MUSE-Autoskill: Self-Evolving Agents via Skill Creation, Memory, Management, and Evaluation
تقدم الورقة البحثية MUSE-Autoskill، وهو إطار عمل لوكيل ذاتي التطور يعزز قدرات حل المهام من خلال إدارة المهارات عبر دورة حياة موحدة من الإنشاء، والذاكرة، والإدارة، والتقييم، والتحسين، مع التعامل معها كأصول طويلة الأمد وواعية بالخبرة لتحسين قابلية إعادة الاستخدام، والموثوقية، ونقل المهارات عبر المهام.
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 أن لديك مساعداً عبقرياً ولكنه نساي جداً (الوكيل الذكي). عندما تطلب منه حل مشكلة معقدة، مثل إصلاح أنبوب مسرب أو تنظيم جدول بيانات ضخم، فإنه عادة ما يحاول اكتشاف الأمر من الصفر في كل مرة. قد يقرأ الدليل، ويجرب بعض الأشياء، ويفشل، ثم يقرأ الدليل مرة أخرى، ويجرب شيئاً آخر. هذا الأمر بطيء، ومكلف، وغالباً ما يرتكب نفس الأخطاء مراراً وتكراراً.
تقدم الورقة البحثية MUSE-Autoskill، وهي طريقة جديدة لمساعدة هذا المساعد على التعلم والنمو. بدلاً من أن يكون مجرد "عقل ذكي"، تحول MUSE المساعد إلى حرفي ماهر يمتلك ورشة عمل شخصية.
إليك كيف يعمل ذلك، مقسماً إلى مفاهيم بسيطة:
1. المشكلة: نهج "المرة الواحدة"
حالياً، تعامل معظم المساعدات الذكية كل مهمة كأنها مغامرة جديدة تماماً. إذا اكتشفوا كيفية حل خطأ معين في الكمبيوتر، فإنهم لا "يحفظون" تلك المعرفة حقاً. في المرة القادمة التي تطلب فيها ذلك، يتعين عليهم إعادة تعلم الأمر. الأمر يشبه طباخاً يطهو لازانيا مثالية، يأكلها، ثم ينسى الوصفة بالكامل، مما يضطره لتخمين المكونات مرة أخرى للزبون التالي.
2. الحل: "ورشة المهارات"
تغير MUSE قواعد اللعبة من خلال منح المساعد ورشة عمل حيث يمكنه بناء، وتخزين، وصقل المهارات.
فكر في المهارة ليس كتعويذة سحرية، بل كـ مجموعة أدوات كاملة ومسبقة التجهيز.
- الوصفة (SKILL.md): مجموعة واضحة من التعليمات حول ما تفعله الأداة.
- الأدوات (السكربتات/النصوص البرمجية): الكود الفعلي أو الخطوات اللازمة للقيام بالمهمة.
- فحص الجودة (الاختبارات): مفتش مدمج يتأكد من أن الأداة تعمل قبل وضعها على الرف.
- المفكرة (.memory.md): سجل شخصي حيث يكتب المساعد: "مهلاً، هذه الأداة تعمل بشكل رائع، ولكن إذا كان الملف كبيراً جداً، فإنها تتعطل. لقد تعلمت ذلك بالطريقة الصعبة".
3. دورة الحياة المكونة من خمس خطوات (روتين الحرفي)
تصف الورقة البحثية حلقة مستمرة يستخدمها MUSE لإدارة هذه المهارات، بشكل يشبه الطريقة التي يدير بها النجار الماهر أدواته:
- الإنشاء (بناء الأداة): عندما يواجه المساعد مشكلة لا يمكنه حلها بالأدوات الموجودة، فإنه لا يخمن فقط. بل يتوقف ويقول: "أنا بحاجة إلى أداة جديدة". يقوم ببناء حزمة مهارة جديدة في تلك اللحظة.
- الذاكرة (السجل الشخصي): في كل مرة تُستخدم فيها مهارة، يكتب المساعد ملاحظة في مفكرتها الخاصة. هل نجحت؟ هل فشلت؟ هل كانت بطيئة؟ هذه هي ذاكرة مستوى المهارة. الأمر يشبه ميكانيكياً يكتب "هذا المفتاح يكسر البراغي إذا أدرته بسرعة كبيرة" على مقبض المفتاح نفسه.
- الإدارة (تنظيم الرف): يحافظ المساعد على ترتيب ورشته. إذا كانت هناك أداتان تقومان بنفس الشيء، فإنه يدمجهما. إذا كانت الأداة مكسورة ولا تعمل أبداً، فإنه يرميها. إنه يحتفظ بأفضل الأدوات جاهزة للاستخدام.
- التقييم (مفتش السلامة): قبل أن يُسمح لأي أداة جديدة بالوصول إلى الرف، يجب أن تجتاز اختباراً صارماً. يقوم المساعد بتشغيل الأداة في بيئة معزولة وآمنة (sandbox). إذا فشلت الاختبار، تُرسل الأداة إلى ورشة العمل لإصلاحها. لا تصل الأداة إلى الرف أبداً حتى تصبح مثالية.
- الصقل (تلميع الأداة): إذا فشلت أداة في اختبار أو في مهمة واقعية، فلا يستسلم المساعد فحسب. بل ينظر إلى الخطأ، ويصلح الكود، ويحاول مرة أخرى. تصبح الأداة أفضل بمرور الوقت.
4. خدعة "المدى الطويل"
إحدى أكبر المشكلات التي تواجه الذكاء الاصطناعي هي "مدى الانتباه" المحدود (نافذة السياق). إذا كانت المهمة تستغرق 50 خطوة، فقد ينسى الذكاء الاصطناعي ما فعله في الخطوة الأولى بحلول وصوله إلى الخطوة الخمسين.
تحل MUSE هذه المشكلة باستخدام الضغط التكيفي (Adaptive Compression). تخيل أنك تكتب قصة طويلة. بدلاً من الاحتفاظ بكل كلمة كتبتها، تقوم بتلخيص الفصول الوسطى في فقرة قصيرة مع الاحتفاظ بالبداية والنهاية بالتفصيل. تقوم MUSE بذلك تلقائياً. فهي تحتفظ بأهم أجزاء المحادثة وتلخص الأجزاء الوسطى، بحيث لا يفقد الذكاء الاصطناعي مكانه أبداً، حتى في المهام الطويلة جداً.
5. النتائج: ماذا حدث في المختبر؟
اختبر الباحثون هذا النظام على SkillsBench، وهي مجموعة من 51 مهمة من واقع الحياة (مثل تحليل البيانات، أو إصلاح الكود، أو التخطيط للعمليات).
- المعيار البشري: حتى عندما أعطوا الذكاء الاصطناعي أدوات صنعها بشر، كان مساعد MUSE هو الأفضل أداءً. لقد كان أفضل من غيره من نماذج الذكاء الاصطناعي في قراءة التعليمات واستخدام الأدوات.
- معجزة "التعلم الذاتي": الجزء الأكثر إثارة؟ استطاع مساعد MUSE تعليم نفسه.
- حاول تنفيذ مهمة بدون أي أدوات.
- عندما نجح، قام ببناء مهارة من هذا النجاح.
- ثم استخدم تلك المهارة التي صنعها بنفسه لتنفيذ المهمة مرة أخرى.
- النتيجة: في المهام التي كان بإمكانه بناء مهارة لها، قفزت دقته من حوالي 53% إلى ما يقرب من 88%. لقد أصبح بالفعل أفضل من البشر الذين كتبوا الأدوات الأصلية.
- المشاركة هي العطاء: أفضل جزء هو أن هذه المهارات ليست محبوسة داخل ذكاء اصطنا واحد. أخذ الباحثون مهارة بناها MUSE وأعطوها لذكاء اصطناعي آخر (اسمه Hermes). أصبح Hermes فوراً أفضل بكثير في تلك المهمة، مما أثبت أن المهارات تشبه الأدوات العالمية التي يمكن لأي عامل ذكي التقاطها واستخدامها.
ملخص التشبيه
تخيل متدرباً مبتدئاً (ذكاء اصطناعي قياسي) مقابل حرفي ماهر (MUSE-Autoskill).
- المتدرب يحاول إصلاح كل آلة مكسورة عن طريق قراءة الدليل من الصفحة الأولى في كل مرة. إنه بطيء، يرتكب الأخطاء، وينسى ما تعلمه بالأمس.
- الحرفي الماهر لديه ورشة عمل.
- عندما يواجه مشكلة جديدة، فإنه يبني أداة مخصصة لها.
- يقوم باختبار الأداة للتأكد من أنها تعمل.
- يدون ملاحظات على الأداة حول أفضل طريقة لاستخدامها.
- ينظم رفوفه لكي يجد الأداة المناسبة فوراً في المرة القادمة.
- إذا انكسرت أداة، فإنه يصلحها ويجعلها أقوى.
تظهر الورقة البحثية أنه من خلال منح الذكاء الاصطناي هذه "الورشة" والقدرة على بناء أدواته الخاصة، يصبح أسرع بكثير، وأكثر دقة، وقادراً على حل مشكلات أصعب بكثير مما كان عليه من قبل.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.