انقلاب ایجنت‌های خوداصلاح‌گر؛ وقتی هوش مصنوعی کدهای خودش را از نو بازنویسی می‌کند!

تا همین اواخر، برنامه‌نویس‌ها و توسعه‌دهندگان برای این‌که حتی ذره‌ای کارایی بیشتری از ایجنت‌های هوش مصنوعی بیرون بکشند، مجبور بودند ساعت‌ها وقت بگذارند و با دست‌کاری دستی پرامپت‌ها، ابزارها، حافظه و جریان کنترل، سیستم را بهینه‌سازی کنند.

اما حالا پژوهشگران دقیقاً همین بخش‌ها را به اهداف اصلی بهینه‌سازی خودکار تبدیل کرده‌اند. اسکیل‌ها (فایل‌های مهارتی) حالا می‌توانند خودشان را بازنویسی کنند، لایه‌های هدایتگر (هارنس) می‌توانند با تحلیل لاگ‌ها و مسیرهای اجرای پیشین تکامل پیدا کنند، و مدل‌های پایه هم می‌توانند بر اساس رفتارهایی که هارنس‌های خودشان کشف کرده‌اند آموزش ببینند.

نتیجه این تحول، شکل‌گیری یک دوراهی مهم در طراحی سیستم‌ها برای توسعه‌دهندگان است: کدام بخش از پشته معماری (Stack) ایجنت باید ثابت بماند و کدام بخش باید یاد بگیرد و خودش را ارتقا دهد؟

در این گزارش، معماری نوظهور و اجزای مختلف پشته ایجنت‌های خوداصلاح‌گر و در حال تکامل بررسی شده است.

ایجنت‌های هوش مصنوعی چطور بهینه‌سازی معماری خود را یاد می‌گیرند؟

محققان در حال پیاده‌سازی سازوکارهایی هستند که به ایجنت‌های هوش مصنوعی امکان می‌دهد با بازنویسی نرم‌افزار و مدل‌های زیربنایی خود، فرایند خوداصلاحی را رقم بزنند. هدف نهایی کاملاً شفاف است: حذف گلوگاه خسته‌کننده تنظیمات دستی از طریق یک حلقه بازخورد کاملاً خودکار که مستقیماً بر اساس نتایج اجرا کار می‌کند.

هدف اصلی این بهینه‌سازی، «لایه‌بندی هدایت ایجنت» یا همان هارنس (Harness) است؛ یعنی لایه احاطه‌کننده مدل که مواردی مثل پرامپت‌ها، ابزارها، حافظه، مدیریت کانتکست و جریان هدایت سیستم را در بر می‌گیرد. این اجزا در واقع تعیین می‌کنند مدل هوش مصنوعی چه چیز‌هایی را ببیند، چه کار‌هایی بتواند انجام دهد و هنگام برخورد با خطاها چگونه واکنش نشان دهد.

با این حال، فریم‌ورک‌های خودبه‌سازی ایجنتی نوظهور تنها به همین‌جا محدود نمی‌شوند؛ آن‌ها مدل پایه را هم‌گام با خود ایجنت فاین‌تیون می‌کنند، محیط‌های آموزشی را از نو فرم می‌دهند و ساختار همکاری چندین ایجنت با یکدیگر را بازطراحی می‌کنند.

این رویکردهای نوظهور مراحل سلسله‌مراتبی و سفت‌وسختی ندارند و اغلب با یکدیگر هم‌پوشانی دارند؛ اما بیش‌تر آن‌ها از یک الگوی مشترک پیروی می‌کنند: اجرای وظایف محوله، جمع‌آوری ردپای اجرا (Execution Traces)، شناسایی ضعف‌های تکرارشونده، تغییر بخشی از پشته نرم‌افزاری، و در نهایت آزمایش این‌که آیا نسخه جدید واقعاً عملکرد بهتری دارد یا خیر.

اسکیل‌ها؛ آموزش‌پذیر کردن دستورالعمل‌های ایجنت

اسکیل‌ها (Skills) یکی از ساده‌ترین نقطه‌ها برای شروع هستند. آن‌ها معمولاً فایل‌های متنی ساده‌ای هستند که دستورالعمل‌های مربوط به وظایف خاص، جریان‌های کاری و ترفندهای حل مسئله را بیرون از وزن‌های مدل نگهداری می‌کنند. در همین راستا، ابزار SkillOpt مایکروسافت خودِ سند اسکیل را به هدفی برای بهینه‌سازی خودکار تبدیل می‌کند.

سیستم SkillOpt ابتدا عملکرد ایجنت را در مجموعه‌ای از وظایف ارزیابی می‌کند. سپس مسیرهای امتیازدهی‌شده را زیر ذره‌بین قرار می‌دهد و تغییرات کوچکی مثل افزودن، حذف یا جایگزینی بخش‌هایی از فایل اسکیل را پیشنهاد می‌دهد. در مرحله بعد، این نسخه کاندید را روی یک مجموعه داده اعتبارسنجی مجزا آزمایش می‌کند؛ داده‌هایی که در مرحله ویرایش اصلاً دخیل نبوده‌اند. هرگونه اصلاح پیشنهادی تنها زمانی تأیید و اعمال می‌شود که نمره ارزیابی نهایی را ارتقا داده باشد.

پروژه WikiSkill از تیم تحقیقاتی گوگل (Google Research) به سراغ چالش دیگری رفته است: اطلاعات لازم برای بهینه‌سازی فایل‌های اسکیل معمولاً بین بخش‌های مختلف پراکنده است. سیستم WikiSkill یک پایگاه دانش یا ویکی ایجاد می‌کند که تمام تجربیات ایجنت (هم موفقیت‌ها و هم شکست‌ها) را در یک قالب ساختاریافته گرد هم می‌آورد.

این ویکی مثل یک لایه میانی میان لاگ‌های خام اجرایی و اسکیل‌های قابل‌اجرای ایجنت قرار می‌گیرد. سامانه WikiSkill با تکیه بر این اطلاعات، اسکیل‌ها را مرحله به مرحله بهبود می‌بخشد تا سیستم دوباره چرخ را از اول اختراع نکند، درگیر مشکلات تکراری نشود و راه‌حل‌های ردشده قبلی را دوباره امتحان نکند.