SkillAlchemy: Open-World Agent Skill Creation
تُعد SkillAlchemy إطار عمل مبتكر يعمل على أتمتة إنشاء مهارات الوكلاء في العوالم المفتوحة من خلال تحديد المتطلبات الضمنية عبر الأدلة التباينية وتجميع إجراءات مستندة إلى المصادر، محققةً أداءً يضاهي المهارات التي أعدها البشر ويتفوق بشكل كبير على النماذج المرجعية الحالية في اختبار SkillsBench.
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
في عالم الذكاء الاصطناعي المتطور بسرعة، هناك تميز متزايد بين ما يعرفه نموذج الكمبيوتر وما يمكنه فعله حقًا. لقد تدرّبت النماذج اللغوية الكبيرة على مكتبات هائلة من النصوص، مما منحها فهمًا عامًا وواسعًا للعالم. ومع ذلك، عندما يُطلب منها تنفيذ مهمة محددة ومتعددة الخطوات — مثل تحليل مجموعة بيانات معقدة أو التنقل في بيئة برمجية متخصصة — فإنها غالبًا ما تتعثر لأنها تفتقر إلى التعليمات الدقيقة والخطوات المحددة المطلوبة لتلك الوظيفة بعينها. ولجسر هذه الفجوة، طور الباحثون مفهوم "المهارات". فكر في المهارة ليس كمعرفة جديدة، بل كأداة قابلة لإعادة الاستخدام أو دليل إرشادي مكتوب مسبقًا يمكن للوكيل (agent) تحميله للتعامل مع سير عمل محدد. وتسمح هذه المهارات للذكاء الاصطناعي بالانتقال من تدريبه العام إلى تنفيذ إجراءات متخصصة، تمامًا كما يلتقط النجار إزميلًا محددًا لعمل قطع دقيق بدلاً من محاولة دق مسمار بمفك براغي. ولكي تكون هذه الأدوات مفيدة، يجب أن تكون موثوقة، ودقيقة، وقابلة للتطبيق في مجموعة واسعة من المواقف، وليس فقط في المثال الوحيد الذي بُنيت من أجله.
ومع ذلك، كان التحدي يكمكم في كيفية إنشاء هذه المهارات عندما تكون المهمة غير مألوفة. تقليديًا، كان إنشاء المهارة يتطلب من خبير بشري كتابة الدليل من الصفر، أو أن يتعلم الذكاء الاصطناعي من سجل لمحاولات ناجحة سابقة. ولكن ماذا يحدث عندما تكون المهمة جديدة، ولا يتوفر خبير بشري، ولا توجد محاولات سابقة للدراسة؟ في مثل هذه الحالات، غالبًا ما توجد المعلومات اللازمة مبعثرة عبر الإنترنت المفتوح في شكل وثائق، ومستودعات أكواد، ونقاشات في المنتديات. والمشكلة هي أن هذه المعلومات فوضوية؛ فهي غالبًا ما تُكتب لشخص معين، أو للحظة معينة، أو لإعداد حاسوبي محدد. وهي تحتوي على افتراضات ضمنية وتفاصيل محلية لا تنطبق على المهمة العامة المعنية. وإذا قام الذكاء الاصطناعي بمجرد نسخ هذه التعليمات، فإنه غالبًا ما ينشئ أداة شديدة الجمود، تفشل بمجرد تغير الموقف قليلًا.
اقترح فريق من الباحثين نهجًا جديدًا لحل هذه المشكلة، أطلقوا عليه اسم "SkillAlchemy" (خيمياء المهارات). وبدلاً من معاملة الإنترنت كمكتبة من الإجابات الجاهزة، يعاملونه كمصدر لأدلة خام يجب فحصها واختبارها بعناية قبل أن تصبح أداة قابلة للاستخدام. يبدأ منهجهم بطلب بسيط، وغالبًا ما يكون غامضًا، لمهارة ما، مثل "تخطيط رحلة" أو "معايرة نموذج". وبدلاً من البحث عن حل على الفور، يسأل النظام أولاً عما هو مفقود في هذا الطلب. فهو يحدد المتطلبات الضمنية التي لم يذكرها الطلب البشري، مثل الحاجة إلى التحقق من حدود الميزانية أو التحقق من توافق تنسيق ملف معين مع البرنامج المستخدم. ومن خلال تحويل هذه الأجزاء المفقودة إلى أسئلة محددة، يعرف النظام بالضبط ما الذي يجب البحث عنه في المحيط الشاسع للمعلومات عبر الإنترنت.
بمجرد أن يعرف النظام ما يبحث عنه، يقوم بجمع المعلومات من مصادر متنوعة، لكنه لا يقبل كل ما يجده. فقد صمم الباحثون عملية صارمة لتقرير أي قطع المعلومات جديرة بالثقة بما يكفي لتضمينها في المهارة النهائية. يبحث النظام عن أدلة تدعم إجراءً ما عبر مواقف مختلفة. فإذا كانت الطريقة تعمل فقط لنوع واحد محدد من أجهزة الكمبيوتر أو لمجموعة محددة من البيانات، فإن النظام يتعرف عليها كمثال محلي ويبقيها منفصلة عن التعليمات الرئيسية. وهو لا يرفع إجراءً إلى مرتبة القاعدة العامة إلا إذا أظهرت الأدلة أنه يعمل بشكل موثوق في سياقات متعددة. تعمل هذه العملية كمرشح (فلتر)، يفصل المبادئ العالمية عن التفاصيل المؤقتة. ثم يقوم النظام بتجميع التعليمات المعتمدة في حزمة مهيكلة، كاملة بخطوات واضحة، وفحوصات سلامة، وإشارات إلى الأدلة التي تدعم كل قرار.
اختبر الباحثون هذا المنهج على 87 مهمة مختلفة، تتراوح من هندسة البرمجيات والأعمال المكتبية إلى التحليل المالي والحوسبة العلمية. وقارنوا نظامهم بعدة طرق أخرى، بما في ذلك تلك التي تعتمد على مهارات مكتوبة بشريًا وتلك التي تستخدم أدوات مؤتمتة لتوليد التعليمات مباشرة من الإنترنت. وأظهرت النتائج أن المنهج الجديد تفوق بشكل كبير على النماذج المرجعية المؤتمتة. وعندما استخدمت الوكلاء المهارات التي أنشأها هذا النظام، نجحت في إكمال المهام بنسبة تزيد بنحو 20 نقطة مئوية عما كانت عليه عندما لم تكن لديها مهارات على الإطلاق. والأهم من ذلك، أن النظام قدم أداءً مشابهًا للمهارات التي يشرف عليها البشر، والتي تعتبر المعيار الذهبي. وفي المجمل، حقق النظام المؤتمت معدل نجاح أعلى بنسبة 1.5 نقطة مئوية من المهارات التي يشرف عليها البشر، رغم أن التحليل الإحصائي يشير إلى أن هذه النتائج متقاربة للغاية. بالإضافة إلى ذلك، حقق النظام أعلى أداء إجمالي في ثلاث من أربعة تكوينات (نماذج-وكلاء) تم اختبارها.
كما كشفت الدراسة عن سبب فشل المحاولات السابقة. فعندما كانت الأنظمة تأخذ المعلومات ببساطة من الويب دون التحقق من نطاقها، كانت غالبًا ما تدرج تعليمات شديدة التحديد أو مبنية على أدلة متضاربة. على سبيل المثال، قد تتضمن المهارة قاعدة تعمل فقط على إصدار معين من برنامج ما، مما يتسبب في فشل الوكيل عندما لا يكون هذا الإصدار متاحًا. وقد نجح المنهج الجديد في تجنب هذه الأفخاخ من خلال التحقق صراحةً مما إذا كان الإجراء مدعومًا بالأدلة عبر سيناريوهات مختلفة. كما أثبت متانة عند مواجهة معلومات مربكة أو مضللة؛ فعندما أدخل الباحثون وثائق متضاربة أو غير ذات صلة في عملية البحث، تجاهلها النظام بشكل صحيح، بينما قامت الطرق الأخرى بدمج تلك النصائح السيئة في مهاراتها النهائية.
يشير هذا العمل إلى تحول جوهري في كيفية بناء الوكلاء الأذكياء. فبدلاً من الأمل في أن يتمكن الذكاء الاصطناعي سحريًا من معرفة كيفية القيام بوظيفة جديدة، أو الاعتماد على البشر لكتابة كل دليل إرشادي، يمكننا تعليم الذكاء الاصطناعي أن يعمل كباحث دقيق. إنه يتعلم كيف يطرح الأسئلة الصحيحة، ويجمع الأدلة، ويميز بين القاعدة العامة والاستثناء المحلي. ومن خلال ربط إنشاء المهارات بالأدلة المتحقق منها بدلاً من النسخ المباشر، ينتج النظام أدوات تتسم بالمرونة والموثوقية. وقد وجد الباحثون أن هذا النهج يسمح للوكلاء بالتعامل مع المهام غير المألوفة بمستوى من الكفاءة لم يكن ممكناً في السابق إلا من خلال التدخل البشري. ورغم أن النظام ليس مثاليًا ولا يزال يعاني مع بعض المهام الإعلامية عالية التخصص، إلا أن النتائج تثبت أن إنشاء المهارات الموثوقة أمر ممكن حتى عندما تكون المعلومات الأولية غير كاملة والمصادر فوضوية. يكمن المفتاح ليس في إيجاد الإجابة المثالية فورًا، بل في العملية المنضبطة للتحقق مما هو حقيقي وما هو مجرد تفصيل محلي.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.