إن حل المشكلات من القدرات الفطرية للبشر. فمنذ أيامنا البدائية، عندما كانت التحديات الكبرى التي نواجهها في الحياة لا تتمثل في التهام الحيوانات المفترسة، وحتى العصر الحديث الذي يتطلب توصيل شيء ما إلى المنزل بسرعة، كنا نجمع بين إبداعنا والتفكير المنطقي والذكاء للتوصل إلى حلول للصراعات.
والآن، بينما نشهد نشأة الذكاء الاصطناعي، نواجه تحديات جديدة فيما يتصل بقدراته على اتخاذ القرار. وفي حين كان العقد الماضي يدور حول الاحتفال بإمكانيات وإمكانات نماذج الذكاء الاصطناعي وتطبيقاته، فإن هذا العقد يدور حول اتخاذ خطوة أبعد من ذلك ــ التشكيك في شرعية القرارات التي تتخذها مثل هذه النماذج واستنتاج الأسباب وراءها.
مع ازدياد أهمية الذكاء الاصطناعي القابل للتفسير (XAI)، حان الوقت لمناقشة مفهوم أساسي في تطوير نماذج الذكاء الاصطناعي يُعرف باسم " توجيه سلسلة الأفكار" . في هذه المقالة، سنشرح هذا المفهوم بالتفصيل ونبسطه بعبارات سهلة الفهم.
ما هو التحفيز التسلسلي للأفكار؟
عندما يواجه العقل البشري تحديًا أو مشكلة معقدة، فإنه يحاول بشكل طبيعي تقسيمها إلى أجزاء من خطوات متسلسلة أصغر. وبدافع من المنطق، يعمل العقل على إنشاء روابط ومحاكاة سيناريوهات السبب والنتيجة لوضع استراتيجية لأفضل حل ممكن للتحدي.
إن عملية تكرار هذا في نموذج أو نظام الذكاء الاصطناعي تسمى سلسلة الأفكار.
كما يوحي الاسم، فإن نموذج الذكاء الاصطناعي يولد سلسلة من الأفكار المنطقية (أو الخطوات) للتعامل مع استفسار أو صراع. تصور هذا الأمر على أنه إعطاء تعليمات خطوة بخطوة لشخص يسأل عن طريق إلى وجهة.
هذه هي التقنية السائدة المستخدمة في نماذج الاستدلال التي طورتها OpenAI. وبما أنها مصممة للتفكير قبل توليد استجابة أو إجابة، فقد تمكنت من اجتياز الاختبارات التنافسية التي خاضها البشر.
[اقرأ أيضاً: كل ما تحتاج لمعرفته حول ماجستير القانون ]
فوائد سلسلة الفكر المطالبة
إن أي شيء يعتمد على المنطق يعطي ميزة كبيرة. وعلى نحو مماثل، فإن النماذج المدربة على تحفيز سلسلة الأفكار لا تقدم الدقة والأهمية فحسب، بل تقدم أيضًا مجموعة متنوعة من الفوائد بما في ذلك:
تعزيز قدرات حل المشكلات ، حيث تبرز أهميتها بشكل حاسم في مجالات مثل الرعاية الصحية والتمويل. تُسهم برامج إدارة التعلم التي تستخدم أسلوب تسلسل الأفكار في فهم أفضل للتحديات الظاهرة والخفية، وتُنتج استجابات بعد دراسة الاحتمالات المختلفة وأسوأ السيناريوهات.
تخفيف الافتراضات والنتائج الناتجة عن الافتراضات لأن النماذج تطبق التفكير والمعالجة المنطقية والمتسلسلة للوصول إلى استنتاجات بدلاً من التسرع في الوصول إلى استنتاجات.
زيادة التنوع حيث لا تحتاج النماذج إلى تدريب صارم على حالة استخدام جديدة لأنها تعتمد على المنطق وليس على الغرض.
تحسين التماسك في المهام التي تتضمن إجابات متعددة الأجزاء.
تشريح طريقة عمل تقنية تحفيز سلسلة الأفكار
إذا كنت على دراية بالهندسة المعمارية للبرمجيات المتجانسة، فستعرف أن تطبيق البرمجيات بالكامل تم تطويره كوحدة متماسكة واحدة. وقد تم تبسيط مثل هذه الضريبة المعقدة من خلال أسلوب هندسة الخدمات المصغرة الذي تضمن تقسيم البرمجيات إلى خدمات مستقلة. وقد أدى هذا إلى تطوير أسرع للمنتجات ووظائف سلسة أيضًا.
يُشابه ذلك أسلوب التلقين في الذكاء الاصطناعي ، حيث يتم توجيه نماذج التعلم الموجه عبر سلسلة من عمليات الاستدلال المتسلسلة لتوليد استجابة. ويتم ذلك من خلال:
- تعليمات صريحة، حيث يتم توجيه النماذج بشكل مباشر للتعامل مع مشكلة ما بشكل تسلسلي من خلال أوامر مباشرة.
- إن التعليم الضمني أكثر دقة وتنوعًا في نهجه. وفي هذا النهج، يتم أخذ نموذج من خلال منطق مهمة مماثلة والاستفادة من قدراته على الاستدلال والفهم لتكرار المنطق للمشاكل المقدمة.
- أمثلة توضيحية، حيث يقوم النموذج بتوضيح التفكير خطوة بخطوة وتوليد رؤى تدريجية لحل مشكلة ما.
3 أمثلة واقعية حيث يتم استخدام مطالبة CoT
نماذج اتخاذ القرار المالي
| CoT متعدد الوسائط في الروبوتات
| خدمة الرعاية الصحية
|
|---|---|---|
| في هذا القطاع شديد التقلب، يمكن استخدام إرشادات CoT لفهم المسار المالي المحتمل للشركة، وإجراء تقييمات المخاطر لطالبي الائتمان، والمزيد | تتطلب برامج المحادثة الآلية التي يتم تطويرها ونشرها للمؤسسات وظائف متخصصة. ويتعين عليها إظهار قدراتها في فهم تنسيقات مختلفة من المدخلات. وتعمل مطالبات CoT بشكل أفضل في مثل هذه الحالات، حيث يتعين على برامج المحادثة الآلية الجمع بين مطالبات النص والصورة لتوليد استجابات للاستعلامات. | من تشخيص المرضى من بيانات الرعاية الصحية إلى إنشاء خطط علاج مخصصة للمرضى، يمكن أن يساعد توجيه CoT في استكمال أهداف الرعاية الصحية للعيادات والمستشفيات. |
مثال
استفسار من أحد العملاء: لاحظتُ عمليةً في حسابي لا أعرفها، وقد فقدتُ بطاقة الخصم الخاصة بي، وأرغب في تفعيل التنبيهات لمعاملات حسابي. هل يُمكنكم مساعدتي في هذه المشكلة؟
الخطوة 1: تحديد القضايا وتصنيفها
- معاملة غير معترف بها.
- بطاقة الخصم المفقودة.
- إعداد تنبيهات المعاملات.
الخطوة 2: معالجة المعاملة غير المعترف بها
اطلب التفاصيل: هل يمكنك تزويدنا بتاريخ ومبلغ المعاملة؟
- الفرع الأول: إذا تم تقديم التفاصيل:
- راجع المعاملة. إذا كانت احتيالية، اسأل العميل إذا كان يرغب في الاعتراض عليها.
- الفرع الأول: إذا لم يكن هناك تفاصيل:
- عرض تقديم قائمة بالمعاملات الأخيرة.
الخطوة 3: معالجة بطاقة الخصم المفقودة
تجميد البطاقة: يوصى بالتجميد الفوري.
- الفرع الأول: إذا وافق العميل:
- قم بتجميد البطاقة واسألهم إذا كانوا يريدون بطاقة بديلة. قم بتأكيد عنوان الشحن.
- الفرع الأول: إذا رفض العميل:
- ننصح بمراقبة الحساب بحثًا عن المعاملات غير المصرح بها.
الخطوة 4: إعداد تنبيهات المعاملات
اختر طريقة التنبيه: رسالة نصية قصيرة، بريد إلكتروني، أو كليهما؟
- الفرع الأول: إذا اختار العميل:
- قم بتعيين تنبيهات للمعاملات التي تزيد عن مبلغ محدد. اطلب المبلغ.
- الفرع الأول: إذا لم تكن متأكدًا:
- اقترح مبلغًا افتراضيًا (على سبيل المثال، 50 دولارًا) وأكده.
الخطوة 5: تقديم ملخص والخطوات التالية
- التحقيق في المعاملة غير المعترف بها.
- تجميد بطاقة الخصم وإمكانية إصدار بطاقة بديلة.
- إعداد تنبيهات المعاملات حسب الطلب.
الأساس المنطقي:
تعمل هذه العملية على معالجة استفسارات العملاء المتعددة بكفاءة من خلال خطوات واضحة وفروع اتخاذ القرار، مما يضمن حلولاً شاملة.
حدود مطالبة CoT
إنّ تسلسل الأفكار فعّالٌ بالفعل، لكنّه يخضع أيضاً لحالة الاستخدام التي يُطبّق عليها، بالإضافة إلى عوامل أخرى عديدة. ثمة تحدياتٌ مُحدّدةٌ مرتبطةٌ بتوجيه تسلسل الأفكار في الذكاء الاصطناعي، تمنع أصحاب المصلحة من الاستفادة الكاملة من إمكاناته. دعونا نلقي نظرةً على المعوقات الشائعة:
تعقيد المهام البسيطة
في حين أن توجيه CoT يعمل بشكل أفضل للمهام المعقدة، إلا أنه قد يؤدي إلى تعقيد المهام البسيطة وتوليد استجابات خاطئة. بالنسبة للمهام التي لا تتطلب أي تفكير، فإن نماذج الإجابة المباشرة تعمل بشكل أفضل.
زيادة الحمل الحسابي
تتطلب معالجة مطالبات CoT حمولة حسابية كبيرة، وإذا تم نشر التقنية على نماذج أصغر تم بناؤها بقدرات معالجة محدودة، فقد تطغى عليها. قد تشمل عواقب مثل هذه النشرات أوقات استجابة أبطأ وكفاءة رديئة وعدم تماسك، وأكثر من ذلك.
جودة هندسة الذكاء الاصطناعي
يعتمد نظام التوجيه القائم على الوقت في الذكاء الاصطناعي على افتراض (أو مبدأ) أن التوجيه المحدد واضح ومنظم ومُصاغ بدقة. إذا افتقر التوجيه إلى هذه العوامل، يفقد نظام التوجيه القائم على الوقت قدرته على فهم المطلوب، مما يؤدي إلى توليد خطوات متسلسلة غير ذات صلة، وبالتالي استجابات غير مناسبة.
[اقرأ أيضًا: ما هي نماذج اللغة الصغيرة؟ مثال من العالم الحقيقي وبيانات التدريب ]
قدرات محدودة على نطاق واسع
قد يواجه أصحاب المصلحة صعوبات في التعامل مع نماذجهم إذا اضطروا إلى الاستفادة من تسلسل الأفكار للتعامل مع كميات هائلة من مجموعات البيانات أو تعقيدات المشكلات. وبالنسبة للمهام التي تنطوي على خطوات تفكير أكبر، فقد تؤدي هذه التقنية إلى إبطاء وقت الاستجابة، مما يجعلها غير مناسبة للتطبيقات أو حالات الاستخدام التي تتطلب توليد استجابة في الوقت الفعلي.
يُعدّ التوجيه القائم على سلسلة الأفكار تقنيةً رائعةً لتحسين أداء نماذج اللغة الكبيرة . وإذا أمكن معالجة أوجه القصور هذه وحلّها من خلال تقنيات التحسين أو الحلول البديلة، فستُحقق نتائج مذهلة. ومع تقدّم التكنولوجيا، سيكون من المثير للاهتمام متابعة تطوّر التوجيه القائم على سلسلة الأفكار، وكيف سيصبح أبسط وأكثر تخصصًا في الوقت نفسه.
