نماذج ومنصات الذكاء الاصطناعي
معمل الوكيل: فريق بحث افتراضي من إيه إم دي وجامعة جونز هوبكنز
أضف Unite.AI إلى مصادرك المفضلة على Google
في حين كان الجميع يتحدثون عن وكلاء الذكاء الاصطناعي والآليّة، تعاونت إيه إم دي وجامعة جونز هوبكنز على تحسين كيفية تعاون البشر والذكاء الاصطناعي في البحث. إطارهم الجديد مفتوح المصدر، معمل الوكيل، هو إعادة تصور كاملة لكيفية تسريع البحث العلمي من خلال تعاون الإنسان والذكاء الاصطناعي.
بعد النظر في العديد من إطارات البحث بالذكاء الاصطناعي، يبرز معمل الوكيل لنهجه العملي. بدلاً من محاولة استبدال الباحثين البشر (مثل الحلول الموجودة)، يركز على تعزيز قدراتهم من خلال التعامل مع الجوانب المستهلكة للوقت في البحث مع الحفاظ على البشر في مقعد السائق.
الابتكار الأساسي هنا بسيط ولكن قوي: بدلاً من السعي إلى البحث المستقل (الذي يؤدي غالبًا إلى نتائج مشكوك فيها)، يخلق معمل الوكيل مختبرًا افتراضيًا حيث يعمل وكلاء الذكاء الاصطناعي المتخصصون معًا، كل منهم يتعامل مع جوانب مختلفة من عملية البحث مع الحفاظ على التوجيه البشري.
تفكيك المختبر الافتراضي
افكر في معمل الوكيل كفريق بحث منسق جيدًا، ولكن مع وكلاء الذكاء الاصطناعي يلعبون أدوارًا متخصصة. مثل مختبر البحث الحقيقي، لكل وكيل مسؤوليات وخبرات محددة:
- وكيل الدكتوراه يتعامل مع المراجعات الأدبية وتخطيط البحث
- وكلاء ما بعد الدكتوراه يساعدون في تحسين النهج التجريبية
- وكلاء مهندس التعلم الآلي يتعاملون مع التنفيذ الفني
- وكلاء الأستاذ يقيّمون ويسجلون مخرجات البحث
ما يجعل هذا النظام مثيرًا للاهتمام بشكل خاص هو سير العمل. على عكس أدوات الذكاء الاصطناعي التقليدية التي تعمل في العزلة، يخلق معمل الوكيل بيئة تعاونية حيث يتفاعل هؤلاء الوكلاء ويعملون على أساس عمل بعضهم البعض.
يتابع العملية تقدمًا طبيعيًا في البحث:
- مراجعة الأدب: يبحث وكيل الدكتوراه في الأوراق الأكاديمية باستخدام واجهة برمجة تطبيقات arXiv، وجمع وتنظيم البحث ذي الصلة
- صياغة الخطة: يتعاون وكلاء الدكتوراه ووكلاء ما بعد الدكتوراه في إنشاء خطط بحث مفصلة
- التنفيذ: يكتب وكلاء مهندس التعلم الآلي ويختبرون الشفرة
- التحليل والتوثيق: يعمل الفريق معًا لفهم النتائج وتوليد تقارير شاملة
ولكن هنا يأتي الأمر العملي: الإطار مرن من حيث الحوسبة، مما يعني أن الباحثين يمكنهم تخصيص الموارد بناءً على إمكانية الوصول إلى القوة الحاسوبية وقيود الميزانية. هذا يجعلها أداة مصممة للبيئات البحثية في العالم الحقيقي.
Schmidgall et al.
العامل البشري: حيث يلتقي الذكاء الاصطناعي بالخبرة
في حين أن معمل الوكيل يحتوي على قدرات آليّة مثيرة للإعجاب، فإن السحر الحقيقي يحدث في ما يسمونه “الوضع المشترك”. في هذا الإعداد، يمكن للباحثين تقديم ملاحظات في كل مرحلة من مراحل العملية، مما يخلق تعاونًا حقيقيًا بين الخبرة البشرية ومساعدة الذكاء الاصطناعي.
تكشف بيانات ملاحظات الوضع المشترك بعض الآراء المثيرة للاهتمام. في الوضع المستقل، حصلت الأوراق التي أنتجها معمل الوكيل على متوسط تقييم 3.8/10 في التقييمات البشرية. ولكن عندما شارك الباحثون في الوضع المشترك، قفزت تلك التقييمات إلى 4.38/10. ما هو مثير للاهتمام بشكل خاص هو حيث ظهرت هذه التحسينات – سجلت الأوراق درجات أعلى بكثير في الوضوح (+0.23) والتقديم (+0.33).
ولكن هنا يأتي الفحص الواقعي: حتى مع المشاركة البشرية، سجلت هذه الأوراق درجات أقل بمقدار 1.45 نقطة عن المتوسط المقبول في NeurIPS (الذي يصل إلى 5.85). هذا ليس فشلًا، ولكنه تعلم حاسم حول كيفية الحاجة إلى تكامل الذكاء الاصطناعي والخبرة البشرية.
كشفت التقييم عن شيء آخر مثير للاهتمام: قيم وكلاء المراجعة بالذكاء الاصطناعي الأوراق بدرجات أعلى بمتوسط 2.3 نقطة من وكلاء المراجعة البشرية. هذا الفجوة يبرز أهمية الحفاظ على الإشراف البشري في تقييم البحث.
Schmidgall et al.
تفكيك الأرقام
ما الذي يهم حقًا في بيئة البحث؟ التكلفة والأداء. يكشف نهج معمل الوكيل لمقارنة النماذج عن مكاسب كفاءة مثيرة للاهتمام في هذا الصدد.
برز GPT-4o كبطل السرعة، حيث أكمل سير العمل بأكمله في 1,165.4 ثانية فقط – وهذا أسرع 3.2 مرة من o1-mini و 5.3 مرة من o1-preview. ولكن ما هو أكثر أهمية هو أن التكلفة فقط 2.33 دولارًا لكل ورقة. بالمقارنة مع الطرق البحثية المستقلة السابقة التي تكلف حوالي 15 دولارًا، نحن ننظر إلى تخفيض التكلفة بنسبة 84٪.
النظر إلى أداء النموذج:
- سجل o1-preview أعلى درجات في الفائدة والوضوح
- حقق o1-mini أعلى درجات جودة تجريبية
- GPT-4o تأخر في المعايير ولكن قاد في الكفاءة التكلفية
الآثار الواقعية هنا هامة.
يمكن للباحثين الآن اختيار نهجهم بناءً على احتياجاتهم المحددة:
- هل تحتاج إلى النمذجة السريعة؟ يقدم GPT-4o السرعة والكفاءة التكلفية
- هل تُعطي الأولوية لجودة التجربة؟ قد يكون o1-mini هو الخيار الأمثل
- هل تبحث عن الإخراج الأكثر تحسينًا؟ يظهر o1-preview وعدًا
تتيح هذه المرونة لفريق البحث تعديل الإطار وفقًا لمواردهم ومتطلباتهم، بدلاً من أن يكونوا مقيدون بحل واحد يناسب الجميع.
فصل جديد في البحث
بعد النظر في قدرات معمل الوكيل والنتائج، أنا مقتنع بأننا ننظر إلى تحول كبير في كيفية إجراء البحث. ولكنها ليست رواية الاستبدال التي غالبًا ما تهيمن على العناوين – إنها شيء أكثر دقة وقوة.
في حين أن أوراق معمل الوكيل لا تصل بعد إلى معايير الأفضلية في المؤتمرات الرائدة بمفردها، فإنها تخلق نمطًا جديدًا لتسريع البحث. افكر في الأمر كفريق من مساعدي البحث بالذكاء الاصطناعي الذين لا ينامون، كل منهم متخصص في جوانب مختلفة من العملية العلمية.
الآثار على الباحثين هي عميقة:
- يمكن توجيه الوقت الذي يتم إنفاقه على المراجعات الأدبية والبرمجة الأساسية إلى التخيل الإبداعي
- يمكن أن تصبح أفكار البحث التي قد تم إهمالها بسبب قيود الموارد قابلة للتطبيق
- يمكن أن يؤدي القدرة على النمذجة السريعة واختبار الفرضيات إلى تحقيق اختراقات أسرع
القيود الحالية، مثل الفجوة بين تقييمات الذكاء الاصطناعي والبشرية، هي فرص. كل تكرار لهذه الأنظمة يbringنا أقرب إلى تعاون أكثر تطورًا في البحث بين البشر والذكاء الاصطناعي.
فيما يلي، أرى ثلاثة تطورات رئيسية يمكن أن يغير شكل الاكتشاف العلمي:
- ستظهر أنماط تعاون أكثر تطورًا بين البشر والذكاء الاصطناعي مع تعلم الباحثين كيفية استغلال هذه الأدوات بشكل فعال
- يمكن أن يؤدي التوفير في التكلفة والوقت إلى ديمقراطية البحث، مما يسمح للمعامل الصغيرة والمؤسسات بالسعي وراء مشاريع أكثر طموحًا
- يمكن أن تؤدي القدرة على النمذجة السريعة إلى المزيد من النهج التجريبية في البحث
مفتاح تحقيق هذا الإمكانية هو فهم أن معمل الوكيل والإطارات المماثلة هي أدوات لتكبير القدرات، وليست آليّة. مستقبل البحث ليس حول الاختيار بين الخبرة البشرية وقدرات الذكاء الاصطناعي – إنها حول إيجاد طرق مبتكرة لدمجها.
