تأتي نماذج اللغة الكبيرة (LLM) في مقدمة التقدم السريع في مجال الذكاء الاصطناعي، حيث أسهمت في تطوير برامج الدردشة وتوليد النصوص وكتابة التعليمات البرمجية. وعلى الرغم من أن هذه النماذج بارعة في فهم النصوص وإنتاجها، إلا أنها تواجه تحديات في أداء المهام في السياقات الواقعية.

وفي سياق تطوير الذكاء الاصطناعي، قدم الباحثون في شركة مايكروسوفت نموذج العمل الكبير (LAM)، والذي يتميز بقدرته على تشغيل برامج ويندوز بشكل مستقل، تمثل نماذج العمل الكبيرة (LAMs) تقدما ملحوظا في الذكاء الاصطناعي، حيث تسمح لأنظمة الذكاء الاصطناعي بتنفيذ مهام معقدة بناء على تعليمات المستخدم، هذا التحول يشير إلى الانتقال من نماذج الذكاء الاصطناعي التي تتمحور حول التفاعل اللفظي إلى نماذج يمكنها أداء المهام بشكل فعلي.

تعمل نماذج الذكاء الاصطناعي التقليدية بشكل رئيسي على معالجة النصوص، لكن نماذج LAMs تأخذ هذا إلى خطوة أبعد، حيث يمكنها تحويل طلبات المستخدم إلى إجراءات ملموسة، مثل تشغيل البرامج أو التحكم في الروبوتات. 

ورغم أن فكرة LAM ليست جديدة، إلا أنه يعتبر أول نموذج يدرب على نحو خاص ليتوافق مع منتجات مايكروسوفت Office، وقد تزايد الاهتمام بنماذج LAMs في النصف الأول من عام 2024، مع إصدار جهاز Rabbit AI، الذي يمكنه التفاعل مع تطبيقات الهاتف المحمول دون الحاجة إلى تدخل بشري.

يمكن لنماذج LAM فهم مدخلات متنوعة، بما في ذلك النصوص، الأصوات، والصور، بالإضافة إلى قدرتها على تحويل هذه المدخلات إلى خطط عمل مفصلة، مع إمكانية تعديل الاستجابة في الوقت الحقيقي، باختصار، تعتبر نماذج LAM أنظمة ذكاء اصطناعي مصممة ليس فقط للفهم، بل أيضا للعمل والتنفيذ.

استنادا إلى ورقة بحثية بعنوان 'نماذج الإجراءات الكبيرة: من البداية إلى التنفيذ'، تم تصميم هذه النماذج للتفاعل مع البيئات الرقمية والمادية على حد سواء، على سبيل المثال، بدلا من مجرد طلب توجيهات حول كيفية إعداد عرض تقديمي في PowerPoint، يمكن للمستخدم أن يطلب من الذكاء الاصطناعي فتح التطبيق وإنشاء الشرائح وتنسيقها وفقا لرغباته. 

في جوهرها، تجمع نماذج الإجراءات الكبيرة بين فهم النية، الذي يشير إلى دقة تفسير أوامر المستخدم، وتوليد الإجراءات، المرتبطة بالقدرة على التخطيط لخطوات قابلة للتنفيذ، والتكيف الديناميكي، الذي يسمح لها بالتكيف وفقا للملاحظات التي تتلقاها من بيئتها.

بالمقارنة مع نماذج أخرى، فإن إنشاء نماذج الإجراءات الكبيرة أكثر تعقيدا ويتطلب خمس مراحل، تعتمد هذه النماذج على قاعدة بيانات متينة، حيث تحتاج إلى نوعين من البيانات: بيانات خطة المهمة، وهي خطوات عالية المستوى لمهام مثل فتح مستند Word أو تسليط الضوء على نص، وبيانات المهمة والإجراءات، التي تتضمن خطوات تنفيذية محددة.

في مرحلة التدريب، تخضع هذه النماذج لعدة أنواع من التعلم، مثل التعلم الخاضع للإشراف، والتعلم التعزيزي، وكذلك التعلم بالملاحظة. قبل الإطلاق، يتم اختبار هذه النماذج في بيئات مراقبة للتأكد من أدائها، ثم تدمج مع أنظمة الوكلاء، مثل وكلاء واجهة المستخدم الرسومية لنظام التشغيل ويندوز، للتفاعل مع البيئات المختلفة. في النهاية، يتم اختبار النموذج في سيناريوهات حية لتقييم قدرته على التكيف وأدائه الفعلي.

تمثل نماذج LAM قفزة كبيرة في تقدم الذكاء الاصطناعي، حيث تتحول من نماذج بسيطة لإنشاء النصوص إلى وكلاء ذكاء اصطناعي قادرين على القيام بأعمال فعلية. من أتمتة سير العمل إلى دعم الأشخاص ذوي الإعاقة، لا تقتصر فائدة أجهزة LAM على كونها أكثر ذكاء، بل إنها أيضا أكثر فعالية في الحياة اليومية. ومع تطور هذه التقنية، قد تصبح أجهزة LAM قريبا معيارا لنظم الذكاء الاصطناعي في جميع المجالات.