رهان مايكروسوفت على النماذج الصغيرة للذكاء الاصطناعي العامل: تنسيق العمل وليس المعرفة

أصدرت قسم الذكاء الاصطناعي المتقدم في مايكروسوفت للأبحاث ثلاث مكونات تجتمع معًا لتطرح فرضية مخالفة في مجال الذكاء الاصطناعي العامل: النماذج الصغيرة، عند تنسيقها بشكل صحيح، يمكنها التعامل مع المهام التي عادةً ما تكون محفوظة لنظيراتها الأكبر والأكثر تكلفة. الإصدار، الذي أُعلن عنه اليوم، يشمل MagenticLite، وهو تطبيق عامل تجريبي؛ وMagenticBrain، وهو نموذج تنسيق بحجم 14 مليار معلمة؛ وFara1.5، وهي عائلة من نماذج استخدام الكمبيوتر تتراوح من 4 مليار إلى 27 مليار معلمة.

الادعاء ليس أن النماذج الصغيرة تضاهي النماذج الحدودية في معايير الاستدلال الخام. بل تم بناء المشروع حول رهان بحثي محدد: أن القدرة العاملية تعتمد على تنسيق الأدوات والإجراءات بدلاً من المعرفة وحدها. إذا ثبت هذا الرهان، فإنه يفتح مسارًا نحو عوامل قادرة يمكن تشغيلها مباشرة على أجهزة المستخدمين بجزء صغير من تكلفة وزمن استجابة النماذج الكبيرة المعتمدة على السحابة.

نماذج صغيرة، فجوة تنسيق كبيرة

تعتمد معظم الأنظمة العاملية اليوم على النماذج الحدودية الكبيرة لطبقة التنسيق، المكون الذي يخطط ويفوض وينسق. يتحدى تصميم مايكروسوفت هذا الافتراض باستخدام MagenticBrain، وهو نموذج بحجم 14 مليار معلمة تم ضبطه بدقة من Qwen 3 14B. كان القرار التصميمي الرئيسي هو تدريبه من البداية إلى النهاية داخل هيكل MagenticLite باستخدام نفس مخططات الأدوات وبيئة التنفيذ التي سيواجهها في وقت الاستدلال.

"لا توجد فجوة بين كيفية تعلمه التنسيق وكيفية تشغيله،" يلاحظ الباحثون في إصدارهم. هذا الربط المحكم بين التدريب والاستدلال هو خروج متعمد عن النهج الذي تتبعه العديد من الأطر العاملية، حيث يتم تحفيز نموذج عام الأداء إلى دور تخطيطي دون الاستفادة من بيانات تدريب خاصة بالمهمة.

يتعامل MagenticBrain مع مجموعة من مسارات استدعاء الأدوات متعددة الخطوات، ومسارات البرمجة، واستخدام الطرفية. والأهم من ذلك، أنه يتعلم التفويض أيضًا: التعرف على متى يجب تسليم مهمة متصفح أو واجهة مستخدم إلى Fara1.5 بدلاً من التعامل معها مباشرة. تتضمن خط أنابيب البيانات مسارات تفويض صريحة حيث يصدر المنسق تسليمًا منظمًا، وينتظر النتيجة، ويستأنف المهمة الشاملة.

Fara1.5 يضاعف التركيز على استخدام الكمبيوتر

Fara1.5 هو الخلف المباشر لـ Fara-7B، الذي تم إصداره في نوفمبر الماضي. على معيار Online-Mind2Web، الذي يغطي 300 مهمة عبر مجالات ويب مستخدمة على نطاق واسع، يضاعف Fara1.5-9B تقريبًا أداء Fara-7B. يحقق المتغير الرئيسي 27B أداءً يزيد عن 90% على نفس المعيار.

تأتي التحسينات من خط أنابيب توليد بيانات متطور. إلى جانب التدريب على مواقع الويب الحية، درب الباحثون النموذج على بيئات محاكاة واقعية للغاية مصممة لمحاكاة سيناريوهات مثل تسجيلات الدخول والإجراءات غير القابلة للتراجع. يتميز النموذج أيضًا بمساحة عمل أصلية مضبوطة للمهام طويلة الأمد: أدوات مدمجة لتخزين المعلومات الرئيسية في سياقه عبر مئات الخطوات وسؤال المستخدم عن الإذن أو التفضيلات عند الحاجة.

يعالج تحسين واحد توترًا في العمل السابق: اكتشاف النقاط الحرجة للمعاملات، أو تدفقات تسجيل الدخول، أو التقديمات غير القابلة للتراجع. في Fara1.5، أعاد فريق البحث معايرة المشغلات الأمنية بحيث تحدث عندما ينبغي لها ولكنها لا تمنع المهام المفيدة مثل ملء النماذج. كان هذا التوازن بعيد المنال في الإصدارات السابقة.

الهيكل يصنع النظام

هيكل التنفيذ الذي يربط MagenticBrain وFara1.5 معًا هو على الأرجح المكون الأكثر عرضة للتجاهل، وهو الذي يؤكد عليه الباحثون أكثر. تبرز ثلاثة خيارات تصميمية.

أولاً، يخطط الهيكل تدريجيًا وليس دفعة واحدة. التخطيط خطوة بخطوة يحافظ على مرونة النظام ويتيح تصحيح المسار والتعافي بشكل أكثر سلاسة طوال المهام طويلة الأمد. ثانيًا، يقوم بتنظيم السياق بنشاط: النماذج الصغيرة لديها نوافذ سياق فعالة أصغر وتتدهور بشكل أسرع مع نمو السياق، لذلك يقوم الهيكل بتكثيف التفاعلات السابقة في ملخصات موجزة وتفريغ الباقي. ثالثًا، التفويض عبر العوامل الفرعية، حيث يمرر المنسق مهام المتصفح إلى Fara1.5، يسمح لكل نموذج بالتعامل مع جزء أضيق وأكثر تخصصًا من المشكلة.

يعمل النظام بأكمله داخل Quicksand، وهو غلاف مفتوح المصدر لـ QEMU-based sandbox الذي يعزل جلسات المتصفح وتنفيذ الكود عن النظام المضيف. تتوقف النقاط الحرجة عبر إجراءات المتصفح والكود للحصول على موافقة صريحة من المستخدم، مما يحافظ على ضمانات الإنسان في الحلقة من إصدار Magentic-UI السابق.

ماذا يعني هذا لمشهد الذكاء الاصطناعي العامل

يأتي الإصدار في وقت تناقش فيه الصناعة البنية المثلى للأنظمة العاملية. قامت العديد من الشركات الناشئة البارزة ومختبرات الأبحاث ببناء أطر عمل عاملة حول النماذج الحدودية الكبيرة، معتبرة طبقة التنسيق مشكلة من الأفضل حلها باستخدام النماذج الأكثر قدرة المتاحة. رهان مايكروسوفت هو أن هذا النهج يخلط بين قدرة الاستدلال والفعالية العاملية.

إذا ثبت نهج MagenticLite تحت اختبار مجتمعي أوسع، فإن الآثار تتجاوز توفير التكاليف. العوامل على الجهاز التي تعمل على أجهزة المستخدمين الخاصة تتجاوز مخاوف خصوصية البيانات التي ألقت بظلالها على الأنظمة العاملية السحابية. كما تقلل من زمن الاستجابة، نظرًا لأن حلقات الاستدلال والإجراءات للعامل تنفذ محليًا بدلاً من الحاجة إلى رحلات ذهابًا وإيابًا إلى خوادم API.

تشير أحجام النماذج الثلاثة في Fara1.5، 4B و9B و27B، إلى نية لتغطية مجموعة من تكوينات الأجهزة، من الأجهزة المحمولة إلى أجهزة الكمبيوتر المكتبية. يمكن للمتغير 4B على وجه الخصوص أن يعمل على الهواتف الذكية من الجيل الحالي، على الرغم من أن مايكروسوفت لم تعلن عن أهداف أجهزة محددة.

أسئلة مفتوحة

الإصدار تجريبي، ولا تزال عدة أسئلة دون إجابة. يوفر معيار Online-Mind2Web تقييمًا قياسيًا، لكن إنجاز المهام في العالم الحقيقي على مواقع الويب الفوضوية والديناميكية قد يختلف. يعمل نمط التفويض بين MagenticBrain وFara1.5 لمهام المتصفح، لكن عمومية النظام للمهام خارج هذا المجال، بما في ذلك عمليات نظام الملفات واستدعاءات API وأتمتة البرامج المحلية، لا تزال بحاجة إلى اختبار.

تقوم مايكروسوفت بإصدار MagenticLite على GitHub، مع MagenticBrain وFara1.5 متاحين على Microsoft Foundry. سيتمكن المجتمع الأوسع الآن من اختبار ما إذا كان التصميم المشترك المحكم للنموذج والهيكل والتطبيق يؤدي بالفعل إلى الأداء العامل القادر والموثوق به على نطاق صغير كما يدعي الباحثون.