Latent Preference Modeling for Cross-Session Personalized Tool Calling
تقدم هذه الورقة معيار MPT وطريقة PRefine لمعالجة طلبات المستخدمين غير محددة بدقة في الوكلاء المعززين بالأدوات من خلال نمذجة تفضيلات المستخدم المتطورة عبر حلقة (توليد-تحقق-تحسين) مدعومة بالذاكرة، مما يحقق دقة عالية مع تقليل استهلاك الرموز (tokens) بشكل كبير.
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
إليك شرح لورقة بحثية بعنوان "نمذجة التفضيلات الكامنة لاستدعاء الأدوات الشخصي عبر الجلسات المتعددة" باستخدام لغة بسيطة وتشبيهات إبداعية.
المشكلة الكبرى: المساعد "النسّاء"
تخيل أن لديك مساعداً آلياً (روبوت) ذكياً للغاية. تطلب منه حجز رحلة طيران، فيسألك: "ما هي الدرجة التي تريدها؟ الدرجة الاقتصادية أم الأولى؟" فتقول له: "الاقتصادية".
في اليوم التالي، تطلب منه البحث عن مطعم، فيسألك: "هل تريد شيئاً فاخراً أم رخيصاً؟" فتقول له: "رخيص".
وفي اليوم الذي يليه، تطلب منه استئجار سيارة، فيسألك: "هل تريد سيارة SUV فاخرة أم سيارة صغيرة؟" فتقول له: "صغيرة".
الآن، تخيل أنك عدت بعد أسبوع وقلت له: "احجز لي رحلة طيران لرحلتي."
الذكاء الاصطناعي التقليدي قد يقول لك ببساطة: "حسناً، ما هي الدرجة التي تريدها؟" لأنه ينظر فقط إلى هذه المحادثة المحددة. لقد نسي أن لديك نمطاً ثابتاً: أنت دائماً تختار الخيار الاقتصادي.
المشكلة هي أن المستخدمين غالباً ما ينسون ذكر هذه التفاصيل في كل مرة. هم يتوقعون من الذكاء الاصطناعي أن يتذكر "أسلوبهم" أو "مزاجهم" عبر الأيام المختلفة والمهام المختلفة. لكن أنظمة الذكاء الاصطناعي الحالية تشبه سمكة الزينة؛ تنسى كل شيء بمجرد انتهاء المحادثة.
الحل: تعلم "السبب"، وليس فقط "النتيجة"
أدرك الباحثون (يجين يون، مينسو كيم، وتيوك كيم) أنه لإصلاح ذلك، يحتاج الذكاء الاصطناعي إلى التوقف عن مجرد حفظ ماذا فعلت (مثل: "المستخدم اختار الدرجة الاقتصادية") والبدء في فهم لماذا فعلت ذلك (مثل: "المستخدم مهتم بالميزانية").
يسمون هذا نمذجة التفضيلات الكامنة (Latent Preference Modeling).
- كامنة (Latent): تعني "مخفية". وهي القاعدة غير المرئية التي تحرك خياراتك.
- التفضيلات (Preference): هي أسلوبك الشخصي.
فكر في الأمر مثل الخياط.
- الخياط السيئ يقيس مقاساتك لخياطة بدلة، ثم ينساك. في المرة القالية التي تأتي فيها، يسألك: "ما هو مقاسك؟"
- أما الخياط الماهر فيتذكر أنك "نحيف ولكن طويل" و"تفضل الألوان الداكنة". حتى لو لم تقل ذلك، فإنه يقص القماش وفقاً لذلك تلقائياً.
المعيار الجديد: MPT (الـ "امتحان" للذكاء الاصطناعي)
لاختبار قدرة الذكاء الاصطناعي على القيام بذلك، أنشأ الفريق اختباراً جديداً يسمى MPT (استدعاء الأدوات الشخصي متعدد الجلسات). إنه يشبه الامتحان النهائي للمساعدين الآليين ويتكون من ثلاثة مستويات من الصعوبة:
- استدعاء التفضيلات (المستوى السهل): يرى الذكاء الاصطناعي أنك حجزت رحلة اقتصادية بالأمس. اليوم، تطلب رحلة طيران مجدداً. يقوم الذكاء الاصطناعي بمجرد نسخ إجابة الأمس. سهل.
- استنباط التفضيلات (مستوى المحقق): حجزت رحلة رخيصة، وفندقاً رخيصاً، وسيارة استئجار رخيصة في ثلاثة أيام مختلفة. اليوم، تطلب رحلة طيران مجدداً، لكن الذكاء الاصطناعي لم يسبق له أن رأى حجز طيران خاص بك من قبل. عليه أن ينظر إلى خيارات الفندق والسيارة ويقول: "آه، هذا الشخص مهتم بالميزانية، لذا سأختار الدرجة الاقتصادية." أصعب.
- نقل التفضيلات (مستوى العبقري): لديك تاريخ في شراء منتجات "صديقة للبيئة" (زجاجات، حقائب، ملابس). اليوم، تطلب حجز رحلة طيران. لم يسبق للذكاء الاصطناعي أن رأى شراء رحلات صديقة للبيئة منك، لكنه يدرك: "هذا الشخص يهتم بالبيئة"، فيختار رحلة مع تعويض كربوني. صعب جداً.
الطريقة الجديدة: PREFINE (الـ "دفتر الذكي")
قام الفريق أيضاً ببناء طريقة جديدة تسمى PREFINE لمساعدة الذكاء الاصطناعي على اجتياز هذا الامتحان.
بدلاً من تغذية الذكاء الاصطناعي بكامل تاريخ حياتك (وهو أمر ضخم، فوضوي، ومربك)، يعمل PREFINE كـ دفتر ملاحظات ذكي ومتطور.
إليك كيف يعمل، باستخدام حلقة "التوليد-التحقق-التحسين":
- التوليد (التخمين): ينظر الذكاء الاصطناعي إلى أفعالك الأخيرة ويضع تخميناً حول قاعدتك المخفية.
- يفكر الذكاء الاصطناعي: "رب Maybe المستخدم يحب السيارات الحمراء؟"
- التحقق (مدقق الحقائق): يعمل جزء ثانٍ من الذكاء الاصطناعي كمحرر صارم. يتحقق من الدفتر.
- يقول المحرر: "انتظر، لقد اشتريت سيارة حمراء مرة واحدة فقط. هذه ليست قاعدة، بل مجرد حدث عابر. ارفض هذا التخمين."
- التحسين (التصحيح): يحاول الذكنا الاصطناعي مرة أخرى بتخمين أفضل.
- يفكر الذكاء الاصطناعي: "حسناً، لقد اشترى سيارة حمراء، ودراجة حمراء، وهاتفاً أحمر. إنه يحب اللون الأحمر."
- يقول المحرر: "نعم! هذا نمط ثابت. اكتب ذلك في الدفتر."
السحر:
مع مرور الوقت، يصبح هذا الدفتر صغيراً وقوياً جداً. بدلاً من تذكر 10,000 رسالة دردشة، يحتفظ الذكاء الاصطناعي فقط ببضع جمل مثل: "المستخدم يفضل الخيارات الاقتصادية" أو "المستخدم يحب الأحجام الصغيرة".
لماذا هذا مهم؟
وجدت الورقة البحثية أمرين مذهلين:
- إنه فعال للغاية: الطريقة القديمة للقيام بذلك (قراءة التاريخ بأكمله) تستهلك قدراً هائلاً من قوة الكمبيوتر. يستخدم PREFINE 1.24% فقط من الطاقة والذاكرة. الأمر يشبه قراءة ملخص من 5 صفحات يحتوي على جميع النقاط الدرامية المهمة مقابل قراءة كتاب من 500 صفحة.
- إنه يعمل بالفعل: عندما يستخدم الذكاء الاصطناعي هذا "الدفتر الذكي"، يصبح أفضل بكثير في تخمين ما تريده، حتى عندما لا تقوله. إنه يتعامل مع مستويي "المحقق" و"العبقري" بشكل أفضل بكثير من الطرق الأخرى.
الخلاصة
إن مستقبل المساعدين الآليين ليس في تذكر كل شيء قلته يوما ما. بل في تذكر من أنت.
من خلال تحويل تاريخك الفوضوي إلى بضع قواعد واضحة وكامنة (مثل "أنا متسوق مهتم بالميزانية" أو "أنا أحب الطعام الحار")، يمكن للذكاء الاصطناعي أخيراً أن يتوقف عن سؤالك "ماذا تريد؟" ويبدأ في قول "أنا أعرف ما تريد. تفضل".
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.