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

يعالج هذا الإطار المخاوف المتعلقة بالتعقيد وعدم القدرة على التكرار المرتبطين بأدوات الذكاء الاصطناعي الحالية. وفقًا لموقع VentureBeat، غالبًا ما يواجه المطورون خيارًا بين استخدام أنظمة بيئية ضخمة مثل LangChain أو الانغلاق في SDKs لبائع واحد من مزودين مثل Anthropic أو OpenAI. تحاول Orchestral AI رسم مسار ثالث من خلال إعطاء الأولوية للتنفيذ المتزامن والسلامة من النوع.

صمم المبدعون Orchestral AI ليكون مستقلاً عن المزود، مما يسمح للمستخدمين بتجنب الارتباط بمورد معين. وهذا مهم بشكل خاص للعلماء الذين يحتاجون إلى نتائج حتمية وبحث قابل للتكرار، حيث يمكن أن يكون تعقيد الأدوات الحالية "عاملاً حاسماً"، حسبما ذكر VentureBeat.

من خلال التركيز على قابلية التكرار والعلوم الواعية بالتكلفة، تهدف Orchestral AI إلى جعل الذكاء الاصطناعي أكثر سهولة وموثوقية. يتناقض هذا الإطار مع تعقيد الأدوات مثل LangChain، ويقدم نهجًا أكثر انسيابية لتنسيق LLM. يمثل إصدار Orchestral AI على Github خطوة نحو معالجة تحديات التعقيد والتحكم في مجال تطوير الذكاء الاصطناعي سريع التطور.