تم هذا الأسبوع إطلاق إطار عمل Python جديد يُدعى Orchestral AI على Github، وهو مصمم لتبسيط تنسيق نماذج اللغة الكبيرة (LLMs) من أجل أبحاث قابلة للتكرار وتطبيقات علمية فعالة من حيث التكلفة. يهدف Orchestral، الذي طوره الفيزيائي النظري ألكسندر رومان ومهندس البرمجيات جاكوب رومان، إلى توفير بديل للأنظمة البيئية المعقدة للذكاء الاصطناعي مثل LangChain ومجموعات SDK المقفلة من موردين مثل Anthropic أو OpenAI.

يعطي إطار العمل الأولوية للتنفيذ الحتمي ووضوح تصحيح الأخطاء، ومعالجة التحديات التي يواجهها العلماء عند استخدام الذكاء الاصطناعي في الأبحاث القابلة للتكرار. وفقًا للمطورين، غالبًا ما تجبر البيئة الحالية المطورين على الاختيار بين التخلي عن السيطرة لصالح أنظمة معقدة أو الانحصار في حلول موردين محددين، وهو وضع يطرح عقبات كبيرة أمام إمكانية تكرار النتائج العلمية.

تم تصميم Orchestral AI بهندسة "مضادة لإطار العمل"، ويرفض عن قصد التعقيد الذي يميز الكثير من سوق أدوات الذكاء الاصطناعي الحالي. يؤكد هذا النهج على العمليات المتزامنة وسلامة الأنواع، مما يعزز السلوك المتوقع وتصحيح الأخطاء بسهولة أكبر. يضع المطورون Orchestral كإجابة "الحوسبة العلمية" لتنسيق الوكلاء، مع التركيز على الموثوقية والشفافية.

يأتي إصدار Orchestral AI في وقت يتسارع فيه تطوير وكلاء الذكاء الاصطناعي المستقلين بسرعة. تعتمد العديد من الأدوات الحالية على العمليات غير المتزامنة، والتي يمكن أن تدخل التباين وتجعل من الصعب تتبع مسار التنفيذ. يهدف تصميم Orchestral المتزامن إلى التخفيف من هذه المشكلات، وتوفير بيئة أكثر تحكمًا للتجارب العلمية.

تعد طبيعة إطار العمل المستقلة عن الموردين ميزة رئيسية أخرى، مما يسمح للباحثين بالتبديل بين موفري LLM المختلفين دون تعديلات كبيرة في التعليمات البرمجية. يمكن أن تكون هذه المرونة حاسمة لتحسين التكلفة والتكيف مع المشهد المتطور لتقنيات LLM.

يأمل المطورون أن يقلل Orchestral AI من حاجز الدخول للعلماء الذين يتطلعون إلى الاستفادة من قوة LLMs في أبحاثهم، وتعزيز اكتشافات علمية أكثر قابلية للتكرار وشفافية مدفوعة بالذكاء الاصطناعي. إطار العمل متاح على Github، ويدعو إلى مساهمات من مجتمع المصادر المفتوحة.