تتوقع الأنظمة الذكية الآن احتياجات المستهلك بدقة مذهلة، وغالبًا ما تتفوق على الطلبات بشكل كبير.

باختصار

قام الباحثون في جامعة شنغهاي جياو تونغ وتينسنت بتطوير ProAct، وهو وكيل ذكاء اصطناعي مصمم للتنبؤ باحتياجات المستخدم المحتملة قبل أن يطلبها المستخدمون.

يستخدم النظام فترات التوقف بين الرسائل لمراجعة المحادثات السابقة وإعداد المعلومات مسبقًا.

وقال الباحثون إن أداء ProAct كان أفضل من أنظمة الذكاء الاصطناعي الاستباقية السابقة في الاختبارات المعيارية، على الرغم من أن التجارب لم تتضمن مستخدمين حقيقيين.

يزعم الباحثون في جامعة شنغهاي جياو تونغ وشركة التكنولوجيا الصينية تينسنت أنهم قاموا ببناء وكيل ذكاء اصطناعي يستخدم الوقت الهادئ بين المحادثات للتنبؤ بما قد يسأله المستخدمون بعد ذلك - وإعداد الإجابات قبل أن يسألوها.

يعمل النظام المسمى ProAct بشكل مختلف عن معظم وكلاء الذكاء الاصطناعي الذين ينتظرون قيام المستخدمين بطرح سؤال قبل الرد. بدلاً من ذلك، يستخدم ProAct وقت التوقف عن العمل بين الرسائل لمراجعة المحادثات السابقة ومعلومات المستخدم المحفوظة، ثم يقوم بإعداد معلومات مفيدة في الخلفية قبل وصول السؤال التالي.

وكتب الباحثون: "في حين يُظهر عملاء الذكاء الاصطناعي قدرات ملحوظة في التفكير واستخدام الأدوات، إلا أنهم يظلون متفاعلين بشكل أساسي: فهم يحسبون الاستجابات فقط بعد مطالبات صريحة من المستخدم". "يتجاهل هذا النموذج فرصة بالغة الأهمية: يتم إهدار وقت الخمول بين التفاعلات إلى حد كبير، مما يترك الوكلاء غير قادرين على الاستعداد لاحتياجات المستخدم المستقبلية."

يعمل النظام على مراحل متعددة. الأول، يسمى التنبؤ بحالة المستقبل، يتنبأ بأسئلة المتابعة المحتملة من خلال تحليل المحادثات السابقة وتفضيلات المستخدم والمعلومات المفقودة.

أما المرحلة الثانية، والتي تسمى اكتساب وقت الخمول، فهي تقرر أي من هذه التنبؤات تستحق البحث بناءً على مدى ملاءمتها وتوقيتها ومدى فائدة المعلومات الجديدة.

ثم يقرر نظام منفصل ما إذا كان سيتم تقديم المعلومات المعدة، أو حفظها لوقت لاحق، أو تخزينها لحين الحاجة إليها، مما يؤدي إلى إنشاء نظام "حلقة مغلقة" مصمم لتوقع احتياجات المستخدم والاستجابة لها.

وكتبوا: "بعد كل تفاعل في المقدمة، يقوم الوكيل بتحديث ذاكرته، ويتنبأ بالاحتياجات المستقبلية المحتملة، ويخصص حسابات وقت الخمول للمرشحين ذوي القيمة، ويقرر كيفية التعامل مع الإعداد الناتج". "تربط هذه الصيغة التنبؤ والاستحواذ والتسليم بسياسة واحدة، بدلاً من التعامل مع حوسبة وقت الخمول كبحث غير مقيد في الخلفية."

وفقًا للباحثين، تم اختبار ProAct في 200 عملية محاكاة عبر 40 مجالًا، بما في ذلك التخطيط المالي وإدارة إصدار البرامج والأمن السيبراني. ووفقا للصحيفة، فقد قلل النظام من عدد المحادثات بنسبة 14.8% وخفض طلبات المتابعة بنسبة 11.7%. في مقارنة باستخدام معيار يسمى ProActEval، توقعت ProAct 703 احتياجات مستخدم يمكن التنبؤ بها مقابل 32 للنظام السابق. كما أبلغ الباحثون عن انخفاض بنسبة 28.1% في الهلوسة.

يأتي هذا البحث مع انتشار وكلاء الذكاء الاصطناعي المستقلين عبر صناعة التكنولوجيا، مع مشاريع مثل OpenClaw وHermes Agent التي تقدم مساعدين ذكاء اصطناعي مستمرين يمكنهم التعامل مع مهام أطول وأكثر استقلالية - مثل البرمجة والجدولة والبحث وأتمتة سير العمل - مع مدخلات بشرية أقل مباشرة.

وتأتي الدراسة أيضًا في الوقت الذي حذر فيه باحثون منفصلون في وقت سابق من هذا الشهر من أن عملاء الذكاء الاصطناعي قد يكملون مهام خطيرة دون فهم العواقب.

وقال المؤلف الرئيسي عرفان شايجاني، وهو طالب دكتوراه بجامعة كاليفورنيا في ريفرسايد، في بيان: “مثل السيد ماجو، يسير هؤلاء العملاء للأمام نحو الهدف دون فهم كامل لعواقب أفعالهم”. "يمكن أن تكون هذه العوامل مفيدة للغاية، ولكننا نحتاج إلى ضمانات لأنها قد تعطي في بعض الأحيان الأولوية لتحقيق الهدف على فهم الصورة الأكبر."

واعترف الباحثون بأن دراسة ProAct كانت بها عدة قيود، بما في ذلك أنه في 3% من الحالات، جعل النظام الاستجابات أسوأ من خلال طرح معلومات غير ذات صلة. وقالت الصحيفة أيضًا إن أي إصدار في العالم الحقيقي سيحتاج إلى حماية الخصوصية، لأن النظام يقوم باستمرار بتحليل المحادثات وتخزين بيانات المستخدم.

وكتبوا: "يُظهر تحليل ميزانيتنا أيضًا أن ميزانيات الاستحواذ الأكبر في وقت الخمول ترفع تكلفة الرمز النشط وتؤدي إلى عوائد متناقصة، لذا فإن الحساب الاستباقي هو مقايضة نقطة تشغيل وليس شيئًا لتعظيمه".