Habr AI: وكلاء LLM ذاتيو التنظيم تفوقوا على الأنظمة الهرمية بنسبة 14%
أظهرت تجربة مع وكلاء LLM أنهم لا يحتاجون دائماً إلى أدوار محددة ومنسق. خلال ستة أشهر مع 25 ألف مهمة، تفوق نظام بتوزيع ديناميكي للوظائف على النسخة الهرمية…
معالج بواسطة الذكاء الاصطناعي من Habr AI؛ بتحرير Hamidun News
أظهرت تجربة مع وكلاء LLM أن المنطق التنظيمي التقليدي ينتقل بشكل سيء إلى أنظمة الذكاء الاصطناعي. إذا لم تفرض على الوكلاء أدوار من الأعلى، بل تركتهم يختارون تخصصهم ومستوى مشاركتهم بأنفسهم، تتحسن جودة الحلول.
كيفية اختبار الفرضية
أمضى الباحثون ستة أشهر في اختبار أنماط تنسيق مختلفة على 25000 مهمة، باستخدام 8 نماذج وفريق يضم حتى 256 وكيل. كان السؤال الرئيسي بسيطاً: هل ينطبق على الذكاء الاصطناعي نفس النهج الذي ينجح مع الناس—النهج الذي يتضمن منسقاً وأدواراً محددة وهيكلاً معروفاً مسبقاً؟ للتحقق من ذلك، قارنوا عدة أنماط تشغيل—من الفريق المصمم بصرامة إلى الأنظمة التي يقرر فيها الوكلاء بأنفسهم من ومتى يشاركون في مهمة.
في نمط التنظيم الذاتي، لا يتلقى الوكيل علامة مثل محلل أو محرر أو مراجع قبل بدء العمل. بدلاً من ذلك، ينظر إلى المهمة المحددة، ويقيّم حيث يمكن أن يكون مفيداً، ويختار التخصص بناءً على الحالة. علاوة على ذلك، يمكن للوكيل أن يختار عدم المشاركة إذا لم تحسن مساهمته النتيجة. هذا تحول مهم: بدلاً من الانضباط والطاعة، يعتمد النظام على القرارات المحلية لكل مشارك ويجميعها في استراتيجية عامة.
لماذا خسرت الهرمية
تبدو النتيجة الرئيسية للدراسة قاسية: تخصيص الأدوار مسبقاً هو نمط مضاد. النظام الذي وزع فيه الوكلاء الوظائف بشكل مستقل تفوق على النسخة التي تحتوي على منسق بنسبة 14%. السبب ليس مرونة فقط. عندما يكون الدور محدداً مسبقاً، يبدأ الوكيل في تكييف سلوكه مع القالب، حتى لو كانت المهمة تتطلب نوعاً مختلفاً من التفكير. نتيجة لذلك، يعمل بعض المشاركين ليس حيث يقدمون أقصى قيمة، بل حيث وضعهم معماري النظام ذات مرة.
تخصيص الأدوار هو نمط مضاد.
النتيجة الأكثر دلالة لا تتعلق بالنسب المئوية، بل بتنوع السلوك. أنشأ 8 وكلاء فقط 5006 أدوار فريدة خلال التجربة—أكثر بكثير مما يضعه الشخص عادةً في تصميم هذا النظام. هذا ليس فوضى، بل تخصص دقيق ديناميكي: يمكن للوكيل نفسه البحث عن الحقائق في حالة واحدة، وتوضيح المتطلبات في حالة أخرى، والصمت في الثالثة. الحق نفسه في عدم المشاركة، عندما تكون قيمة المساهمة منخفضة، حسّن بشكل منفصل جودة الإجابات النهائية.
ممارسة للفريق
بالنسبة لمطوري الأنظمة متعددة الوكلاء، يترتب على ذلك مجموعة عملية جداً من القواعد. إذا كانت المهمة تتغير من حالة إلى أخرى، فإن الهيكل التنظيمي الصارم يبدأ في الإعاقة بدلاً من المساعدة. بدلاً من الهرميات المعقدة، من الأفضل تصميم آليات الاختيار: من يتولى المهمة، كيف يشير الوكيل إلى كفاءته، ومتى يجب أن يغادر العملية. خلاف ذلك، يتحول الفريق المكون من وكلاء بسرعة إلى نسخة رقمية من قسم الشركة مع كل موافقاته غير الضرورية.
- لا تحدد الأدوار حيث تختلف المهام بشكل كبير عن بعضها البعض
- أعط الوكلاء القدرة على اختيار تخصصهم الخاص لطلب محدد
- اسمح لهم بالاختيار من عدم المشاركة إذا كانت الثقة منخفضة أو ستكون المساهمة مكررة
- قيّم ليس فقط طاعة النظام، بل أيضاً جودة التنظيم الذاتي
- صمم التوسع من المجموعات الصغيرة إلى المجموعات الكبيرة دون تغيير مبدأ التنسيق
تكمن القيمة العملية للعمل في أنه لا يقتصر على نظرية جميلة حول السلوك الناشئ. فهو يوفر توصيات مباشرة لمن يبنون خطوط أنابيب الذكاء الاصطناعي والمساعدات والمنصات الموجهة للوكيل: إدارة يدوية أقل، قواعد أكثر للاختيار المحلي. هذا النهج مهم بشكل خاص حيث تكون المهام غير متجانسة، والسياق يتغير بسرعة، وتكلفة خطوة إضافية مرتفعة. في هذه الظروف، يتبين أن التنظيم الذاتي ليس غريباً في البحث، بل طريقة للحصول على نتائج أفضل مع نفس مجموعة النماذج.
ماذا يعني هذا
بالنسبة للسوق، هذا يشير إلى أن المرحلة التالية من تطور نظم الوكلاء مرتبطة ليس بزيادة تعقيد الهرمية، بل بتصميم بيئة حيث يمكن للوكلاء التفاوض بدون رئيس صارم. إذا تأكدت نتائج التجربة في المنتجات التطبيقية، فستعيد العديد من الفريق النظر في بنية مساعدات الذكاء الاصطناعي: من مجموعة أدوار معينة مسبقاً إلى تنسيق أكثر مرونة وقابلية للتكيف واقتصاداً.
هل تريد التوقف عن قراءة الذكاء الاصطناعي والبدء باستخدامه؟
AI News هو موجز منسق لأخبار الذكاء الاصطناعي. تعلمك Hamidun Academy استخدام الذكاء الاصطناعي في عملك.