ما المقصود بتطوير وكيل الذكاء الاصطناعي؟

تطوير وكيل الذكاء الاصطناعي هو عملية إنشاء وكلاء الذكاء الاصطناعي. ويشمل تصميم الذكاء الاصطناعي الوكيل وبناءَه وتدريبه واختباره ونشره.

يمكن للمؤسسات اختيار إنشاء وكلاء الذكاء الاصطناعي من البداية. وهذا يمنحهم تحكمًا كاملًا في بنية الوكيل ووظائفه. كما يمكنهم أيضًا تخصيص أنظمة الوكيل لحالات الاستخدام واحتياجات العمل الخاصة بهم وتخصيص الذكاء الاصطناعي الوكيل لمهام محددة. من ناحية أخرى، يتطلب بناء وكلاء الذكاء الاصطناعي من الصفر خبرة كبيرة في الذكاء الاصطناعي والتعلم الآلي وتطوير البرمجيات. بالإضافة إلى ذلك، يمكن أن يكون باهظ الثمن.

نهج أسرع وأكثر قابليةً للتوسع، خاصةً للمبتدئين، يتضمن استخدام أطر عمل وكلاء الذكاء الاصطناعي. باعتبارها البنية الأساسية للوكلاء المدعومين بالذكاء الاصطناعي، توفِّر هذه المنصات البرمجية ميزات مدمجة تساعد على تبسيط عملية تطوير الوكلاء، بما في ذلك البنى والقوالب الجاهزة وأنظمة إدارة المهام وأدوات التكامل والمراقبة.

يتضمن تنفيذ وكلاء الذكاء الاصطناعي عادةً هذه السلسلة من الخطوات:

1. تحديد الأهداف والنطاق
2. التصميم
3. اختيار إطار العمل والنموذج والأداة
4. إصدار
5. التدريب
6. التقييم
7. النشر والمراقبة

الخطوة الأولى هي تحديد أهداف واضحة ونطاق محدد لوكيل الذكاء الاصطناعي. فيما يلي بعض الأسئلة التي يمكن أن تساعدك:

• ما المشكلة التي سيحلها الوكيل؟
• ما المهام التي سيتعين عليه إنجازها؟
• ما البيانات أو إدخالات المستخدم التي سيحتاج إليها وكيل الذكاء الاصطناعي؟
• ما القرارات التي ستحتاج إلى اتخاذها؟
• هل سيكون اتخاذ القرار ذاتيًا، أم سيكون من الضروري اتباع نهج يعتمد على مشاركة الإنسان في العملية؟
• من المستخدمون وكيف سيستخدمون نظام الذكاء الاصطناعي هذا؟

يمكن أن تساعد الإجابات عن هذه الأسئلة على توجيه خطوة التصميم.

تتم صياغة مخطط الوكيل أثناء مرحلة التصميم. يشمل هذا المخطط البنية وسير العمل والتكامل وتجربة المستخدم.

بالنسبة إلى الوظائف البسيطة، مثل وكلاء دعم العملاء الذين يتتبعون الطلبات في الوقت الفعلي ويقدِّمون للعملاء تحديثات حول الحالة، قد تكفي بنية وكيل واحد. ولكن بالنسبة إلى المهام المعقدة، قد يكون النظام متعدد الوكلاء أكثر ملاءمةً. في مجال الرعاية الصحية، على سبيل المثال، يمكن للنظام متعدد الوكلاء أتمتة سير العمل المعقد في اكتشاف الأدوية، مع وكلاء منفصلين لاستكشاف مكتبات المركَّبات الكيميائية وتلخيص الأبحاث الطبية، ووكيل آخر للذكاء الاصطناعي التوليدي لإنشاء تصاميم جزيئية جديدة.

تساعد البنية على تحديد النوع الصحيح من وكيل الذكاء الاصطناعي وعناصره. كما يساعد ذلك على تخطيط مهام سير العمل الوكيل، بما في ذلك الحالات الاستثنائية وسيناريوهات الأخطاء. بالنسبة إلى الأنظمة متعددة الوكلاء، تجب مراعاة بروتوكولات الاتصال واستراتيجيات التنسيق والتعاون.

إذا كان الوكيل سيتفاعل مباشرةً مع المستخدمين، يمكن للمؤسسات اختيار واجهة مساعد ذكاء اصطناعي مشابهة لروبوتات المحادثة مثل ChatGPT من OpenAI. سيحتاجون أيضًا إلى خطة للاندماج مع منصات أخرى، مع مراعاة استخدام آليات استدعاء الأدوات للوصول إلى واجهات برمجة التطبيقات (APIs) والإضافات الخارجية وبيانات العملاء وغيرها من مصادر البيانات لمعالجة المعلومات في الوقت الفعلي واتخاذ القرارات الديناميكية.

بعد وضع التصميم، تأتي المرحلة التالية وهي اختيار إطار العمل المناسب ونموذج الذكاء الاصطناعي المناسب وغيرها من أدوات أو مكتبات الذكاء الاصطناعي ذات الصلة.

يمكن للمؤسسات بناء الوكلاء بنفسها باستخدام لغات برمجة مثل Python أو JavaScript. بالنسبة إلى أولئك الذين يستخدمون أطر عمل وكيلة، تشمل بعض الخيارات الشائعة أطر العمل مفتوحة المصدر مثل BeeAI وCrewAI وLangChain وLangGraph، بالإضافة إلى AutoGen وSemantic Kernel من Microsoft ومجموعة تطوير البرمجيات (SDK) الخاصة بها.

يُعَد اختيار النموذج أمرًا بالغ الأهمية لمواءمة خوارزميات التعلم الآلي أو النماذج اللغوية الكبيرة مع وظائف ومهام وكيل الذكاء الاصطناعي. قد تتطلع الشركات أيضًا إلى استخدام أدوات متخصصة مثل أنظمة التوليد المعزز بالاسترجاع (RAG) أو مكتبات مثل PyTorch وscikit-learn وTensorFlow لتعزيز أداء وكلاء الذكاء الاصطناعي لديها.

مرحلة البناء هي المرحلة التي تتم فيها جميع أنشطة تطوير الوكيل. للمساعدة على تجنُّب الشعور بالإرهاق، يمكن للشركات اعتماد نهج معياري، حيث يتم تصميم كل عنصر على حدة قبل دمجها جميعًا لتكوين وكيل ذكاء اصطناعي يعمل بشكل متكامل. تُتيح هذه الاستراتيجية المعيارية أيضًا صيانة أسهل، حيث إن أي تعديل على كل جزء سيكون له تأثير ضئيل فقط في النظام الكامل للوكيل.

بصرف النظر عن بناء وكيل الذكاء الاصطناعي نفسه، يجب على المؤسسات أيضًا مراعاة هذه العوامل عند تطوير الذكاء الاصطناعي الوكيل:

• الكفاءة: يجب على وكلاء الذكاء الاصطناعي معالجة البيانات بسرعة واتخاذ القرارات وتنفيذ الإجراءات وإنتاج الاستجابات.
• قابلية التوسع: يجب أن يكون الوكلاء أقوياء بما يكفي للتعامل مع الأحجام المتزايدة دون أن يتدهور الأداء.
• الأمان: يمكن أن يساعد تضمين ضوابط الأمان مثل التحكم في الوصول والمصادقة والتشفير على منع الهجمات العدائية والوصول والتفاعل غير المصرح به.

يستلزم تدريب النموذج أن يتعلم نموذج الذكاء الاصطناعي من مجموعة بيانات تدريبية تحتوي على مهام نموذجية ذات صلة بوظائف وأفعال الوكيل. وهي عملية تكرارية تشمل إعداد مجموعة البيانات وتشغيل النموذج على هذه البيانات وقياس أدائه عبر إشارة خسارة أو مكافأة، ثم تعديل مَعلمات النموذج لتحسين التنبؤات المستقبلية.

يمكن أن يكون تدريب نماذج التعلم الآلي من البداية طويلًا ومكلِّفًا وكثيف الاستخدام للموارد. قد تفضِّل الشركات استخدام نموذج مدرَّب مسبقًا ثم ضبطه بدقة على مجموعات بيانات خاصة بمهام وكيل الذكاء الاصطناعي.

تقييم وكيل الذكاء الاصطناعي هو عملية اختبار الذكاء الاصطناعي الوكيل والتحقق منه للتأكد من أنه يحقق أهدافه ويؤدي على النحو المتوقع. يتطلب ذلك مجموعة بيانات للاختبار أو التحقق تختلف عن مجموعة بيانات التدريب وتكون متنوعة بما يكفي لتغطية جميع حالات الاختبار المحتملة وتعكس السيناريوهات الواقعية.

يمكن أن يساعد إجراء الاختبارات في بيئة تجريبية أو بيئة محاكاة على تحديد تحسينات الأداء مبكرًا واكتشاف أي مشكلات أمنية أو مخاطر أخلاقية قبل نشر الوكلاء للمستخدمين الفعليين.

مثل معايير أداء النماذج اللغوية الكبيرة، يمتلك وكلاء الذكاء الاصطناعي أيضًا مجموعة من مقاييس التقييم. تشمل المعايير الشائعة المقاييس الوظيفية مثل معدل النجاح أو إكمال المهمة ومعدل الخطأ وزمن الانتقال والمعايير الأخلاقية مثل التحيز ومعدل الإنصاف وقابلية التعرض لحقن المطالبات. يتم تقييم الوكلاء والروبوتات التي تتفاعل مع المستخدمين وفقًا لتدفق المحادثة ومعدل التفاعل ودرجة رضا المستخدم.

بعد قياس المقاييس وتحليل نتائج الاختبار، يمكن لفِرَق تطوير الوكلاء المُضيّ قدمًا في تصحيح أخطاء الخوارزميات وتعديل بنى الوكيل وتحسين المنطق وتحسين الأداء.

تستلزم هذه المرحلة النهائية نشر الأنظمة الوكيلة في بيئات إنتاج مباشرة حيث يمكن للعملاء التفاعل مع وكلاء الذكاء الاصطناعي واستخدامهم. وهذا يشمل أيضًا المراقبة المستمرة، والتي تُعَد أمرًا ضروريًا لتتبُّع الأداء وتعزيزه والتأكد من تكيُّفه مع المواقف والتحديات الجديدة.

تساعد منصات مثل Amazon Bedrock AgentCore و®IBM® watsonx.ai على أتمتة نشر الوكيل ومراقبته. فمع watsonx.ai، على سبيل المثال، يمكن للمطورين الاستفادة من قدرات النشر والتتبُّع بنقرة واحدة؛ لتحقيق قابلية الملاحظة.