لم ينجح ذلك. دعونا نجرب أداة أخرى أفضل في التعامل مع الخط اليدوي". إنه يصلح المشكلة محلياً دون إيقاف المطبخ بأكمله. بل قد يسأل الزبون: "أرى أن هذا مكتوب بخط اليد، هل تريدني أن أركز على التواريخ أم الأسماء؟". هذا يحافظ على تدفق المحادثة بسلاسة.
4. بنك الذاكرة
يتمتع القائد بذاكرة ممتازة أيضاً. فهو يتذكر ما تحدثتم عنه قبل خمس دقائق، أو حتى بالأمس.
- إذا سألت "من هذا؟" أثناء النظر إلى صورة، فإنه يتذكر أنكم كنتم تتحدثون عن كلبك للتو.
- كما أنه ينظم هذه الذاكرة حسب النوع (نص، صور، صوت) حتى لا يرتبك، مما يضمن تقديم السياق الصحيح دائماً.
النتائج: لماذا يهم هذا؟
اختبرت الورقة هذا النظام على ما يقرب من 3,000 طلب مختلف. كانت النتائج بمثابة معجزة لصاحب المطعم:
- أسرع بنسبة 72%: تحصل على إجابتك فوراً تقريباً لأن القائد لا يضيع الوقت في استخدام الأدوات الخاطئة.
- أقل إعادة عمل بنسبة 85%: نادراً ما تضطر لقول "لا، أنا أعني هذا"، لأن القائد يفهمك بشكل أفضل.
- أرخص بنسبة 67%: من خلال استخدام أدوات صغيرة ورخيصة للمهام البسيطة وتوفير "الشيف الخارق" الغالي للمهام الأصعب فقط، تنخفض التكلفة بشكل كبير.
- بنفس الدقة: رغم كونه أسرع وأرخص، إلا أن الإجابات دقيقة تماماً مثل الطرق البطيئة والمكلفة.
باختة القول:
تقترح هذه الورقة نظاماً يعمل فيه مشرف ذكي كشرطي مرور وقائد أوركسترا في آن واحد. فهو يوجه عمالاً مختلفين ومتخصصين للقيام بما هم بارعون فيه تماماً، ويصلح الأخطاء أثناء العمل دون إعادة تشغيل العملية برمتها، ويوفر ثروة بعدم استخدام موارد باهظة لمهام بسيطة. إنه يحول نظام ذكاء اصطناعي فوضوياً ومكلفاً وهشاً إلى شريك محادثة سلس، فعال، وشبيه بالبشر.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.