MANTA: Multi-Agent Network Topology Adaptation for Self-Evolving Multi-Agent Systems
يُعد MANTA إطار عمل مبتكر يُمكّن الأنظمة متعددة الوكلاء من تطوير شبكة اتصالاتها ذاتياً عند وقت الاستنتاج عبر التكيف ديناميكياً مع أدوار الوكلاء، والروابط، وسير العمل بناءً على آثار التعاون، مما يحقق أداءً فائقاً عبر مهام متنوعة ومعقدة مقارنة بالنماذج المرجعية الثابتة أو المحسّنة مسبقاً.
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 عالماً لا يقتصر فيه حل لغز ضخم وفوضوي على امتلاك عقل واحد فائق الذكاء، بل يعتمد على جعل فريق كامل من المتخصصين يعملون معاً. هذا هو جوهر الأنظمة متعددة الوكلاء (Multi-Agent Systems)، وهو موضوع ساخن في مجال الذكاء الاصطناعي حيث تتعاون عدة "وكلاء" ذكاء اصطناعي (فكر فيهم كعمال رقميين) لمعالجة مشكلات معقدة. بدلاً من روبوت واحد يحاول القيام بكل شيء، لديك مخطط، وباحث، وناقد، ومدقق، جميعهم يتجاذبون أطراف الحديث ويتبادلون الملاحظات. لفترة طويلة، اعتقد العلماء أن أفضل طريقة لتنظيم هذا الفريق هي رسم خريطة ثابتة قبل بدء اللعبة: "أنت تتحدث مع هذا، وأنت تتحدث مع تلك، ولا تتحدث أبداً مع هذا". الأمر يشبه بناء مصنع بخط تجميع جامد لا يمكنه التغيير، بغض النظر عن نوع المنتج الذي يمر عبر الحزام. ولكن ماذا لو استطاع المصنع أن ينظر إلى آلة معطلة ويعيد تصميم خط التجميع فوراً أثناء العمل؟ هذا هو السؤال الكبير الذي تطرحه هذه الورقة البحثية: هل يمكن لفريق من وكلاء الذكاء الاصطناعي إعادة تنظيم هيكل اتصالاته الخاص أثناء حل مهمة ما، تماماً كما قد يغير فريق رياضي تشكيلته من الدفاع إلى الهجوم عندما تشتد المباراة؟
إليك MANTA (تكييف طوبولوجيا الشبكة متعددة الوكلاء)، وهو إطار عمل جديد يسمح لفرق الذكاء الاصطناعي بـ "تطوير ذاتي" لخريطة اتصالاتها أثناء حل مهمة ما. فكر في MANTA ليس كروبوت واحد، بل كقائد أوركسترا ديناميكي يراقب الأوركسترا وهي تعزف. إذا سمع القائد عازف كمان يكافح لمواكبة الإيقاع، فهو لا يكتفي بإخبار العازف بأن يحاول بجهد أكبر؛ بل قد يعيد ترتيب مخطط الجلوس فوراً، أو يضيف عازف كمان ثانٍ إلى ذلك القسم، أو يغير من يستمع إلى من. في الورقة البحثية، يوضح المؤلفون أن MANTA يبدأ بخطة بناءً على خبرات سابقة، ولكن بينما يعمل الوكلاء، يقوم "مدقق" خاص بمراقبة المحادثة بحثاً عن علامات المشاكل — مثل اتفاق الفريق بسرعة كبيرة دون التحقق من الحقائق، أو تعرض أحد العمال لضغط زائد بسبب كثرة المهام. عندما يتم رصد مشكلة، يقوم MANTA بإجراء تغيير صغير وآمن في هيكل الفريق: قد يقوم بتقسيم عامل مشغول إلى فريق فرعي صغير، أو إضافة "ناقد" جديد للتدقيق في الإجابات، أو تغيير الترتيب الذي يتحدث به الوكلاء.
النتائج واعدة للغاية. اختبر الباحثون MANTA في خمسة أنواع مختلفة من التحديات، تتراوح بين البحث عن المعلومات على الويب وحل المسائل الرياضية وتخطيط سير العمل المعقد. وفي جميع الحالات، حقق MANTA متوسط درجة بلغ 74.0، متفوقاً على أفضل طريقة تالية بفارق 5.8 نقطة مئوية. وقد كان بارعاً بشكل خاص في تحدي تخطيط يسمى PlanCraft، حيث حقق أعلى درجة. تشير الورقة إلى أن هذا التحسن يأتي من قدرة النظام على إصلاح الخلل التنظيمي الخاص به في الوقت الفعلي، بدلاً من مجرد المحاولة بجهد أكبر باستخدام نفس الإعداد المعطل. ومن المثير للاهتمام أن النظام لم يتحسن فحسب، بل استخدم أيضاً عدداً أقل من "التوكنز" (العملة الرقمية لتفكير الذكاء الاصطناعي) مقارنة بالعديد من الأنظمة المعقدة متعددة الوكلاء، مما يثبت أن الهيكل المرن يمكن أن يكون أكثر كفاءة من الهيكل الجامد.
ومع ذلك، تحرص الورقة على توضيح ما ليس عليه MANTA. فهو لا يغير "الدماغ" الفعلي أو أوزان نماذج الذكاء الاصطناعي نفسها؛ إذ تظل ذكاءات الوكلاء ثابتة. بدلاً من ذلك، هو يغير فقط كيفية تنظيمهم. وجد المؤلفون أيضاً أنه بينما يتفوق النظام في إصلاح المشكلات الهيكلية (مثل نقص التدقيق أو تكرار الجهد)، فإنه ليس عصا سحرية لكل خطأ. فإذا اتفق الوكلاء على إجابة خاطئة لأنهم جميعاً أغفلوا نفس الدليل، فقد لا يكتشف النظام ذلك، لأن "العملية" بدت نظيفة حتى لو كانت النتيجة خاطئة. ولكن بالنسبة للمشكلة المحددة المتعلقة بالحفاظ على تنظيم الفريق وقدرته على التكيف، يشير MANTA إلى أن السماح للهيكل بالتطور أثناء العمل هو وسيلة قوية للحصول على نتائج أفضل دون الحاجة إلى إعادة تدريب الذكاء الاصطناعي من الصفر. إنها خطوة نحو أنظمة ذكاء اصطناعي لا تكتفي بالتفكير فحسب، بل تعرف أيضاً كيف تعيد تنظيم عملها الجماعي عندما تسوء الأمور.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.