تم هذا الأسبوع إطلاق Orchestral AI، وهو إطار عمل جديد مكتوب بلغة Python، على Github، ليقدم بديلاً لأدوات تنسيق الذكاء الاصطناعي المعقدة مثل LangChain. يهدف Orchestral AI، الذي طوره الفيزيائي النظري ألكسندر رومان وجاكوب رومان، إلى توفير نهج أبسط وأكثر قابلية للتكرار للعمل مع نماذج اللغة الكبيرة (LLMs)، خاصةً للأبحاث العلمية.

يعالج إطار العمل المخاوف بشأن نقص التحكم وقابلية التكرار في تطوير الذكاء الاصطناعي الحالي، حيث يواجه المطورون غالبًا خيارًا بين الأنظمة البيئية المعقدة أو مجموعات تطوير البرامج (SDKs) ذات البائع الواحد من مزودين مثل Anthropic أو OpenAI، وفقًا لموقع VentureBeat. يمثل هذا الخيار الثنائي مصدر إزعاج لمهندسي البرمجيات وعائقًا كبيرًا للعلماء الذين يحتاجون إلى نتائج حتمية في أبحاثهم.

يعطي Orchestral AI الأولوية للتنفيذ المتزامن والسلامة من ناحية النوع، على عكس التعقيد المرتبط غالبًا بأدوات مثل LangChain. يهدف هذا التركيز على قابلية التكرار والعلوم الواعية بالتكلفة إلى جعل الذكاء الاصطناعي أكثر سهولة وموثوقية، خاصة في المجالات التي تكون فيها النتائج المتسقة ضرورية.

يسعى إطار العمل إلى رسم مسار ثالث في تطوير الذكاء الاصطناعي، وتقديم حل مستقل عن المزودين يتجنب حصر المستخدمين في بائعين محددين. من خلال التأكيد على قابلية التكرار، يأمل Orchestral AI في معالجة المشكلة الحاسمة التي يواجهها العلماء الذين يستخدمون الذكاء الاصطناعي في الأبحاث، وفقًا لموقع VentureBeat. يمثل إصدار Orchestral AI على Github خطوة نحو ترويض تعقيد نماذج اللغة الكبيرة وتعزيز تطبيقات الذكاء الاصطناعي الأكثر تحكمًا وقابلية للتنبؤ.