ثورة في أنظمة الذكاء الاصطناعي: بناء صورة معرفية متكاملة باستخدام نماذج لغوية ضخمة

في عالم الذكاء الاصطناعي المتسارع، تأتي ورقة بحثية جديدة لتقديم ثورة في كيفية بناء الأنظمة الذكية من خلال نموذج هجين يجمع بين نماذج لغوية ضخمة (LLMs) وطبقة ذاكرة أنطولوجية خارجية. في هذه العمارة الحديثة، لا تعتمد الأنظمة على المعرفة المعلمية فقط، بل تتسم بالقدرة على بناء وصيانة رسومات معرفية منظمة باستخدام تمثيلات RDF/OWL.

هذا النظام يمكّن من تحقيق تفكير مستدام، قابل للتحقق، ومبني على أسس دلالية. يتمثل الابتكار الأساسي في وجود خط أنابيب آلي يمكن من بناء أنطولوجيات من مصادر بيانات متنوعة مثل الوثائق، واجهات برمجة التطبيقات (APIs)، وسجلات الحوارات.

تعمل الأنظمة على التعرف على الكيانات، واستخراج العلاقات، وتطبيع البيانات، وتوليد ترايبِل، ثم يقوم النظام بالتحقق باستخدام قيود SHACL وOWL، مع تحديثات مستمرة للرسوم البيانية.

أظهرت التجارب، الخاصة بمهام التخطيط مثل معايير برج هانو، أن تحسين الأنطولوجيا يزيد من الأداء في سيناريوهات التفكير متعددة الخطوات مقارنة بالنظم التقليدية المبنية على نماذج لغوية ضخمة.

تساهم الطبقة الأنطولوجية أيضًا في التحقق الرسمي من المخرجات المتولدة، مما يحول النظام إلى خط أنابيب للتوليد، التحقق، والتصحيح. يهدف هذا النموذج إلى تجاوب مع النقاط الضعف الرئيسية في أنظمة LLM الحالية، مثل غياب الذاكرة طويلة الأمد، ضعف الفهم الهيكلي، وقدرات التفكير المحدودة.

بناءً على ذلك، يؤسس هذا المنهج مجالًا واسعًا لبناء أنظمة تعتمد على الوكلاء، وتطبيقات الروبوتات، وحلول الذكاء الاصطناعي للمنشآت، التي تتطلب معرفة مستدامة، وموثوقية في اتخاذ القرارات، ووضح في العمليات.