أعلنت مايكروسوفت تطوير نموذج ذكاء اصطناعي جديد يحمل اسم “Large Action Model أو LAM”، وهو يتميز بقدرته على تشغيل برامج ويندوز وتنفيذ المهام بنحو مستقل، ويشكّل هذا النموذج نقلة نوعية في الذكاء الاصطناعي القادر على تنفيذ الأوامر فعليًا.
وعلى عكس النماذج اللغوية التقليدية، مثل GPT-4o، التي تقتصر وظيفتها على معالجة النصوص وإنشائها، يتمتع نموذج LAM الجديد من مايكروسوفت بقدرة على تحويل طلبات المستخدمين إلى أفعال حقيقية، سواء كان ذلك تشغيل البرامج أو التحكم في الأجهزة.
وقد كانت هذه الفكرة موجودة سابقًا، لكن LAM يُعد أول نموذج يُدرَّب بنحو خاص للعمل مع منتجات مايكروسوفت أوفيس المكتبية وغيرها من تطبيقات ويندوز.
وعلى سبيل المثال: عند التسوق عبر الإنترنت، تستطيع النماذج التقليدية تقديم تعليمات نصية حول كيفية الشراء، في حين يمكن لنموذج LAM تنفيذ عملية الشراء نفسها من خلال التنقل في واجهة الموقع.
ووفقًا لمايكروسوفت، فإن تطوير هذا النموذج يتطلب أربع مراحل رئيسية هي: التدريب على تخطيط المهام وتقسيم المهمة إلى خطوات منطقية، والتعلم من نماذج متقدمة (مثل GPT-4o) لتحويل الخطط إلى أفعال، والاستكشاف الذاتي الذي يتيح للنموذج البحث عن حلول جديدة وتجاوز العقبات التي تعجز عنها النماذج الأخرى، بالإضافة إلى التدريب المستند إلى المكافآت لتحسين دقة التنفيذ.
وجرّب الباحثون نموذج LAM في بيئة اختبار خاصة ببرنامج تحرير النصوص “ورد”، وقد نجح في تنفيذ المهام بنسبة قدرها 71%، متفوقًا على GPT-4o الذي حقق نسبة نجاح بلغت 63% دون معلومات بصرية، كما كان نموذج LAM أسرع، إذ استغرق 30 ثانية فقط لتنفيذ المهمة مقارنةً بـ 86 ثانية لـ GPT-4o. ومع ذلك، عند تزويد GPT-4o بمعلومات بصرية، تحسنت دقته لتصل إلى 75.5%.
واستند فريق مايكروسوفت إلى آلاف البيانات التدريبية المستخلصة من وثائق مايكروسوفت، ومقالات منصة wikiHow، وعمليات البحث عبر محرك بينج، ثم استخدم الفريق نموذج GPT-4o لتطوير هذه المهام إلى مهام أخرى أكثر تعقيدًا.
ومع هذا التطور، يواجه نموذج LAM بعض التحديات، منها تنفيذ أفعال بنحو خطأ، وبعض القضايا التنظيمية التي تحتاج إلى حلول، وقيود تقنية تؤثر في قابلية التوسع والتطبيق في مجالات مختلفة.
وعلى عكس النماذج اللغوية التقليدية، مثل GPT-4o، التي تقتصر وظيفتها على معالجة النصوص وإنشائها، يتمتع نموذج LAM الجديد من مايكروسوفت بقدرة على تحويل طلبات المستخدمين إلى أفعال حقيقية، سواء كان ذلك تشغيل البرامج أو التحكم في الأجهزة.
وقد كانت هذه الفكرة موجودة سابقًا، لكن LAM يُعد أول نموذج يُدرَّب بنحو خاص للعمل مع منتجات مايكروسوفت أوفيس المكتبية وغيرها من تطبيقات ويندوز.
وعلى سبيل المثال: عند التسوق عبر الإنترنت، تستطيع النماذج التقليدية تقديم تعليمات نصية حول كيفية الشراء، في حين يمكن لنموذج LAM تنفيذ عملية الشراء نفسها من خلال التنقل في واجهة الموقع.
ووفقًا لمايكروسوفت، فإن تطوير هذا النموذج يتطلب أربع مراحل رئيسية هي: التدريب على تخطيط المهام وتقسيم المهمة إلى خطوات منطقية، والتعلم من نماذج متقدمة (مثل GPT-4o) لتحويل الخطط إلى أفعال، والاستكشاف الذاتي الذي يتيح للنموذج البحث عن حلول جديدة وتجاوز العقبات التي تعجز عنها النماذج الأخرى، بالإضافة إلى التدريب المستند إلى المكافآت لتحسين دقة التنفيذ.
وجرّب الباحثون نموذج LAM في بيئة اختبار خاصة ببرنامج تحرير النصوص “ورد”، وقد نجح في تنفيذ المهام بنسبة قدرها 71%، متفوقًا على GPT-4o الذي حقق نسبة نجاح بلغت 63% دون معلومات بصرية، كما كان نموذج LAM أسرع، إذ استغرق 30 ثانية فقط لتنفيذ المهمة مقارنةً بـ 86 ثانية لـ GPT-4o. ومع ذلك، عند تزويد GPT-4o بمعلومات بصرية، تحسنت دقته لتصل إلى 75.5%.
واستند فريق مايكروسوفت إلى آلاف البيانات التدريبية المستخلصة من وثائق مايكروسوفت، ومقالات منصة wikiHow، وعمليات البحث عبر محرك بينج، ثم استخدم الفريق نموذج GPT-4o لتطوير هذه المهام إلى مهام أخرى أكثر تعقيدًا.
ومع هذا التطور، يواجه نموذج LAM بعض التحديات، منها تنفيذ أفعال بنحو خطأ، وبعض القضايا التنظيمية التي تحتاج إلى حلول، وقيود تقنية تؤثر في قابلية التوسع والتطبيق في مجالات مختلفة.
