استكشف إطار عمل Tree of Thoughts (ToT) لتعزيز قدرات الاستدلال في نماذج اللغة الكبيرة (LLM). تعلم كيفية تنفيذ البحث المنظم والمنطق متعدد الخطوات باستخدام Ultralytics .
شجرة الأفكار (ToT) هي إطار عمل متقدم للتفكير المنطقي مصمم لتعزيز قدرات حل المشكلات في نماذج اللغة الكبيرة (LLMs). على عكس طرق الاستدعاء الخطية التقليدية، تتيح ToT للنماذج استكشاف مسارات تفكير منطقية متعددة في وقت واحد، تمامًا مثل استكشاف فروع شجرة. في كل خطوة، يولد النموذج عدة "أفكار" محتملة أو خطوات استدلالية وسيطة، ويقيم جدواها، ويقرر بنشاط المسارات التي يجب اتباعها أو إيقافها أو التخلي عنها. يعكس هذا النهج طريقة حل المشكلات البشرية، حيث غالبًا ما نأخذ في الاعتبار الاحتمالات المختلفة، ونختبر الفرضيات ذهنيًا، ونرجع إلى الوراء إذا أدركنا أن نهجًا معينًا معيب.
أثناء استكشاف استراتيجيات التوجيه، من المهم التمييز بين شجرة الأفكار وسلسلة توجيه الأفكار (CoT). توجه CoT النموذج لاتباع تسلسل خطي واحد من الخطوات المنطقية للوصول إلى نتيجة. على الرغم من فعاليتها العالية في العديد من المهام، لا يمكن لـ CoT التعافي إذا ارتكبت خطأ في بداية التسلسل. في المقابل، تحافظ شجرة الأفكار بشكل صريح على بنية شجرية لمسارات تفكير متعددة. من خلال استخدام خوارزميات البحث العرضي أو أطر البحث العميق، يمكن لشجرة الأفكار التراجع عن الطرق المسدودة والتحول إلى فروع أكثر واعدة، مما يجعلها أكثر قوة بشكل ملحوظ للمهام المعقدة للذكاء الاصطناعي التوليدي.
إن القدرة على التطلع إلى المستقبل وتقييم النتائج المتعددة تجعل ToT ذات قيمة عالية في مختلف الصناعات التي تتطلب منطقًا معقدًا.
عند بناء أنظمة الاستدلال، يعمل الإدراك البصري كمدخل حسي لشجرة منطق النموذج. يمكنك إدخال بيانات الكشف في الوقت الفعلي بسلاسة في نموذج استدلال OpenAI أو وكيل تقييم الفروع. يوضح المثال التالي كيفية استخراج البيانات البيئية باستخدام YOLO26، والتي يمكن أن تعمل كوظيفة تقييم عقدة في إطار عمل ToT أوسع.
from ultralytics import YOLO
# Load Ultralytics YOLO26 to analyze visual states for a reasoning tree
model = YOLO("yolo26n.pt")
results = model("https://ultralytics.com/images/bus.jpg")
def evaluate_thought_state(detections):
# Returns True if a 'bus' is found, prompting the ToT agent to explore this logic branch
return any(model.names[int(box.cls)] == "bus" for box in detections[0].boxes)
print(f"Is this reasoning branch viable? {evaluate_thought_state(results)}")
مع استمرار الباحثين في مؤسسات مثل Google في تحسين التقييم التجريبي، يتسارع دمج ToT في سير عمل الذكاء الاصطناعي اليومي. نحن نقترب من الذكاء الاصطناعي العام (AGI)، حيث تجمع النماذج بسلاسة بين التعلم متعدد الوسائط والبحث المنظم. تعتمد الفرق التي تبني تطبيقات الجيل التالي هذه على بنية تحتية قوية، مثل Ultralytics ، لإدارة مجموعات البيانات المعقدة المطلوبة لتدريب كل من طبقات الإدراك والاستدلال في أنظمة الذكاء الاصطناعي الحديثة. بالنسبة لأولئك الذين يرغبون في التعمق في الرياضيات التي تقف وراء الرسوم البيانية الحسابية الديناميكية التي تدعم هذه النماذج، تظل PyTorch الرسمية PyTorch موردًا لا يقدر بثمن.
