Collaborative Agent Reasoning Engineering (CARE): A Three-Party Design Methodology for Systematically Engineering AI Agents with Subject Matter Experts, Developers, and Helper Agents
تقدم الورقة البحثية هندسة التفكير الوكيل التعاوني (CARE)، وهي منهجية منهجية قائمة على مراحل مرحلية تستفيد من سير عمل ثلاثي الأطراف يضم خبراء في المجال، ومطورين، ووكلاء مساعدين من النماذج اللغوية الكبيرة، لتحويل المقاصد المجالية غير الرسمية إلى مواصفات صارمة وقابلة للتحقق لهندسة وكلاء ذكاء اصطناعي موثوقين في المجالات العلمية.
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 تحاول بناء روبوت مساعد عالي المهارة لمساعدة العلماء في العثور على بيانات محددة في مكتبة ضخمة. في الماضي، حاول الناس تعليم هذه الروبوتات عبر التحدث إليها فقط، وتخمين ما يجب قوله، والأمل في تحقيق أفضل النتائج. هذا يشبه محاولة تعليم كلب إجراء عمليات رياضية معقدة بمجرد الصراخ بكلمات عشوائية في وجهه؛ أحياناً ينجح الأمر، لكنه في الغالب يتحول إلى فوضى من التجربة والخطأ.
تقدم هذه الورقة البحثية CARE (هندسة التعاون بين الوكلاء في الاستنتاج)، وهي طريقة منضبطة وجديدة لبناء هؤلاء المساعدين من الذكاء الاصطناعي. بدلاً من التخمين، تعامل CARE عملية بناء الذكاء الاصطناعي كبناء جسر: أنت بحاجة إلى مخطط هندسي صارم، وفريق من الخبراء، وعملية تفتيش خطوة بخطوة.
إليك كيف تعمل CARE، مقسمة إلى مفاهيم بسيطة:
فريق الثلاثي الأطراف
لا تقتصر CARE على مجرد إنسان يتحدث إلى كمبيوتر. إنها حوار ثلاثي الأطراف بين:
- خبراء المجال (SMEs): وهم العلماء الذين يعرفون قواعد اللعبة (مثل: "نحن نثق فقط في البيانات من عام 2020"، أو "لا تخمن الإجابة أبداً").
- المطورون: وهم المهندسون الذين يعرفون كيفية بناء الروبوت.
- "الوكلاء المساعدون" (Helper Agents): هؤلاء هم مساعدو ذكاء اصطناعي متخصصون، مهمتهم الوحيدة هي مساعدة البشر على التواصل مع بعضهم البعض. فكر فيهم كـ كاتب محترف فائق الكفاءة أو مترجم. إنهم يستمعون للعلماء، ويطرحون أسئلة توضيحية، ويدونون القواعد في تنسيق واضح ومنظم يمكن للمطورين فهمه.
المشكلة: "الحدود المتعرجة"
توضح الورقة أن الذكاء الاصطناعي يشبه سلسلة جبال متعرجة. فأحياناً يكون ذكياً ومفيداً للغاية، وأحياناً أخرى يكون مشوشاً ويختلق حقائق. إذا كنت خبيراً، فأنت تعرف كيفية التنقل في المسارات الآمنة. أما إذا كنت مبتدئاً، فقد تضل طريقك نحو الهاوية. الهدف من CARE هو بناء الذكاء الاصطناعي ليعمل كخبير، بغض النظر عن هوية المستخدم.
عملية CARE: موقع بناء مكون من خمس خطوات
بدلاً من مجرد كتابة "أمر" (Prompt) والأمل في الحصول على أفضل نتيجة، تستخدم CARE عملية "بوابات مرحلية". وهذا يعني أنه لا يمكنك الانتقال إلى الخطوة التالية حتى يتم اعتماد الخطوة الحالية من قبل البشر.
- تحديد النطاق والتفكيك: يحدد الفريق الهدف. ما الذي يفترض أن يفعله هذا الروبوت بالضبط؟ يساعد "الوكيل المساعد" في كتابة الحدود.
- استقاء المعلومات الأساسية: يجمع الفريق "الأدوات" و"السياق". ما هي قواعد البيانات التي يمكن للروبوت الوصول إليها؟ وما الذي يجعل الإجابة صحيحة؟ يقوم "الوكيل المساعد" بتحويل هذه الإجابات إلى قائمة مراجعة.
- سياسة الاستنتاج والضوابब (Guardrails): هذا هو الجزء الأهم. يقرر الفريق كيف يفكر الروبوت. متى يجب عليه طلب المساعدة؟ متى يجب أن يقول "لا أعرف"؟ يقوم "الوكيل المساعد" بصياغة هذه القواعد، ويوافق عليها البشر.
- بنية الأوامر (Prompt Architecture): فقط بعد وضع القواعد، يقوم الفريق بكتابة التعليمات الفعلية (الأمر/البرومبت) للذكاء الاصطناعي. ولأن القواعد واضحة بالفعل، فإن "الأمر" ليس سوى ترجمة لتلك القواعد المعتمدة، وليس مجرد تخمين.
- القياس المرجعي والتحقق: قبل أن يبدأ الروبوت في العمل، يخضع لاختبار. يقوم الفريق بإنشاء مجموعة من الأسئلة لمعرفة ما إذا كان الروبوت يتبع بالفعل القواعد التي كتبوها.
تشبيه "الوكيل المساعد"
فكر في "الوكيل المساعد" كـ رئيس عمال في موقع بناء.
- العالم (خبير المجال) يقول: "أريد جداراً آمناً وقوياً".
- المطور يقول: "حسناً، سأقوم ببنائه".
- بدون وجود رئيس عمال، قد يختلفان حول معنى كلمة "قوي"، أو قد يبني المطور جداراً يبدو جيداً ولكنه ينهار.
- مع وجود الوكယ် المساعد، يتدخل قائلاً: "أيها العالم، هل تعني بكلمة 'قوي' أنه يمكنه تحمل 500 رطل؟ أيها المطور، هل خطتك تلبي شرط الـ 500 رطل هذا؟" ثم يقوم بتدوين المواصفات الدقيقة في عقد (الوثيقة/Artifact). وإذا تغيرت الخطة لاحقاً، يتم تحديث العقد، ويعرف الجميع بالضبط ما الذي تغير.
الاختبار الواقعي: دراسة حالة ناسا (NASA)
لإثبات فعالية ذلك، قام الفريق ببناء وكيل ذكاء اصطناعي لوكالة ناسا للبحث في كتالوج ضخم لبيانات علوم الأرض (مستودع البيانات الوصفية المشتركة في ناسا).
- المسابقة: قاموا ببناء وكيلين:
- الوكيل (أ) (وكيل CARE): تم بناؤه باستخدام عملية CARE الصارمة المكونة من 5 خطوات مع الوكيل المساعد.
- الوكيل (ب) (الأساس/Baseline): تم بناؤه بالطريقة "القديمة" (باستخدام نفس نموذج الذكاء الاصطناعي والأدوات، ولكن بدون عملية CARE الصارمة).
- النتائج:
- في اختبار آلي واسع النطاق شمل 621 سؤالاً، وجد وكيل CARE الإجابة الصحيحة أولاً بنسبة 71.7% من المرات، بينما نجحت الطريقة القديمة بنسبة 69.1% فقط.
- في اختبار أصغر وأصعب وضعه علماء ناسا الحقيقيون (43 سؤالاً)، وجد وكيل CARE الإجابة الصحيحة ضمن أفضل 5 نتائج بنسبة 27.2% من المرات، متفوقاً على الطريقة القديمة التي حققت 20.2%.
الخلاصة
تزعم الورقة أنه من خلال استخدام عملية منظمة يعمل فيها البشر و"الوكلاء المساعدون" معاً لكتابة قواعد واضحة قبل بناء الذكاء الاصطناعي، ستحصل على روبوت أكثر موثوقية، وأكثر أماناً، وأفضل أداءً. إنها تحول الفن الفوضوي لـ "هندسة الأوامر" (Prompt Engineering) إلى تخصص هندسي يمكن التنبؤ به.
ملاحظة هامة: اختبرت الورقة هذه الطريقة فقط في مجال البحث عن البيانات العلمية. ولا تدعي هذه الطريقة أنها تعمل في التشخيص الطبي، أو الاستشارات القانونية، أو غيرها من المجالات المحددة ما لم يتم ذكر تلك المجالات صراحة في أعمال مستقبلية، وهو ما لا تغطيه هذه الورقة. النجاح مقتصر تماماً على مثال البحث عن بيانات ناسا المقدم.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.