طور باحثون تقنية جديدة تسمى MemRL تسمح لوكلاء الذكاء الاصطناعي بتعلم مهارات جديدة دون الحاجة إلى تعديل مكلف، وفقًا لدراسة صدرت هذا الأسبوع. يزود هذا الإطار، الذي أنشأه باحثون في جامعة شنغهاي جياو تونغ ومؤسسات أخرى، الوكلاء بذاكرة عرضية، مما يمكنهم من استرجاع التجارب السابقة وابتكار حلول للمهام الجديدة.

تسمح MemRL للوكلاء بتحسين استراتيجياتهم لحل المشكلات باستمرار بناءً على التغذية الراجعة البيئية. يمثل هذا النهج جزءًا من حركة أوسع داخل مجتمع أبحاث الذكاء الاصطناعي لإنشاء قدرات تعلم مستمر لتطبيقات الذكاء الاصطناعي.

في التجارب التي أجريت على معايير صناعية رئيسية، تفوقت MemRL على طرق الأساس الأخرى، بما في ذلك التوليد المعزز بالاسترجاع (RAG) وتقنيات تنظيم الذاكرة الأخرى. كان التفوق ملحوظًا بشكل خاص في البيئات المعقدة التي تتطلب الاستكشاف والتجريب. تشير النتائج إلى أن MemRL يمكن أن يصبح مكونًا حيويًا في بناء تطبيقات الذكاء الاصطناعي المصممة للعمل في بيئات ديناميكية في العالم الحقيقي حيث تتطور المتطلبات والمهام باستمرار.

يعالج هذا التطوير ما يسميه باحثو الذكاء الاصطناعي "معضلة الاستقرار والمرونة". يتضمن هذا التحدي إنشاء أنظمة ذكاء اصطناعي يمكنها التكيف مع المعلومات الجديدة (المرونة) دون نسيان المعرفة المكتسبة مسبقًا (الاستقرار). تقدم MemRL حلاً محتملاً من خلال السماح للوكلاء بتخزين واسترجاع التجارب السابقة ذات الصلة، مما يمكنهم من التكيف مع المواقف الجديدة دون تعطيل قاعدة معارفهم الحالية.

ذكر الباحثون في ورقتهم البحثية: "تسمح MemRL للوكلاء باستخدام التغذية الراجعة البيئية لتحسين استراتيجياتهم لحل المشكلات باستمرار".

تمتد آثار هذا البحث إلى مختلف المجالات التي يتم فيها نشر وكلاء الذكاء الاصطناعي، بما في ذلك الروبوتات والقيادة الذاتية والطب الشخصي. من خلال تمكين الوكلاء من التعلم والتكيف في الوقت الفعلي، يمكن أن تؤدي MemRL إلى أنظمة ذكاء اصطناعي أكثر قوة وكفاءة يمكنها التعامل مع تعقيدات العالم الحقيقي.

تتضمن الخطوات التالية للباحثين استكشاف قابلية MemRL للتوسع لتشمل بيئات ومهام أكثر تعقيدًا. كما يخططون للتحقيق في كيفية دمج MemRL مع تقنيات التعلم الأخرى لزيادة تعزيز قدرات وكلاء الذكاء الاصطناعي. يسلط البحث الضوء على الجهود المستمرة لإنشاء أنظمة ذكاء اصطناعي يمكنها التعلم والتكيف بطريقة مماثلة للبشر، مما يمهد الطريق لتطبيقات ذكاء اصطناعي أكثر ذكاءً وتنوعًا.