تحسين المهارات باستخدام خوارزمية البحث الشجري مMonte Carlo: استراتيجيات جديدة للذكاء الاصطناعي

في عالم الذكاء الاصطناعي، تعتبر المهارات (skills) بمثابة مجموعات منظمة من التعليمات والأدوات والمصادر الداعمة، التي تُسهم في تمكين النماذج اللغوية الكبيرة (Large Language Models) من تنفيذ مهام معينة بكفاءة. ومع ذلك، أثبتت الأبحاث أن تصميم هذه المهارات يمكن أن يؤثر بشكل كبير على أداء الوكالات.

تحدّدت مشكلة تحسين المهارات كأحد التحديات المعقدة، حيث يتطلب ذلك تصميمًا منهجيًا يجمع بين هيكل المهارة ومحتوى كل مكون منها. ولذا، تمثل هذه العملية مساحة قرار معقدة تتسم بالاعتمادية المتبادلة بين الهيكل والمكونات.

لتجاوز هذه التحديات، تم اقتراح إطار عمل لتحسين المهارات يرتكز على مفهوم تحسين ثنائي المستويات. في هذا النهج، تقوم الحلقة الخارجية باستخدام خوارزمية البحث الشجري مMonte Carlo لتحديد الهيكل الأمثل للمهارة، بينما تقوم الحلقة الداخلية بتحسين محتوى المكونات داخل الهيكل المحدد. وبتوظيف النماذج اللغوية الكبيرة لمساندة عملية التحسين، تمكنا من تحسين أداء وكالات الذكاء الاصطناعي بشكل ملحوظ.

تجري التجارب على مجموعة بيانات مفتوحة تُعنى بالإجابة على الأسئلة في مجال بحوث العمليات، أظهرت النتائج التجريبية أن إطار العمل الجديد يُحسّن من أداء الوكالات التي تمتلك المهارات المُحسّنة.

استعدّوا للمضي قدمًا في رحلة جديدة من الابتكار في حقول الذكاء الاصطناعي، فالأفق أمامنا لا يزال واعدًا.