ما وراء ChatGPT؛ وكلاء الذكاء الاصطناعي: عالم جديد من العمال

مع تقدم التعلم العميق ومعالجة اللغة الطبيعية والذكاء الاصطناعي، نحن في فترة زمنية يمكن فيها لوكلاء الذكاء الاصطناعي أن يشكلوا جزءًا كبيرًا من القوى العاملة العالمية. يمتد هؤلاء الوكلاء، الذين يتجاوزون محادثات البوتات ومساعدي الصوت، ليشكلوا نمطًا جديدًا للصناعات وحياتنا اليومية. ولكن ما يعني حقًا العيش في عالم معزز بهؤلاء “العاملين”؟ يغوص هذا المقال глубоко في هذا المنظر المتطور، لتقييم الآثار والاحتمالات والتحديات التي تقع في المستقبل.

ملخص سريع: تطور العمال الذكاء الاصطناعي

قبل فهم الثورة الوشيكة، من المهم التعرف على التطور الموجه بالذكاء الاصطناعي الذي حدث بالفعل.

• أنظمة الحوسبة التقليدية: بدأ الرحلة من الخوارزميات الحاسوبية الأساسية. يمكن لهذه الأنظمة حل المهام المحددة باستخدام مجموعة قواعد محددة.
• البوتات ومساعدي الصوت المبكر: مع تطور التكنولوجيا، تطورت واجهات المستخدم أيضًا. أدوات مثل سيري وكورتانا والبوتات المبكرة بسطت تفاعل المستخدم مع الذكاء الاصطناعي، ولكنها كانت محدودة في الفهم والقدرة.
• الشبكات العصبية والتعلم العميق: أشار الشبكات العصبية إلى نقطة تحول، حيث تقلد وظائف الدماغ البشري وتتطور من خلال الخبرة. تعززت تقنيات التعلم العميق هذا، مما أتاح التعرف المتقدم على الصور والكلام.
• المتحولات والنمذجة النحوية المتقدمة: ثورة هيكل المتحول في مشهد معالجة اللغة الطبيعية. أنظمة مثل ChatGPT من OpenAI وBERT وT5 أتاحت اختراقات في تواصل الإنسان مع الذكاء الاصطناعي. مع إحاطتهم العميقة باللغة والسياق، يمكن لهذه النماذج إجراء محادثات ذات معنى، وكتابة المحتوى، والإجابة على أسئلة معقدة بدقة غير مسبوقة.

ادخل وكلاء الذكاء الاصطناعي: أكثر من مجرد محادثة

يشير المنظر الحالي للذكاء الاصطناعي إلى شيء أكثر شمولاً من أدوات المحادثة. يمكن لوكلاء الذكاء الاصطناعي، بخلاف وظائف المحادثة البسيطة، أداء مهام، التعلم من بيئاتهم، اتخاذ قرارات، و حتى إظهار الإبداع. إنهم لا ي回答ون الأسئلة فقط، بل يحلون المشاكل.

عملت نماذج البرمجيات التقليدية على مسار واضح. أعرب أصحاب المصلحة عن هدف إلى مديري البرمجيات، الذين صمموا بعد ذلك خطة محددة. نفذ المهندسون هذه الخطة من خلال سطور من الشفرة. كان هذا “النمط التقليدي” للوظائف البرمجية واضحًا، يتضمن تدخلات بشرية عديدة.

然而، يعمل وكلاء الذكاء الاصطناعي بشكل مختلف. الوكيل:

1. له أهداف يهدف إلى تحقيقها.
2. يمكن التفاعل مع بيئته.
3. يصمم خطة dựa على هذه الملاحظات لتحقيق هدفه.
4. يتخذ إجراءات يتعديل نهجه بناءً على حالة البيئة المتغيرة.

ما يميز وكلاء الذكاء الاصطناعي عن النماذج التقليدية هو قدرتهم على创اء خطة चरणية لتحقيق هدف بشكل مستقل. في جوهر الأمر، بينما كان المبرمج ي 제공 الخطة في السابق، يحدد وكلاء الذكاء الاصطناعي مسارهم الآن.

افكر في مثال يومي. في تصميم البرمجيات التقليدية، سوف ي thôngبّر برنامج المستخدمين حول المهام المتأخرة بناءً على شروط محددة مسبقًا. سوف يحدد المطورون هذه الشروط بناءً على المواصفات المقدمة من مدير المنتج.

في نمط وكيل الذكاء الاصطناعي، يحدد الوكيل نفسه متى وكيف ي thôngبّر المستخدم. يقيس البيئة (عادات المستخدم، حالة التطبيق) ويتخذ أفضل مسار للعمل. يصبح العملية أكثر ديناميكية، أكثر في اللحظة.

أشار ChatGPT إلى انطلاقة من استخدامه التقليدي مع دمج الإضافات، مما أتاح له استخدامه أدوات خارجية لأداء طلبات متعددة. أصبح بمثابة التعبير المبكر عن مفهوم الوكيل. إذا كنا ننظر إلى مثال بسيط: مستخدم ي询ب عن طقس مدينة نيويورك، ChatGPT، باستخدام الإضافات، يمكنه التفاعل مع واجهة برمجة تطبيقات الطقس الخارجية، وفهم البيانات، و حتى تصحيح مساره بناءً على الاستجابات الواردة.

المنظر الحالي لوكلاء الذكاء الاصطناعي

يحمل وكلاء الذكاء الاصطناعي، بما في ذلك Auto-GPT وAgentGPT وBabyAGI، عصرًا جديدًا في الكون الواسع للذكاء الاصطناعي. بينما شاع ChatGPT الذكاء الاصطناعي التوليدي بالاعتماد على المدخلات البشرية، يهدف رؤية وكلاء الذكاء الاصطناعي إلى تمكين الذكاء الاصطناعي من العمل بشكل مستقل، متوجهًا نحو الأهداف مع تدخل بشري قليل أو بدون تدخل على الإطلاق. هذا الإمكانية التحولية تم التأكيد عليها من خلال صعود Auto-GPT السريع، الذي حصل على أكثر من 107,000 نجمة على GitHub في غضون ستة أسابيع من إنشائه، نمو غير مسبوق مقارنة بمشاريع قديمة مثل حزمة العلوم البيانية “pandas”.

وكلاء الذكاء الاصطناعي مقابل ChatGPT

يستخدم العديد من وكلاء الذكاء الاصطناعي المتقدمين، مثل Auto-GPT وBabyAGI، هيكل GPT. يركزهم الرئيسي هو تقليل الحاجة إلى التدخل البشري في إكمال مهام الذكاء الاصطناعي. المصطلحات الوصفية مثل “GPT في حلقة” تصف عمل نماذج مثل AgentGPT وBabyAGI. تعمل في دورات متكررة لفهم طلبات المستخدم وتحسين مخرجاتها. في غضون ذلك، يدفع Auto-GPT الحدود إلى أبعد من ذلك من خلال دمج الوصول إلى الإنترنت وتنفيذ الشفرة، مما يوسع نطاق حل المشاكل بشكل كبير.

الابتكارات في وكلاء الذكاء الاصطناعي

1. الذاكرة الطويلة الأمد: النماذج اللغوية التقليدية لها ذاكرة محدودة، تحتفظ فقط بالقطاعات الحديثة من التفاعلات. من أجل المهام الشاملة، يصبح استدعاء المحادثة الكاملة أو حتى السابقة حاسمًا. لتحقيق ذلك، اعتمد وكلاء الذكاء الاصطناعي سير عمل التضمين، مما يُحول المحادثات النصية إلى مصفوفات رقمية، ويوفر حلًا لقيود الذاكرة.
2. قابليات التصفح على الويب: ليبقى على اطلاع بالحدث الأخير، تم تسليح Auto-GPT بقابليات التصفح، باستخدام واجهة برمجة تطبيقات جوجل البحث. هذا أثار جدلاً داخل مجتمع الذكاء الاصطناعي بشأن نطاق معرفة الذكاء الاصطناعي.
3. تشغيل الشفرة: بخلاف توليد الشفرة، يمكن لـAuto-GPT تنفيذ شفرة Shell وPython. هذه القدرة غير المسبوقة تسمح له بالتفاعل مع برامج أخرى، مما يوسع نطاق عمله.

يصور الشكل هندسة نظام قوي بالذكاء الاصطناعي ووكلاءه.

• المدخلات: يستقبل النظام بيانات من مصادر متنوعة: أوامر المستخدم المباشرة، قواعد بيانات منظمة، محتوى الويب، ومستشعرات بيئية في الوقت الفعلي.
• LLM & الوكلاء: في النواة، يعالج النموذج اللغوي هذه المدخلات، ويتعاون مع وكلاء متخصصين مثل Auto-GPT لسلاسل الأفكار، AgentGPT لمهام الويب، BabyAGI لأفعال مهام محددة، وHuggingGPT لمعالجة الفريق.
• المخرجات: بعد المعالجة، يتم تحويل المعلومات إلى صيغة سهلة الاستخدام، ثم إرسالها إلى أجهزة يمكنها التأثير على البيئة المحيطة.
• مكونات الذاكرة: يحتفظ النظام بالمعلومات، على أساس مؤقت ودائم، من خلال ذاكرة مؤقتة وقواعد بيانات دائمة.
• البيئة: هذه هي النطاق الخارجي، الذي يؤثر على المستشعرات ويتم التأثير عليه من خلال إجراءات النظام.

وكلاء الذكاء الاصطناعي المتقدمون: Auto-GPT وBabyAGI والمزيد

AutoGPT وAgentGPT

Auto-GPT، وهو تطبيق ذكاء اصطناعي تم إطلاقه على GitHub في مارس 2023، هو تطبيق ذكاء اصطناعي عبقري يستخدم لغة بايثون. ما يميز Auto-GPT عن سابقيها هو استقلاليته – تم تصميمه لتحقيق المهام مع توجيه بشري قليل، وله القدرة الفريدة على tự khởi動 المحفزات. يحتاج المستخدمون فقط إلى تحديد هدف شامل، وAuto-GPT يصمم المحفزات المطلوبة لتحقيق ذلك الهدف، مما يجعله قفزة محتملة نحو الذكاء الاصطناعي العام الحقيقي (AGI).

بميزات تمتد إلى الاتصال بالإنترنت وإدارة الذاكرة وتنزيل الملفات باستخدام GPT-3.5، هذا الأداة قادرة على التعامل مع طيف واسع من المهام، من المهام التقليدية مثل كتابة البريد الإلكتروني إلى المهام المعقدة التي تتطلب عادةً المزيد من المشاركة البشرية.

من ناحية أخرى، AgentGPT، الذي بني أيضًا على إطار GPT، هو واجهة مستخدم تركز على المستخدم ولا يتطلب خبرة برمجية واسعة لتشغيله واستخدامه. يسمح AgentGPT للمستخدمين بتحديد أهداف الذكاء الاصطناعي، والتي يقطعها بعد ذلك إلى مهام قابلة للتحقيق.

واجهة AgentGPT

علاوة على ذلك، يبرز AgentGPT لتنوعه. لا يقتصر على إنشاء بوتات المحادثة. يوسع من قدراته لإنشاء تطبيقات متنوعة مثل بوتات Discord ويتكامل بشكل متساوٍ مع Auto-GPT. هذا النهج يضمن أن حتى أولئك الذين لا يملكون خلفية برمجية واسعة يمكنهم أداء مهام مثل البرمجة التلقائية بالكامل، وتوليد النص، وترجمة اللغة، وحل المشاكل.

LangChain هو إطار يربط النماذج اللغوية الكبيرة بالأدوات ويستخدم وكلاء، غالبًا ما يُعتبر “البوتات”، لتحديد وتحقيق مهام محددة من خلال اختيار الأداة المناسبة. يتكامل هؤلاء الوكلاء بسلاسة مع الموارد الخارجية، بينما يخزن قاعدة بيانات متجه في LangChain البيانات غير المنظمة، مما يسهل استرجاع المعلومات السريع للنماذج اللغوية الكبيرة.

BabyAGI

ثم هناك BabyAGI، وهو وكيل مبسط ولكن قوي. لتفهم قدرات BabyAGI، تخيل مدير مشروع رقمي يخلق وينظم ويُنفذ المهام تلقائيًا مع التركيز على الأهداف المحددة. بينما تقتصر معظم المنصات التي تعمل بالذكاء الاصطناعي بمهاراتها المحددة مسبقًا، يبرز BabyAGI لقدرته على التكيف والتعلم من الخبرات. يمتلك القدرة على فهم الملاحظات ويتخذ القرارات بناءً على التجربة والخطأ، مثل البشر.

النقطة الأساسية لBabyAGI ليست فقط مرونته، ولكن أيضًا كفاءته في تشغيل الشفرة لأهداف محددة. يبرز في المجالات المعقدة، مثل تداول العملات الرقمية والروبوتات والسيارات ذاتية القيادة، مما يجعله أداة متعددة الاستخدامات في العديد من التطبيقات.

https://yoheinakajima.com/task-driven-autonomous-agent-utilizing-gpt-4-pinecone-and-langchain-for-diverse-applications/

يمكن تصنيف العملية إلى ثلاثة وكلاء:

1. وكيل التنفيذ: قلب النظام، يستخدم هذا الوكيل واجهة برمجة تطبيقات OpenAI لمعالجة المهام. عند وجود هدف ومهمة، يرسل الوكيل محفز إلى واجهة برمجة تطبيقات OpenAI ويتلقى نتائج المهمة.
2. وكيل إنشاء المهمة: هذه الوظيفة تخلق مهام جديدة بناءً على النتائج السابقة والأهداف الحالية. يرسل محفز إلى واجهة برمجة تطبيقات OpenAI، والتي تعيد مهام محتملة، منظمة كقائمة من القواميس.
3. وكيل ترتيب المهمة: المرحلة النهائية تتضمن تسلسل المهام بناءً على الأولوية. يستخدم هذا الوكيل واجهة برمجة تطبيقات OpenAI لترتيب المهام، مما يضمن أن المهام الأكثر أهمية يتم تنفيذها أولاً.

يتعاون BabyAGI مع نموذج لغة OpenAI لاستخدام قدرات Pinecone لتخزين نتائج المهام و استرجاعها بناءً على السياق.

فيما يلي تطبيق BabyAGI باستخدام هذا الرابط.

لبدء استخدام التطبيق، سوف تحتاج إلى مفتاح واجهة برمجة تطبيقات OpenAPI صحيح. من أجل سهولة الوصول، هناك قسم إعدادات في الواجهة حيث يمكن إدخال مفتاح واجهة برمجة التطبيقات. بالإضافة إلى ذلك، إذا كنت تبحث عن التحكم في التكاليف، تذكر تعيين حد لعدد التكرارات.

بعد تكوين التطبيق، قمت بتجربة صغيرة. نشرت محفزًا إلى BabyAGI: “أنشئ سلسلة تغريدات متواصلة تركز على رحلة النمو الشخصي، وتouch على المعالم والتحديات وقوة التعلم المستمر”.

استجاب BabyAGI بخطة مدروسة جيدًا. لم تكن مجرد قالب عام، بل خطة شاملة أظهرت أن الذكاء الاصطناعي قد فهم حقًا دقائق الطلب.

Deepnote AI Copilot

Deepnote AI Copilot يغير ديناميكيات استكشاف البيانات في الملاحظات. ولكن ما يميزه؟

في جوهره، يهدف Deepnote AI إلى تعزيز سير عمل علماء البيانات. في لحظة تقديم توجيه أساسي، ينتقل الذكاء الاصطناعي إلى العمل، يصمم استراتيجيات، ينفذ استفسارات SQL، و يvisualizes البيانات باستخدام Python، و يقدم نتائجه بطريقة واضحة.

أحد نقاط قوة Deepnote AI هو فهمه الشامل لمساحة العمل. من خلال فهم مخططات التكامل و أنظمة الملفات، ينسق خطط التنفيذ بشكل مثالي مع السياق التنظيمي، مما يضمن أن رؤى الذكاء الاصطناعي دائمًا ذات صلة.

تكامل الذكاء الاصطناعي مع وسائط الملاحظات يخلق حلقة ملاحظات فريدة. يقيم الذكاء الاصطناعي مخرجات الشفرة، مما يجعله ماهرًا في التصحيح الذاتي وضمان أن النتائج تتماشى مع الأهداف المحددة.

يبرز Deepnote AI لعملياته الشفافة، مما يوفر رؤية واضحة في عملياته. يضمن دمج الشفرة والمخرجات أن أفعاله دائمًا قابلة للتحليل ومستجيبة.

CAMEL

CAMEL هو إطار يهدف إلى تعزيز التعاون بين وكلاء الذكاء الاصطناعي، من أجل إنجاز المهام بكفاءة مع الحد الأدنى من الإشراف البشري.

https://github.com/camel-ai/camel

يقسم عملياته إلى نوعين رئيسيين من الوكلاء:

• وكيل المستخدم يحدد الإرشادات.
• وكيل المساعد ينفذ المهام بناءً على الإرشادات المقدمة.

أحد أهداف CAMEL هو كشف تعقيدات عمليات التفكير بالذكاء الاصطناعي، مع التركيز على تحسين التآزر بين الوكلاء المتعددين. مع ميزات مثل تمثيل الأدوار وتحفيز الإبداع، يضمن أن مهام الذكاء الاصطناعي تتماشى بشكل متساوٍ مع الأهداف البشرية.

Westworld Simulation: الحياة في الذكاء الاصطناعي

مشتق من إلهامات مثل برنامج Unity ومعدل في بايثون، Westworld Simulation هو قفزة إلى محاكاة وتحسين البيئات التي تتفاعل فيها وكلاء الذكاء الاصطناعي المتعددين، شبه المجتمع الرقمي.

وكلاء مولدون

هؤلاء الوكلاء ليسوا كيانات رقمية فقط. إنهم ي模ون سلوكيات بشرية معقولة، من الروتين اليومي إلى التفاعلات الاجتماعية المعقدة. يمتد هيكلها إلى نموذج لغة كبير لتخزين الخبرات والتفكير فيها وتنفيذ سلوكيات ديناميكية.

بيئة Westworld التفاعلية، التي تذكرنا بألعاب The Sims، تحيي مدينة يقطنها وكلاء مولدون. هنا، يمكن للمستخدمين التفاعل ومشاهدة وتوجيه هؤلاء الوكلاء خلال يومهم، مراقبين السلوكيات التي تظهر والديناميات الاجتماعية المعقدة.

تجسيد محاكاة Westworld للتكامل المثالي بين القدرة الحاسوبية والتعقيدات البشرية. من خلال دمج نماذج اللغة الكبيرة مع محاكاة وكلاء ديناميكية، يرسم طريقًا لإنشاء تجارب الذكاء الاصطناعي التي لا يمكن تمييزها عن الواقع.

الختام