تم هذا الأسبوع إطلاق إطار عمل بايثون جديد باسم Orchestral AI، مصمم لتبسيط تنسيق نماذج اللغة الكبيرة (LLMs) للأبحاث العلمية والتطبيقات الأخرى، على Github. يهدف Orchestral، الذي طوره الفيزيائي النظري ألكسندر رومان ومهندس البرمجيات جاكوب رومان، إلى توفير بديل أكثر قابلية للتكرار ووعيًا بالتكلفة للأنظمة البيئية المعقدة للذكاء الاصطناعي مثل LangChain ومجموعات تطوير البرامج (SDKs) ذات البائع الواحد من مزودين مثل Anthropic و OpenAI، وفقًا لموقع VentureBeat.

يعالج إطار العمل قلقًا متزايدًا بين العلماء والمطورين الذين يجدون أدوات الذكاء الاصطناعي الحالية إما غير قابلة للإدارة أو مقيدة للغاية. صرح ألكسندر رومان بأن Orchestral يعطي الأولوية "للتنفيذ الحتمي ووضوح التصحيح" على الطبيعة غير المتزامنة والتي غالبًا ما تكون غير قابلة للتنبؤ لطرق التنسيق الأخرى. هذا التركيز مهم بشكل خاص للبحث العلمي، حيث تعتبر قابلية التكرار أمرًا بالغ الأهمية.

تعتمد بنية Orchestral على فلسفة "مضادة للإطار"، وترفض عن قصد التعقيد الذي يميز الكثير من مشهد الذكاء الاصطناعي الحالي. يؤكد إطار العمل على العمليات المتزامنة وسلامة النوع، والتي تهدف إلى تسهيل فهم وتصحيح أخطاء سير عمل الذكاء الاصطناعي. يتناقض هذا النهج مع الاتجاه نحو أنظمة الذكاء الاصطناعي المعقدة وغير الشفافة بشكل متزايد.

أدى صعود نماذج اللغة الكبيرة (LLMs) إلى خلق حاجة إلى أدوات يمكنها إدارة وتنسيق هذه النماذج بشكل فعال لمختلف المهام. على سبيل المثال، ظهر LangChain كإطار عمل شائع لبناء التطبيقات التي تعمل بنماذج اللغة الكبيرة (LLMs). ومع ذلك، يمكن أن يكون تعقيده عائقًا أمام دخول بعض المستخدمين، وخاصة أولئك الموجودين في التخصصات العلمية الذين يحتاجون إلى قدر أكبر من التحكم والشفافية.

يمكن لمجموعات تطوير البرامج (SDKs) ذات البائع الواحد، مع توفير سهولة الاستخدام، أن تحبس المستخدمين في النظام البيئي لمزود معين، مما يحد من مرونتهم ويزيد التكاليف المحتملة. يسعى Orchestral إلى تقديم حل وسط، وتوفير حل مستقل عن المزود يسمح للمستخدمين بالاستفادة من نماذج اللغة الكبيرة (LLMs) المختلفة دون الارتباط ببائع واحد.

تمتد آثار Orchestral إلى ما هو أبعد من البحث العلمي. مع ازدياد اندماج الذكاء الاصطناعي في جوانب مختلفة من المجتمع، ستزداد الحاجة إلى أنظمة ذكاء اصطناعي قابلة للتكرار والفهم. يمكن لأطر العمل مثل Orchestral، التي تعطي الأولوية للوضوح والتحكم، أن تلعب دورًا حاسمًا في تعزيز الثقة والمساءلة في الذكاء الاصطناعي.

يعكس تطوير Orchestral اتجاهًا أوسع نحو أدوات الذكاء الاصطناعي الأكثر سهولة وشفافية. مع نضوج تكنولوجيا الذكاء الاصطناعي، هناك اعتراف متزايد بأن التعقيد لا يرادف دائمًا التقدم. في بعض الحالات، يمكن أن تكون البساطة والتحكم أكثر قيمة، لا سيما في المجالات التي تكون فيها قابلية التكرار والموثوقية ضرورية. إطار العمل متاح على Github، ويشجع منشئوه المساهمات من مجتمع المصادر المفتوحة. تتضمن الخطوات التالية توسيع قدرات إطار العمل ودمجه مع مجموعة واسعة من نماذج اللغة الكبيرة (LLMs) وأدوات الحوسبة العلمية.