BrowserForge: Scaling Web Episode via Parallel Browser Sandboxes
يعتبر BrowserForge إطار عمل يعمل على توسيع نطاق توليد بيانات تفاعل الويب عالية الجودة من خلال تشغيل بيئات متصفح رملية متوازية عبر الويب المفتوح لإنشاء مجموعة متنوعة مكونة من 203,238 مساراً، مما يحسن بشكل كبير من أداء وكلاء الويب القائمين على البكسل في الاختبارات المعيارية الحية والثابتة.
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 برنامجاً حاسوبياً مصمماً لمساعدتك في تصفح الإنترنت، تماماً مثل مساعد رقمي يمكنه النقر على الأزرار، وكتابة النصوص، والتمرير عبر الصفحات لإكمال مهمة ما نيابة عنك. ولكي تتعلم هذه البرامج كيفية القيام بذلك، فإنها تحتاج إلى التدرب على مواقع ويب حقيقية، ومراقبة كيفية انتقال البشر من نقطة البداية إلى الهدف النهائي. وحتى الآن، كانت البيانات المستخدمة لتعليم هذه البرامج محدودة؛ حيث تم بناء معظم مجموعات التدريب من خلال تسجيل أفعال بشرية على قائمة صغيرة وثابتة من المواقع الشهيرة، أو من خلال إنشاء سيناريوهات وهمية بناءً على مجموعة ضيقة من الدروس التعليمية. وهذا يعني أن هذه البرامج تعلمت التنقل في جزء ضئيل جداً من الإنترنت، فكانت تعاني عندما تواجه موقعاً جديداً أو غير مألوف. لقد كانت مثل الطلاب الذين لم يدرسوا سوى كتاب مدرسي واحد فقط؛ فعندما يُقدم لهم كتاب مختلف، لا يعرفون كيفية قراءته.
لقد قام فريق من الباحثين الآن ببناء نظام يسمى "BrowserForge" لحل هذه المشكلة. فبدلاً من الاعتماد على قائمة صغيرة مختارة مسبقاً من المواقع الإلكترونية، جعلوا الإنترنت المفتوح بأكمله ساحة للتدريب. لقد أنشأوا شبكة ضخمة من مئات الحواسيب الافتراضية، يعمل كل منها بمتصفح ويب منفصل. أُرسلت هذه المتصفحات لزيارة مئات الآلاف من المواقع المختلفة والحقيقية الموجودة على الشبكة العامة. لم يكتفِ النظام بزيارة هذه الصفحات فحسب؛ بل حاول بنشاط تنفيذ مهام عليها. حيث قام وكيل ذكاء اصطناعي أول بالنظر إلى الصفحة وابتكر مهمة منطقية، مثل البحث عن مقال معين أو التحقق من سعر ما. ثم حاول وكيل ثانٍ إكمال تلك المهمة من خلال النقر والكتابة، مسجلاً كل حركة قام بها. وإذا اكتملت المهمة بنجاح، يتم حفظ سجل تلك الحركات كدرس تعليمي. أما إذا تعثر الوكيل أو فشل، فيتم التخلص من تلك المحاولة. تكررت هذه العملية مراراً وتكراراً، مما أدى إلى توليد أكثر من 200,000 مثال تعليمي فريد، كل منها مستمد من موقع ويب مختلف تماماً.
وجد الباحثون أن هذا النهج أنتج مجموعة بيانات أكبر بكثير وأكثر تنوعاً مما كان متاحاً من قبل. فبينما كانت مجموعات البيانات القديمة تحتوي فقط على بضعة آلاف من الأمثلة من بضع مئات من المواقع، غطت هذه المجموعة الجديدة ما يقرب من 200,000 موقع ويب متميز. وعندما استخدموا هذه البيانات الجديدة لتدريب نموذج حاسوبي مدمج وفعال، كانت النتائج فورية وجوهرية. فقد قفزت قدرة النموذج على إكمال المهام بنجاح على مواقع الويب الحية من حوالي 25 بالمئة إلى أكثر من 33 بالمئة. لم يكن هذا التحسن مجرد طفرة صغيرة؛ بل سمح لنموذج صغير نسبياً بأن يتفوق على أنظمة أكبر وأكثر تعقيداً تم تدريبها على بيانات قديمة وأضيق نطاقاً. وقد أظهرت الدراسة أن المفتاح وراء هذا التحسن لم يكن خدعة جديدة في كيفية تعليم النموذج، بل ببساطة في التنوع الهائل للمواقع التي رآها. فمن خلال تعريض النظام لواقع الإنترنت المفتوح الفوضوي وغير المتوقع، علم الباحثون النظام كيف يكون أكثر قدرة على التكيف.
اعتمد نجاح هذه الطريقة على عملية تنقية دقيقة. ونظراً لأن النظام كان يولد مهاماً ويحاول تنفيذها دون إشراف بشري، فقد فشلت العديد من المحاولات أو أنتجت سجلات غير منظمة. لذا، بنى الباحثون مرشحاً (فلتر) لإزالة هذه الأمثلة السيئة. استخدموا أولاً قواعد بسيطة لاستبعاد المحاولات التي سارت بشكل خاطئ بوضوح، مثل تلك التي لم تنتهِ أبداً. ثم استخدموا نظاماً ذكياً آخر لمراجعة المحاولات المتبقية والتأكد مما إذا كانت المهمة قد اكتملت بالفعل. وأخيراً، أعادوا كتابة المحاولات الناجحة في تنسيق واضح ومتسق حتى يتمكن نموذج التعلم من فهم المنطق وراء الأفعال. وقد ضمن ذلك أن يتعلم النموذج من أمثلة عالية الجودة بدلاً من الضجيج. وأكدت الدراسة أن تنوع المواقع كان المحرك الرئيسي للنجاح؛ فعندما اختبر الباحثون النموذج على أنواع مختلفة من المواقع والمهام، ظل التحسن ثابتاً، مما يشير إلى أن النموذج قد تعلم حقاً مهارات عامة بدلاً من مجرد حفظ صفحات محددة.
يوضح هذا العمل أن أفضل طريقة لتعليم الكمبيوتر كيفية تصفح الويب هي تركه يستكشف الويب بنفسه. فمن خلال أتمتة عملية زيارة المواقع الحقيقية ومحاولة تنفيذ مهام حقيقية، خلق الباحثون مجموعة تدريب تعكس التعقيد الحقيقي للإنترنت. والنتيجة هي مساعد رقمي أكثر كفاءة وموثوقية، يمكنه التعامل مع التخطيطات غير المتوقعة والميزات الفريدة لملايين المواقع الإلكترونية الموجودة اليوم. وتشير النتائج إلى أنه مع نمو كمية بيانات الويب المفتوح هذه، سيستمر أداء هذه الوكلاء في التحسن، مما يقربهم من هدف الوصول إلى مساعد ويب عالمي حقاً.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.