AutoSurfer -- Teaching Web Agents through Comprehensive Surfing, Learning, and Modeling
يُعد AutoSurfer مولداً جديداً لمسارات الويب يعتمد على الاستكشاف المنهجي للبحث بالعرض، وتوليف المهام الموجه بالاستكشاف، والتحسين القائم على المسار للتغلب على مشكلات ندرة البيانات والهلوسة، مما يؤدي إلى تحسين أداء وكيل الويب وتنوع المهام بشكل كبير في معيار WebArena.
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 تريد تعليم روبوت كيفية التنقل في مكتبة ضخمة ومعقدة (موقع إلكتروني) للعثور على كتب محددة، أو استعارتها، أو كتابة مراجعات عنها. المشكلة هي أن الروبوت لا يعرف مخطط المكتبة، ولم يكتب أحد دليلاً لها.
AutoSurfer هو نظام جديد مصمم لتعليم هؤلاء "روبوتات الويب" (التي تسمى وكلاء الويب) من خلال العمل كأمين مكتبة بشري دقيق ومنظم للغاية، يستكشف المكتبة أولاً، ثم يكتب دليلاً مثالياً، وبعد ذلك يعلّم الروبوت باستخدام هذا الدليل.
إليك كيف يعمل AutoSurmer، مقسماً إلى خطوات بسيطة:
1. المشكلة: الروبوتات تضل طريقها
تفشل الروبوتات الحالية التي تحاول التنقل في المواقع الإلكترونية لأنها لم تُدرب على أمثلة جيدة كافية.
- الطريقة القديمة: حاولت الأساليب السابقة تعليم الروبوتات إما عن طريق:
- التخمين من الباب الأمامي: كانوا ينظرون إلى الصفحة الرئيسية ويخمنون ما قد تكون المهام الممكنة، مما يؤدي إلى تفويت الغرف المخفية في أعماق المكتبة.
- التجول بلا هدف: كانوا يتجولون عشوائياً، مثل سائح يصطدم بالجدران. أدى هذا غالباً إلى قيام الروبوت بابتكار مهام غير موجودة فعلياً (هلوسات) أو تفويت ميزات مهمة مثل القوائم المنسدلة التي تظل مخفية حتى تنقر عليها.
2. الحل: استراتيجية AutoSurfer المكونة من ثلاث خطوات
يعالج AutoSurfer هذه المشكلة باستخدام نهج "التعلم أثناء العمل" الذي يحاكي كيفية تعلم الإنسان لموقع ويب جديد.
الخطوة أ: المستكشف المنهجي (البحث بالعرض - Breadth-First Search)
بدلاً من التجول العشوائي، يعمل AutoSurfer كالمحقق الذي يمتلك قائمة مهام.
- الطابور (The Queue): يحتفظ بقائمة بكل صفحة وجدها ولكن لم يستكشفها بالكامل بعد. يبدأ من الصفحة الرئيسية، ثم يفحص كل رابط في تلك الصفحة، ثم كل رابط في تلك الصفحات، وهكذا.
- خدعة "الكشف" (The Unfolding Trick): تخيل قائمة تخفي الخيارات حتى تنقر على "المزيد". الأساليب القديمة كانت تفشل في رصد هذه الأمور. AutoSurfer ذكي بما يكفي للنقر على زر "المزيد"، ورؤية الخيارات الجديدة، وإضافتها فوراً إلى قائمة مهامه. يفعل ذلك بشكل متكرر (Recursive)، حيث يقشر طبقات القوائم تماماً كما يفعل البشر.
- عدم التكرار: إذا وجد صندوق "بحث" في الصفحة الرئيسية، فإنه لا يضيع وقته في البحث عن صندوق "بحث" في كل صفحة أخرى. إنه يتذكر ما يعرفه بالفعل ويتخطى النسخ المكررة.
الخطوة ب: كتابة القصة (توليف المهام - Task Synthesis)
بمجرد أن يستكشف AutoSurfer موقع الويب، فإنه لا يكتفي بالقول: "لقت هنا". بل يكتب قصة.
- ربط النقاط: ينظر إلى المسار الذي اتخذه (مسار الاستكشاف) وينشئ مهمة بناءً على هذا المسار الفعلي.
- الاستعارة: تخيل أنك تعلم شخصاً ما كيفية خبز كعكة.
- الأساليب القديمة قد تقول: "اشترِ الدقيق، ثم اشترِ البيض، ثم اخبز". (خطوات معزولة).
- AutoSurfer يقول: "أولاً، مشيت إلى الممر، التقطت الدقيق، مشيت إلى المحاسب، دفعت الثمن، ثم مشيت إلى الفرن..." إنه يربط المهمة بالرحلة الفعلية، مما يجعل التعليمات أصعب في الفهم الخاطئ.
الخطوة ج: الصقل (التحسين - Refinement)
قد تكون المسودة الأولى للتعليمات غير مرتبة. ربما اتخذ الروبوت مساراً طويلاً أو نقر على زر مرتين عن طريق الخطأ.
- المحرر: يأخذ AutoSurfer "المسودة الأولية" للرحلة ويعطيها لوكيل ويب (روبوت ذكي) مع تلميح: "هذا هو المسار الذي سلكناه؛ الآن، قم بتنفيذ هذه المهمة بشكل مثالي".
- النتيجة: يقوم الوكيل بتنظيف المسار، وإزالة الخطوات غير الضرورية، والتأكد من أن التعليمات دقيقة بنسبة 100%. هذا يخلق "كتاباً مدرسياً" عالي الجودة للتدريب.
3. النتيجة: طالب متفوق
يحول AutoSurfer هذه المسارات النظيفة والمحققة إلى مجموعة بيانات لتدريب "نموذج لغوي كبير خاص بالموقع" (عقل روبوت مخصص لموقع واحد بعينه).
- الاختبار: اختبر الباحثون هذا على معيار يسمى WebArena (بيئة إنترنت محاكية تحتوي على مواقع مثل Reddit، ومتجر تسوق، ومستودع أكواد).
- النتيجة: الروبوت الذي تم تدريبه بواسطة AutoSurfer نجح في 24.23% من المهام. بينما حققت أفضل طريقة سابقة 19.59% فقط.
- التنوع: لم يكن أكثر دقة فحسب، بل تعلم أيضاً مجموعة أوسع من المهام. لم يتعلم الأشياء السهلة فقط؛ بل وجد الميزات العميقة والمعقدة للمواقع التي فاتتها الطرق الأخرى.
ملخص الاستعارة
فكر في تدريب وكيل ويب مثل تدريب موظف جديد في مبنى مكاتب ضخم ومربك.
- الأساليب القديمة أعطت الموظف خريطة توضح الردهة الرئيسية فقط وقالت له: "اذهب وابحث عن غرفة الاستراحة". فتاه في الطريق.
- AutoSurfer يرسل موظفاً خبيراً ليمشي في كل ممر، ويفتح كل باب، ويفحص كل خزانة، ويكتب دليلاً خطوة بخطوة بناءً على المشية الفعلية. ثم يرسل هذا الدليل إلى الموظف الجديد. يصل الموظف الجديد وهو يعرف بالضبط أين توجد غرفة الاستراحة، وكيف يصل إليها، وماذا يفعل عندما يصل إلى هناك.
يزعم البحث أنه من خلال كونه شاملاً ومنهجياً بهذا الشكل، فإن AutoSurfer ينشئ بيانات تدريب أفضل، مما يؤدي إلى وكلاء ويب أكثر دقة، وأقل عرضة لابتكار معلومات خاطئة، وقادرين على التعامل مع مهام معقدة متعددة الخطوات على الويب.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.