تتفوق النماذج اللغوية الكبيرة مثل GPT-4 في التفكير النظام 1 - العمليات المعرفية السريعة والحدسية والآلية. ومع ذلك، غالبًا ما تواجه صعوبة في التفكير النظام 2، والذي ينطوي على استدلال أبطأ وأكثر تعمدًا وتحليليًا. يتضح هذا القيد في عجزها عن حل المشكلات المعقدة بفعالية والتي تتطلب تفكيك المهمة إلى خطوات، واستكشاف خيارات مختلفة، وتقييم الحلول.

المشكلة الرئيسية هي أن النماذج اللغوية الكبيرة تعتمد بشكل أساسي على مطابقة النماذج والتنبؤ الإحصائي، دون القدرة على فهم المفاهيم الأساسية أو التفكير من خلال عملية حل المشكلات. يمكنها تقديم استجابات ظاهريًا معقولة لأسئلة بسيطة، ولكن عند مواجهة مهام أكثر تعقيدًا، غالبًا ما تفشل في التعرف على الدقائق وإجراء الاستنتاجات المنطقية اللازمة.

هناك العديد من استراتيجيات هندسة المطالبة التي يمكن استخدامها لفرض التفكير النظام 2 في النماذج اللغوية الكبيرة:

1. مطالبة سلسلة التفكير: وهي طريقة بسيطة وشائعة تدرج مطالبة "الخطوات التفكيرية" قبل أن ينشئ النموذج الإخراج. هذا يجبر النموذج على تفكيك المشكلة إلى خطوات أصغر والتفكير فيها.

2. المطالبة على أساس المثال: بدلاً من مجرد تقديم مطالبة "الخطوات التفكيرية", يمكنك إعطاء النموذج بضعة أمثلة قصيرة عن كيفية معالجة المشكلة. هذا يساعد النموذج على فهم نوع التفكير المرحلي المطلوب.

3. الاتساق الذاتي مع سلسلة التفكير: تحصل هذه الطريقة على النموذج لتشغيل عملية سلسلة التفكير عدة مرات، ومراجعة الإجابات، والتصويت على الأكثر معقولية. هذا يستكشف عددًا قليلاً من الخيارات المختلفة قبل الوصول إلى الإجابة النهائية.

4. شجرة التفكير: هذه هي واحدة من أكثر استراتيجيات المطالبة تقدمًا. إنها تحصل على النموذج على التفكير في طرق متعددة لحل المشكلة، واستكشاف الفروع المختلفة، والحفاظ على المسارات المستكشفة. هذا يزيد بشكل كبير من عدد الخيارات التي يأخذها النموذج في الاعتبار.

بينما حققت النماذج اللغوية الكبيرة مثل GPT-4 تقدمًا ملحوظًا، لا تزال تواجه صعوبة في المهام المعقدة متعددة الخطوات التي تتطلب التفكير "النظام 2". لمعالجة هذا، يمكننا الاستفادة من قوة الوكلاء التواصليين - إعداد متعدد الوكلاء حيث يتعاون وكلاء مختلفون لحل المشكلات.

الفوائد الرئيسية لهذا النهج هي:

1. تقسيم وحكم: من خلال تخصيص أدوار ومسؤوليات محددة لوكلاء مختلفين (على سبيل المثال، حل المشكلات، والمراجع، والباحث)، يمكننا تفكيك المشكلات المعقدة إلى مهام فرعية أكثر إدارة.

2. التفكير التأملي: تسمح التفاعلات بين الوكلاء بتغذية راجعة، حيث يمكن للمراجع تحديد أوجه القصور في نهج حل المشكلة وحثه على إعادة التقييم وتحسين الحل.

3. استكشاف البدائل: يمكن للوكلاء التواصليين استكشاف مسارات حل متعددة في نفس الوقت، بدلاً من الاقتصار على نهج واحد خطي.

في هذا القسم، سنمر عبر مثال عملي لاستخدام نظام متعدد الوكلاء لحل لغز منطقي معقد يصعب حتى على GPT-4.

المهمة هي كما يلي:

هناك أربعة حيوانات - أسد وزرافة وفيل وحمار وحشي. هم موجودون في أربعة منازل مختلفة بألوان مختلفة - أحمر وأزرق وأخضر وأصفر. الهدف هو تحديد أي حيوان في أي منزل ملون، بناءً على تلميحات التالية:

1. الأسد إما في المنزل الأول أو الأخير.
2. المنزل الأخضر مباشرة على يمين المنزل الأحمر.
3. الحمار الوحشي في المنزل الثالث.
4. المنزل الأخضر متجاور مع المنزل الأزرق.
5. الفيل في المنزل الأحمر.

هذه المشكلة صعبة نسبيًا، حيث تتطلب النظر بعناية في كل تلميح واستنتاج الترتيب النهائي. دعونا نرى كيف يمكننا استخدام نظام متعدد الوكلاء لحل هذه المشكلة.

النماذج اللغوية الكبيرة مثل GPT-4 لديها قدرات مвпечатляющة، ولكن غالبًا ما تواجه صعوبة في المهام المعقدة التي تتطلب تفكير النظام الثاني. لمعالجة هذا، يستكشف الباحثون طرقًا لفرض المزيد من التفكير المتعمد والمرحلي في هذه النماذج.

أحد النهج هو من خلال تقنيات هندسة المطالبة مثل مطالبات "سلسلة التفكير", والتي تقسم المشكلات إلى خطوات أصغر. تذهب الطرق المتقدمة مثل "الاتساق الذاتي" و"شجرة الأفكار" إلى استكشاف مسارات حل متعددة.

اتجاه واعد آخر هو استخدام "الوكلاء التواصليين" - إعدادات حيث تتعاون وكالات AI متعددة لحل المشكلات، مع وكيل واحد يعمل كمراجع لتحديد أوجه القصور في تفكير الآخر.