Policy-Governed LLM Routing with Intent Matching for Instrument Laboratories
تقدم هذه الورقة Routiium وEduRouter، وهو نظام توجيه للنماذج اللغوية الكبيرة (LLM) محكوم بالسياسات للمختبرات الهندسية، والذي يوازن بين التحدي التعليمي والتكلفة من خلال الإدارة الديناميكية لاختيار النماذج، وفرض الميزانيات، ومطابقة نوايا الطلاب، مما يؤدي إلى تحسين مواءمة التعلم وتقليل نفقات الرموز (tokens) بشكل كبير في التقييمات المحاكية والحية.
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 معلم يدير مختبر إلكترونيات عملي. لديك 30 طالباً، يعمل كل منهم باستخدام معدات حقيقية وباهظة الثمن. تريد استخدام معلم ذكاء اصطناعي لمساعدتهم، لكنك تواجه مشكلة شائكة: كيف تساعدهم على التعلم دون إعطائهم الإجابات فحسب؟
إذا كان الذكاء الاصطناعي متعاوناً للغاية، سيتوقف الطلاب عن التفكير ويكتفون بنسخ الحل. وإذا كان صارماً للغاية، سيشعرون بالإحباط ويستسلمون. كما أن تشغيل نماذج الذكاء الاصطناعي القوية يكلف مالاً، وأنت لا تريد استنزاف ميزانيتك مع كل سؤال صغير.
تقدم هذه الورقة البحثية نظام "شرطي المرور" لمعلمي الذكاء الاصطناعي في المختبرات الهندسية. إنه وسيط ذكي يقرر متى يساعد، وكيف يساعد، وأي عقل ذكاء اصطناعي يستخدم، مع الاحتفاظ بسجل مفصل حتى يتمكن المعلم من رؤية ما حدث بالضبط.
إليك كيف يعمل النظام، مقسماً إلى أجزاء بسيطة:
1. الشخصيتان الرئيسيتان
يتكون النظام من أداتين تعملان معاً:
- روتيوم (Routiium) - (حارس البوابة): فكر فيه كباب أمامي آمن للذكاء الاصطناعي. هو لا يسمح لأي شخص بالدخول فحسب؛ بل يتحقق من هويتك، ويطبق قواعد محددة على أسئلتك (مثل إضافة ملاحظة "فكر في الأمر أولاً")، ويحتفظ بإيصال لكل محادثة. وهو يتصل بنماذج ذكاء اصطناعي مختلفة، من النماذج المحلية الرخيصة إلى النماذج فائقة الذكاء والباهظة الثمن.
- إديو روتر (EduRouter) - (الموزع الذكي): هذا هو العقل الذي يقرر أي نموذج ذكاء اصطناعي يجب أن يجيب على سؤال معين. ينظر إلى "مكتبة الأسئلة الشائعة" التي أعدها المعلم مسبقاً. إذا طرح الطالب سؤالاً مألوفاً، يتحقق "إديو روتر" من المكتبة ليرى ما هي القواعد الخاصة بهذا السؤال.
2. "مكتبة الأسئلة الشائعة"
قبل بدء المختبر، يبني المعلم "ورقة غش" (تسمى مكتبة الأسئلة). يأخذ الأسئلة التي يطرحها الطلاب عادةً (مثل "كيف أقيس الجهد الكهربائي؟" أو "لماذا يصدر دفتري صوتاً؟") ويصنفها بقواعد معينة.
- مثال: إذا سأل طالب: "كيف أجهز جهاز الأوسيلوسكوب؟"، تقول المكتبة: "استخدم ذكاءً اصطناعياً محلياً رخيصاً، قدم تلميحاً بسيطاً، ولا تكلف الكثير".
- مثال: إذا سأل طالب: "حل لي هذه المشكلة بالكامل"، تقول المكتبة: "توقف! هذا يتطلب موافقة مساعد المعلم، وقد نحتاج لاستخدام جزء من الميزانية".
3. مستويات المساعدة الثلاثة
يعامل النظام المساعدة كأنها سلم مكون من أربعة درجات (من L0 إلى L3):
- L0 (التحقق): "هل سلكك متصل؟" (لا يحتاج موافقة).
- L1 (تلميح موجه): "تحقق مما إذا كانت المقاومة في مكانها الصحيح". (مجرد دفعة بسيطة).
- L2 (مثال محلول): "إليك حل جزئي لتبدأ به". (يتطلب فحص الميزانية).
- L3 (حل كامل): "إليك الإجابة الكاملة". (يتطلب موافقة المعلم أولاً).
4. كيف يعمل في الواقع
تخديل أليكس، يعاني مع دائرة كهربائية.
- الطلب: يكتب أليكس: "دائرتي لا تعمل، ساعدني!".
- المطابقة: يتحقق "إديو روتر" من المكتبة. يرى أن هذا سؤال شائع حول "استكشاف الأخطاء وإصلاحها".
- القرار: تقول المكتبة: "لهذا السؤال، قدم تلميحاً (L1) واستخدم الذكاء الاصطناعي المحلي".
- الإجراء: يرسل "روتيوم" السؤال إلى الذكاء الاصطناعي المحلي، ويضيف أمراً يقول: "لا تعطِ الإجابة، فقط اطرح سؤالاً توجيهياً"، ثم يرسل الرد إلى أليكس.
- التكلفة: نظرًا لأنه استخدم الذكاء الاصطناعي المحلي، لم يكلف شيئاً تقريباً.
ولكن ماذا لو طلب أليكس الإجابة الكاملة؟
إذا سأل أليكس: "أعطني الحل فقط"، وكانت السياسة تنص على أن "L3 تتطلب موافقة"، فإن النظام يتوقف. يضع الطلب في "غرفة انتظار" وينبه المعلم. ينقر المعلم على "موافقة"، وبعد ذلك يقوم الذكاء الاصطناعي الذكي والباهظ الثمن بإعطاء الإجابة.
5. ماذا اختبروا؟
الباحثون لم يختبروا ما إذا كان الطلاب يتعلمون بشكل أفضل (فهذا دراسة أخرى). بدلاً من ذلك، اختبروا ما إذا كان النظام يتبع القواعد ويوفر المال.
أجروا نوعين من الاختبارات:
- المحاكاة: أنشأوا فصلاً وهمياً من 30 طالباً يطرحون آلاف الأسئلة. وجدوا أنه عندما كانت القواعد "المُحكمة" مفعلة، التزم الذكاء الاصطناعي بتلميحات المعلم بشكل أفضل بك كثيراً (دقة 98%) مقارنة بما كان عليه الحال عند عدم وجود قواعد (90%). كما أنه انتظر لفترة أطول قبل إعطاء الإجابة الكاملة، مما أجبر الطلاب على "المعاناة المثمرة" لحوالي 3.5 جولة بدلاً من 1.5 جولة فقط.
- إعادة التشغيل: أخذوا 100 سؤال حقيقي ومرروها عبر النظام.
- المال الموفر: أرسل النظام 75% من الأسئلة إلى الذكاء الاصطناعي المحلي الرخيص. أدى هذا إلى خفض التكلفة بنسبة 66% (من 0.26 دولار إلى 0.087 دولار للمجموعة).
- الدقة: عندما تطابق السؤال مع المكتبة، قام النظام بتوجيهه بدقة 100% من المرات.
6. الخلاصة
تقدم هذه الورقة نظاماً يمنح المعلمين التحكم.
- سابقاً: كان لدى المعلمين قدر ضئيل من التحكم في متى يعطي الذكاء الاصطناعي الإجابات أو كم سيكلف ذلك.
- الآن: يمكن للمعلمين تحديد ميزانية، وتقرير متى يُسمح بالحلول الكاملة، ورؤية سجل لكل قرار اتخذه الذكاء الاصطناعي.
ملاحظة هامة: الورقة واضحة جداً في أن هذا أداة نظام. إنها تثبت أن "شرطي المرور" يعمل، ويوفر المال، ويتبع القواعد. وهي لا تدعي أن هذا النظام يجعل الطلاب أذكى أو يحسن درجاتهم في الاختبارات. هذه هي الخطوة التالية للأبحاث المستقبلية.
باختصار: إنها طريقة لاستخدام الذكاء الاصطناعي في المختبر تحترم قواعد المعلم، وتحمي الميزانية، وتمنع الطلاب من مجرد نسخ الإجابات.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.