التسلسل الفوري

كيف يعمل التسلسل الموجه

الفكرة الأساسية وراء التسلسل الفوري هي تفكيك المهام. حيث يتم تقسيم المشكلة المعقدة، التي قد يصعب على الذكاء الاصطناعي حلها بدقة في خطوة واحدة، إلى مهام فرعية أصغر يمكن التحكم فيها. تتم معالجة كل مهمة فرعية بواسطة مطالبة محددة ضمن السلسلة. يقوم الذكاء الاصطناعي بمعالجة المطالبة الأولى، ويولد مخرجات، وتصبح هذه المخرجات (أو نسخة معالجة منها) جزءًا من مدخلات المطالبة الثانية، وهكذا. توجه هذه العملية خطوة بخطوة الذكاء الاصطناعي خلال المهمة، مما يضمن أن كل مرحلة تعتمد بشكل منطقي على المرحلة السابقة. تتناقض هذه الطريقة مع محاولة حل المشكلة بأكملها باستخدام موجه واحد، غالبًا ما يكون معقدًا وأقل موثوقية. تُستخدم أطر عمل مثل LangChain بشكل شائع لتنفيذ مثل هذه السلاسل، مما يبسّط تنسيق هذه العمليات متعددة الخطوات. إن تدفق المعلومات بين المطالبات هو مفتاح نجاح السلسلة.

الفوائد والتطبيقات

يوفر التسلسل الفوري العديد من المزايا لتطوير أنظمة ذكاء اصطناعي متطورة:

• تحسين الدقة والموثوقية: يقلل تقسيم المهام من التعقيد في كل خطوة، مما يؤدي إلى نتائج وسيطة ونهائية أكثر دقة. هذا التنقيح التدريجي يقلل من فرصة حدوث أخطاء أو هلوسة الذكاء الاصطناعي.
• تحسين التحكم والتصحيح: يمكن مراقبة كل خطوة في السلسلة وتقييمها وتصحيحها بشكل فردي، مما يسهل تحديد المشكلات وإصلاحها مقارنةً باستكشاف الأخطاء وإصلاحها في مطالبة واحدة متجانسة. يتماشى ذلك مع أفضل الممارسات في MLOPS.
• التعامل مع التعقيد: تمكين الذكاء الاصطناعي من التعامل مع المهام التي تتطلب مراحل متعددة من التفكير أو استرجاع المعلومات أو التحويل التي قد تكون معقدة للغاية بالنسبة لموجه واحد. وهذا أمر بالغ الأهمية لبناء وكلاء ذكاء اصطناعي متقدم.
• النمطية وقابلية إعادة الاستخدام: من المحتمل إعادة استخدام المطالبات الفردية أو السلاسل الفرعية عبر عمليات سير عمل مختلفة، مما يعزز الكفاءة في التطوير. هذه النمطية هي مبدأ أساسي في هندسة البرمجيات.

أمثلة من العالم الحقيقي:

1. أتمتة دعم العملاء: A روبوت الدردشة يستخدم التسلسل الفوري للتعامل مع استعلام المستخدم.
   • الموجه 1: تحليل طلب المستخدم لتحديد القصد والكيانات الرئيسية (مثل اسم المنتج ونوع المشكلة).
   • الموجه 2: استخدم الكيانات المستخرجة للبحث في قاعدة المعرفة عن مقالات استكشاف الأخطاء وإصلاحها أو الأسئلة الشائعة ذات الصلة.
   • المطالبة 3: لخص المعلومات المسترجعة بناءً على مشكلة المستخدم المحددة.
   • الموجه 4: إنشاء استجابة واضحة ومتعاطفة مع المستخدم تتضمن الملخص.
2. دمج الرؤية واللغة لإعداد التقارير: توليد تقرير وصفي من صورة تم التقاطها بواسطة نظام الأمان.
   • الموجه 1 (الإدخال: صورة): استخدام Ultralytics YOLOللكشف عن الأجسام لتحديد الأجسام ومواقعها(المربعات المحدودة).
   • الموجه 2 (الإدخال: قائمة الكائنات): قم بتغذية قائمة الكائنات والمواقع المكتشفة إلى موجه LLM لإنشاء ملخص نصي وصفي للمشهد.
   • الموجه 3 (الإدخال: ملخص المشهد + السياق): استخدم وصف المشهد والسياق الإضافي (على سبيل المثال، الوقت والموقع) لإنشاء تقرير منظم للحادث باستخدام إمكانيات إنشاء النص. يجمع هذا بين الرؤية الحاسوبية ومعالجة اللغة الطبيعية (NLP).

تسلسل الموجهات مقابل المفاهيم ذات الصلة

من المفيد التمييز بين التسلسل الفوري والتقنيات المشابهة:

• هندسة الموجهات: هذه هي الممارسة الواسعة لتصميم مطالبات فعالة لنماذج الذكاء الاصطناعي. يعد تسلسل الموجهات أحد الأساليب المحددة في هندسة الموجهات، مع التركيز على هيكلة عدة موجهات بالتتابع.
• موجهات سلسلة التفكير (CoT): تهدف CoT إلى تحسين القدرة على التفكير المنطقي لدى آلية التعلم الآلي ضمن موجه واحد من خلال مطالبتها "بالتفكير خطوة بخطوة". وعلى العكس من ذلك، فإن تسلسل الموجهات يقسم المهمة إلى عدة خطوات موجهات متميزة، ومن المحتمل أن تتضمن نماذج أو أدوات مختلفة في كل خطوة.
• التوليد المعزز بالاسترجاع (RAG): RAG هي تقنية يسترجع فيها نموذج الذكاء الاصطناعي المعلومات ذات الصلة من مصدر معرفي خارجي قبل توليد استجابة. غالبًا ما يتم استخدام RAG كخطوة واحدة محددة ضمن سلسلة مطالبات أكبر (على سبيل المثال، البحث في قاعدة المعرفة في مثال دعم العملاء). تعرف على المزيد حول أنظمة RAG.
• إثراء المطالبة: يتضمن ذلك إضافة سياق أو تفاصيل تلقائيًا إلى المطالبة الأولية للمستخدم قبل إرسالها إلى الذكاء الاصطناعي. على الرغم من أنه يعزز مطالبة واحدة، إلا أنه لا يتضمن المعالجة المتسلسلة لمطالبات متعددة ومترابطة مثل تسلسل المطالبات.
• ضبط الموجه: أسلوب ضبط دقيق فعال للمعلمات (PEFT) يتضمن تعلم "مطالبات ناعمة" محددة(تضمينات) بدلاً من صياغة مطالبات نصية. إنه أسلوب تدريب نموذجي، يختلف عن بنية التنفيذ في وقت التشغيل لتسلسل المطالبات.

يُعد التسلسل الموجه طريقة قوية لهيكلة التفاعلات مع نماذج الذكاء الاصطناعي المتقدمة مثل نماذج التعلم الآلي ذات التسلسل الموجه وحتى دمجها مع أنظمة الذكاء الاصطناعي الأخرى مثل تلك المستخدمة لتصنيف الصور أو تجزئة النماذج. فهي تجعل المهام المعقدة أكثر سهولة وتحسن موثوقية النتائج في مختلف تطبيقات التعلم الآلي، بدءًا من تحليلات البيانات الأساسية إلى أنظمة الذكاء الاصطناعي المتطورة متعددة الوسائط. تعمل منصات مثل Ultralytics HUB على تسهيل تدريب ونشر النماذج التي يمكن أن تشكل مكونات هذه السلاسل.