HyperAgent: Planning and Acting over Tool-Schema Hypergraphs for Tool-Use LLM Agents
تقدم الورقة البحثية HyperAgent، وهو إطار عمل مبتكر يستفيد من مخطط هيبيرغ (Hypergraph) موجه للأدوات والمخططات (Tool-Schema) لتوجيه التخطيط الديناميكي والتنفيذ الموجه نحو العجز، مما يؤدي إلى تحسين معدلات إكمال المهام والكفاءة لوكلاء النماذج اللغوية الكبيرة (LLM agents) في سيناريوهات استخدام الأدوات المعقدة مقارنة بالنماذج المرجعية الحالية.
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 قبطان سفينة فضاء، ولكن بدلاً من التوجيه باستخدام عصا تحكم واحدة، يتعين عليك قيادة أسطول من آلاف الروبوتات المختلفة، كل منها يتحدث لغة مختلفة ويمتلك مجموعة فريدة من الأدوات. هذا هو عالم "الوكلاء الذكيّين" (AI Agents)—وهي برامج حاسوبية ذكية مبنية على النماذج اللغوية الكبيرة (LLMs)، مصممة لأداء مهام في العالم الحقيقي من أجلنا، مثل حجز رحلة طيران، أو طلب البقالة، أو إدارة حسابك المصرفي. هؤلاء الوكلاء يشبهون مساعدين عباقرة لكنهم مشتتو الذهن قليلاً؛ يمكنهم فهم طلبك تماماً، ولكن عندما يتعلق الأمر بمعرفة كيفية تنفيذه، فإنهم غالباً ما يضلون الطريق. قد يحاولون استخدام أداة دون امتلاك المكونات اللازمة، أو قد ينسون أن أحد الروبوتات يجب أن ينهي مهمته قبل أن يبدأ الآخر. السؤال الكبير الذي يطرحه العلماء هو: كيف نمنع هؤلاء المساعدين الذكيّين من الاصطدام بالجدران ونساعدهم على التنقل في متاهة معقدة من الأدوات الرقمية دون أن يشعروا بالإرهاق؟
إليك HyperAgent، وهو أسلوب جديد يعمل مثل نظام GPS فائق الذكاء لهؤلاء الوكلاء الذكيّين. فبدلاً من ترك الذكاء الاصطناعي يخمن طريقه عبر مهمة ما عن طريق التجربة والخطأ، يقوم HyperAgent ببناء خريطة ضخمة وتفصيلية لكيفية اتصال جميع الأدوات ببعضها البعض قبل أن يبدأ الوكيل في التحرك حتى. فكر في الأمر كشيف (طاهٍ) ماهر لا يكتفي فقط بالنظر إلى الوصفة؛ بل يفحص أولاً خزانة الطعام، والثلاجة، والحديقة ليرى بالضبط ما هي المكونات التي لديه، وما هي الأدوات المطلة، وفي أي ترتيب يجب أن يحدث كل شيء. ومن خلال استخدام هذه "الخريطة"، يساعد HyperAgent الذكاء الاصطناعي على تخطيط خطواته بدقة، متجنباً الطرق المسدودة وموفراً قدراً هائلاً من الوقت والطاقة.
المشكلة: "لعبة التخمين" للذكاء الاصطناعي
في الوقت الحالي، تعمل معظم وكلاء الذكاء الاصطناعي بشكل يشبه شخصاً يحاول إصلاح محرك سيارة عن طريق ضرب الأجزاء عشوائياً بمطرقة حتى يعمل شيء ما. إنهم ينظرون إلى قائمة من الأدوات (مثل "إرسال بريد إلكتروني" أو "التحقق من رصيد البنك") ويحاولون تخمين أي منها سيستخدمون وبأي ترتيب. تكمن المشكلة في أن هذه الأدوات غالباً ما تعتمد على بعضها البعض. فلا يمكنك "إرسال بريد إلكتروني" إذا لم تقم أولاً بـ "تسجيل الدخول"، ولا يمكنك "تسجيل الدخول" إذا لم يكن لديك كلمة مرورك.
تعتمد الأساليب الحالية على عقل الذكاء الاصطناعي لاستنتاج هذه الروابط بمجرد قراءة الأوصاف. ولكن عندما يكون هناك مئات الأدوات، يصاب الذكاء الاصطناعي بالارتباك. فقد يحاول استخدام أداة تتطلب مدخلاً محدداً لا يملكه بعد، مما يؤدي إلى محاولة فاشلة. الأمر يشبه محاولة خبز كعكة دون التحقق مما إذا كان لديك بيض، ثم تدرك في منتصف العملية أنك بحاجة للذهاب لشرائه، لتكتشف لاحقاً أن المتجر قد أغلق. هذه "لعبة التخمين" تهدر الوقت، وتكلف المال (في قوة المعالجة الحاسوبية)، وغالباً ما تؤدي إلى فشل المهمة تماماً.
الحل: "المخطط الفائق للأدوات" (Tool-Schema Hypergraph)
قرر الباحثون وراء HyperAgent التوقف عن التخمين والبدء في رسم الخرائط. لقد أنشأوا شيئاً يسمى Tool-Schema Hypergraph. لفهم هذا، تخيل شبكة عنكبوتية ثلاثية الأبعاد ضخمة، حيث يمثل كل خيط فيها اتصالاً بين الأدوات.
في الخريطة العادية، قد ترسم خطاً من "الأداة أ" إلى "الأداة ب". ولكن في هذا "الرسم البياني الفائق" (Hypergraph) الجديد، تكون الاتصالات أكثر دقة. فهو لا يكتفي بالقول إن "الأداة أ تساعد الأداة ب"، بل يقول: "الأداة أ تنتج هذا المكون المحدد (مثل كلمة المرور)، وهو بالضبط ما تحتاجه الأداة ب لتبدأ". إنه يرسم مسار تدفق البيانات مثل تدفق المياه عبر الأنابيب، مما يضمن أن كل مخرج من أداة ما يتطابق تماماً مع المدخل المطلوب للأداة التالية.
لقد بنوا هذه الخريطة باستخدام مجموعة بيانات من العالم الحقيقي تضم 250 سيناريو مختلفاً تشمل تطبيقات مثل البريد الإلكتروني، والتسوق، وخدمات الموسيقى. حتى أنهم أضافوا "شروطاً مسبقة" إلى الخريطة—مثل معرفة أن أداة "إرسال رسالة" لا تعمل إلا إذا كنت قد "سجلت الدخول" بالفعل. هذا يخلق مخططاً ديناميكياً وحياً لكيفية عمل العالم الرقمي.
كيف يعمل HyperAgent: الرقصة الثلاثية الخطوات
بمجرد بناء هذه الخريطة، يستخدم HyperAgent في عملية ذكية مكونة من ثلاث خطوات لإنجاز المهمة:
- المستكشف (استخراج السياق): عندما تعطيه مهمة للذكاء الاصطناعي (مثلاً: "أرسل إيميل لزميلي في السكن بخصوص إيصال آخر طلب لنا")، لا ينظر HyperAgent إلى الشبكة الفوضوية بأكملها. بدلاً من ذلك، يستخدم الخريطة لتقليص النطاق واستخراج الأدوات والروابط ذات الصلة بهذه المهمة فقط. إنه ينشئ "DAG للمهمة" (مصطلح تقني يعني مخطط تدفق العمليات) يوضح الترتيب الدقيق للعمليات، مثل بطاقة وصفة تسرد كل خطوة وكل مكون مطلوب.
- البنّاء (التوسع الموجه نحو العجز): هنا يصبح HyperAgent ذكياً حقاً. بينما يبدأ الذكاء الاصطناعي في العمل، فإنه يتحقق من "حالته" الحالية—ما هي المعلومات التي يمتلكها الآن؟ إذا كان يحتاج إلى "ملف الإيصال" ولكنه لا يملكه بعد، يبحث HyperAgent في الخريطة ليجد الأداة الدقيقة التي تنتج ذلك الملف. إنه يبني شبكة فرعية مصغرة من الأدوات خصيصاً لهذا الجزء المفقود، مما يضمن أن الذكاء الاصطناعي لن يحاول أبداً القيام بشيء لا يستطيع القيام به بعد. إنه يشبه طاقم بناء يطلب فقط الطوب الذي يحتاجه للجدار الحالي، بدلاً من محاولة بناء المنزل بأكمله دفعة واحدة.
- الملاح (التنفيذ الديناميكي): مع إكمال الذكاء الاصطناعي للخطوات وجمعه لمعلومات جديدة (مثل العثور على الإيصال)، فإنه يقوم بتحديث حالته الداخلية. إذا حدث خطأ ما أو تغير الموقف، لا يصاب HyperAgent بالذعر. بل يعيد فحص الخريطة، ويعدل الخطة، ويجد مساراً جديداً للمضي قدماً. إنه يشبه نظام GPS الذي يعيد توجيهك فوراً عندما يرى ازدحاماً مرورياً، بدلاً من جعلك تقود في دوائر على أمل أن يزول الازدحام.
النتائج: أسرع، أذكى، وأرخص
اختبر الباحثون HyperAgent على معيار AppWorld، وهو مجموعة اختبار صارمة تضم 750 مهمة تتراوح من البسيطة إلى المعقدة جداً. وقارنوه بطرق ذكاء اصطناعي أخرى، بما في ذلك تلك التي تعتمد على التخمين (مثل ReAct) وتلك التي يتم تدريبها على أمثلة سابقة.
كانت النتائج مبهرة. لم ينجز HyperAgent مهاماً أكثر فحسب، بل فعل ذلك بكفاءة أكبر بكثير.
- معدل النجاح: في مجموعة الاختبار القياسية، أكمل HyperAgent 63.1% من المهام بنجاح، مقارنة بـ 48.8% لأفضل طريقة تالية. وفي مجموعة "التحدي" الأكثر صعوبة، أكمل 35.7% مقابل 30.2%.
- الكفاءة: ربما الأهم من ذلك، أن HyperAgent وفر قدراً هائلاً من الموارد. فقد استخدم 46,000 توكن (الكلمات الرقمية التي يعالجها الذكاء الاصطناعي) لكل مهمة، مقارنة بـ 140,000 للطريقة القياسية. كما قام بعدد أقل من استدعاءات API (الطلبات للأدوات الخارجية)، حيث انخفض من متوسط 75.1 استدعاء إلى 48.0.
بكلمات أبسط، لم يكن HyperAgent أكثر عرضة للنجاح فحسب، بل كان أيضاً يهدر وقتاً وطاقة حاسوبية أقل في الوصول إلى هناك. لقد تجنب حلقة "التجربة والخطأ" حيث يحاول الوكلاء الآخرون استخدام أداة، فيفشلون، ثم يجربون أداة أخرى، فيفشلون، وفي النهاية يستسلمون.
لماذا يهم هذا؟
تشير الورقة البحثية إلى أنه من خلال نمذجة كيفية اعتماد الأدوات على بعضها البعض بشكل صريح—بدلاً من الاعتماد على تخمين الذكاء الاصطناعي لهذه الروابط من النص وحده—يمكننا جعل وكلاء الذكاء الاصطناعي أكثر موثوقية. وجد الباحثون أنه عندما أزالوا "الخريطة" (سياق الرسم البياني) أو "البنّاء" (رسم الدعم البياني)، انخفض الأداء بشكل كبير. وهذا يثبت أن هيكل الخريطة أمر أساسي، وليس مجرد إضافة ثانوية.
بينما أُجريت هذه الدراسة في بيئة محاكية (مجموعة بيانات AppWorld)، فإن النتائج تشير إلى مسار واضح: وكلاء الذكاء الاصطناعي لا يحتاجون فقط إلى أن يكونوا أكثر ذكاءً في القراءة، بل يحتاجون أيضاً إلى فهم أفضل لـ هيكل الأدوات التي يستخدمونها. من خلال منحهم خريطة، نحن نوقفهم عن التسكع في الظلام ونساعدهم على التنقل في العالم الرقمي المعقد بثقة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.