Sakana AI تطلق خوارزمية تتيح تعاون النماذج الذكية
قدّمت مختبرات Sakana AI اليابانية خوارزمية جديدة تسمح لنماذج ذكاء اصطناعي متنافسة بالتعاون لحل مشكلات معقدة لا يمكن لنموذج واحد معالجتها بمفرده.
تفاصيل تقنية AB-MCTS الجديدة من Sakana AI
في تقدم مثير في مجال الذكاء الاصطناعي التعاوني، أعلنت Sakana AI عن خوارزمية AB-MCTS التي تُسهّل التعاون بين نماذج متعددة مثل ChatGPT وGemini وDeepSeek لحل المهام المعقدة.
أهم ما يميز الخوارزمية:
- حل جماعي متفوق: تمكنت مجموعة النماذج باستخدام AB-MCTS من حل 30% من تحديات ARC-AGI-2، مقارنة بـ23% فقط لأفضل نموذج منفرد.
- توزيع الأدوار بذكاء: تقوم الخوارزمية بتخصيص المهام بناءً على نقاط القوة لكل نموذج، حيث يتولى أحدهم وضع الإستراتيجية وآخر كتابة الأكواد.
- تصحيح جماعي للأخطاء: لاحظ الباحثون أن النماذج قادرة على تصحيح أخطاء بعضها البعض، ما يؤدي إلى نتائج دقيقة لم يكن بالإمكان تحقيقها منفردة.
- أداة مفتوحة المصدر: أطلقت Sakana الأداة تحت اسم TreeQuest، وهي متاحة للمطورين لبناء أنظمة ذكاء اصطناعي تعاونية خاصة بهم.
الأهداف والتوجهات المستقبلية
فيما يلي أبرز ما تهدف إليه Sakana من خلال هذا النظام التعاوني:
- تعزيز الذكاء التشاركي: النظام يفتح الباب أمام منظومات تعتمد على “سرب من الوكلاء” بدلاً من نموذج واحد ضخم.
- تكامل المهارات: في المستقبل، قد تعتمد الأنظمة الذكية على فرق من “خبراء” ذكاء اصطناعي يتشاركون المهام مثل فرق العمل البشرية.
- ابتكار أدوات تنظيمية: من المتوقع تطوير منسقين آليين (orchestrators) يوزعون المهام بين النماذج وفقًا لنقاط قوتها.
تمثل خوارزمية AB-MCTS من Sakana AI خطوة جديدة نحو مستقبل يعمل فيه الذكاء الاصطناعي كفريق متكامل من النماذج. ومع تطور الأدوات المفتوحة مثل TreeQuest، قد نشهد تحولات جذرية في طريقة تصميم حلول الذكاء الاصطناعي.
