ما هي تحديات النماذج اللغوية الكبيرة في اتخاذ القرارات المؤسسية؟
تُعد النماذج اللغوية الكبيرة (LLMs) مكونًا لا غنى عنه في استراتيجية الذكاء الاصطناعي للمؤسسات، وقد سهّلت بشكل كبير معالجة نقاط الضعف في الأعمال من خلال تطبيقها لتطوير حلول آلية معقولة. ومع ذلك، فإن موثوقية هذه الحلول، خاصة عند استخدام الرؤى المستخلصة لاتخاذ قرارات عمل حاسمة، قد لا تكون بالقدر المطلوب.
عندما تعمل النماذج اللغوية الكبيرة عبر مجموعات بيانات معقدة، وسياسات عمل، ولوائح صناعية، وتسلسلات هرمية للقرارات، وأنظمة برمجية متعددة، فإنها لا توفر بطبيعتها السجل المؤسسي المطلوب لإظهار الأدلة والافتراضات والقيود ومنطق القرار الذي أنتج التوصية. بالإضافة إلى ذلك، عند جمع المدخلات من كمية كبيرة من مصادر البيانات، يمكن أن تتدهور دقة مخرجاتها وتؤدي إلى ما يُعرف بالهلوسات. إذا اتُخذت قرارات العمل بناءً على مخرجات النماذج اللغوية الكبيرة التي لا يمكن تفسيرها أو قد تكون غير دقيقة، فقد يؤدي ذلك إلى عواقب وخيمة تؤثر على مبيعات المنتجات أو الإيرادات أو الامتثال أو العملاء. تكمن المشكلة في أن النموذج اللغوي الكبير يُطلب منه تحمل الكثير من التفكير المؤسسي دون وجود الأساس المؤسسي المنظم حوله.
بينما نما اهتمام المؤسسات بالذكاء الاصطناعي الوكيلي بشكل كبير خلال السنوات القليلة الماضية، فإن ما ينجح نظريًا لم يثبت دائمًا نتائجه في المرحلة التجريبية وما بعدها. أحد الأسباب الشائعة لفشل التجارب الأولية للذكاء الاصطناعي الوكيلي في الإنتاج هو أن النموذج اللغوي الكبير يُطلب منه تحمل الكثير من التفكير المؤسسي دون دعم من أساس مؤسسي. النماذج اللغوية الكبيرة قوية لبعض حالات الاستخدام، مثل العروض التوضيحية، لكن اتخاذ القرارات المؤسسية سيتطلب دائمًا هيكلًا يتجاوز مجرد موجه جيد. تعتمد القرارات المؤسسية على إصدارات الخطط، والقيود، والسياسات، ومنطق الموافقة، والضوابط المالية. بالإضافة إلى ذلك، ستظل المؤسسات بحاجة إلى الاعتماد بشكل كبير على خبرة وحكم وقدرات التفكير لدى قواها العاملة عند تنفيذ وتوسيع نطاق استخدام الذكاء الاصطناعي لضمان موثوقية المخرجات وإمكانية تطبيقها في اتخاذ قرارات العمل الحاسمة.
كيف يعزز الذكاء الاصطناعي العصبي الرمزي موثوقية القرارات؟
ستلعب النماذج اللغوية الكبيرة دائمًا دورًا حاسمًا في بناء بنية تحتية فعالة للذكاء الاصطناعي المؤسسي، لكن المكون الحاسم الآخر هو المعلومات والمعرفة المؤسسية والسياق الفريد لكيفية عمل عملك واتخاذ القرارات. يعزز الذكاء الاصطناعي العصبي الرمزي الذكاء الاصطناعي المؤسسي من خلال الجمع بين التعرف على الأنماط وقدرات اللغة للذكاء الاصطناعي العصبي مع تمثيل رمزي صريح للمؤسسة، بما في ذلك كياناتها وعلاقاتها وخططها وسياساتها وقيودها ومنطق اتخاذ القرار وسياقها. يمكن للمعلومات غير المهيكلة مثل رسائل البريد الإلكتروني وملاحظات الاجتماعات وجداول البيانات والعقود ووثائق السياسات أن تساهم في هذا النموذج، بهدف منح الذكاء الاصطناعي أساسًا مؤسسيًا منظمًا يمكنه الاستناد إليه في التفكير.
الذكاء الاصطناعي العصبي الرمزي هو إطار يجمع بين نقاط القوة الأساسية للذكاء الاصطناعي الرمزي، الذي يمثل الهيكل المؤسسي الصريح والعلاقات والقواعد والقيود ومنطق القرار، مع الذكاء الاصطناعي العصبي، الذي يدعم قدرات مثل فهم اللغة والتعرف على الأنماط والتوليف. يبني هذا الإطار على خبرة المجال وقواعد الذكاء الاصطناعي الرمزي وقدرة الذكاء الاصطناعي العصبي على إيجاد الأنماط والعلاقات المعقدة والتعلم منها في كميات هائلة من البيانات. نموذج مفاهيمي مباشر لوصف هذه البنية هو 10-80-10. أول 10% عصبي، حيث يساعد النموذج اللغوي الكبير في تفسير نية المستخدم وترجمتها إلى سؤال مؤسسي منظم. الـ 80% الوسطى هي حيث يحمل الأساس المؤسسي التفكير الذي لا ينبغي أن يُطلب من النموذج اللغوي الكبير ارتجاله. يحل النظام السياق المؤسسي ويمكنه استدعاء الخطط والسياسات والقيود وحقوق اتخاذ القرار والتنبؤ والتحليل السببي والمحاكاة والتحسين والقواعد والمحللات لتقييم السيناريوهات والمقايضات. الـ 10% الأخيرة عصبية مرة أخرى، حيث يشرح النموذج اللغوي الكبير النتيجة بلغة عمل واضحة ويجعل الإجابة سهلة الوصول لاتخاذ القرارات التجارية.
نتيجة لذلك، يمكن للذكاء الاصطناعي العصبي الرمزي فهم كميات كبيرة من البيانات على نطاق واسع واستدعاء الأنماط المعقدة، مع دمج التفكير المنظم والمعرفة السياقية الفريدة للمؤسسة. هذا يرسخ النتائج في الواقع ويقلل بشكل كبير من فرصة الهلوسات.
يُعد فهم سؤال العمل في سياقه مكونًا حاسمًا لدمج الذكاء الاصطناعي العصبي الرمزي في استراتيجية الذكاء الاصطناعي الأكبر للشركة، وهو أساس مؤسسي ونموذج قرار منظم يمكنه ربط البيانات والمعرفة والخطط والسياسات والقيود وسياق القرار. أصبح بناء الموجهات الأفضل غير ذي صلة مع كل نموذج حدودي جديد. يحتاج النظام إلى فهم سؤال العمل في سياقه: الهدف، النطاق المؤسسي ذي الصلة، الخطط الحالية والفعليات، السياسات والقيود، أدوات اتخاذ القرار المتاحة، ومن يملك صلاحية التصرف. تسمح بنية الذكاء الاصطناعي العصبي الرمزي بأن يأتي الكثير من هذا السياق من النموذج المؤسسي نفسه بدلاً من مطالبة المستخدم بإعادة إنشائه في كل موجه.
هناك بعض المجالات التي يوفر فيها الذكاء الاصطناعي العصبي الرمزي بالفعل قيمة تجارية ملموسة، مثل تكامل البيانات وتحويل البيانات غير المهيكلة إلى رؤى توجه اتخاذ القرار.
ولكن ربما يمكن رؤية أحد أهم التأثيرات القائمة على القيمة للذكاء الاصطناعي العصبي الرمزي في مرونة المؤسسات. يُعد اتخاذ القرارات متعدد الوظائف، المعروف أيضًا بالتخطيط التجاري المتكامل، تحديًا مستمرًا وهو في الأساس مشكلة تنسيق. تعمل الفرق عبر الطلب والعرض والمالية والتجارية، كل منها بنماذج مختلفة وبيانات مختلفة وهياكل حوافز مختلفة. عندما يتمكن الوكيل العصبي الرمزي ليس فقط من سد هذه الفجوات، والترجمة بين المجالات، والتوفيق بين الخطط عبر الوظائف، بل أيضًا تطبيق تفكير مماثل وفهم القيود أو القواعد التي يعرفها ويستخدمها المخططون الأكثر خبرة لديك يوميًا، فإن المخرجات المقدمة تكون أكثر دقة وموثوقية للاستناد إليها في قرارات العمل. بمرور الوقت، يمكن للنظام أيضًا التعلم من تاريخ قرارات المؤسسة من خلال الحفاظ على ما كان معروفًا، وما تم التنبؤ به، وما هي البدائل التي تم النظر فيها، وما تم اتخاذه من قرارات، وما حدث بعد ذلك. يمكن أن يؤدي مقارنة النتائج المتوقعة والمحققة إلى تحويل أنماط القرارات الناجحة إلى معرفة تنظيمية قابلة لإعادة الاستخدام، وعند الاقتضاء، إلى أدلة إرشادية محكومة. يمكن أن يساعد تاريخ القرارات المتراكم هذا أيضًا في توجيه المخططين من خلال جلب المواقف السابقة ذات الصلة والنتائج والممارسات المعمول بها إلى سياق قرار جديد.
لقد وصل مشهد الذكاء الاصطناعي المؤسسي إلى مرحلة يطرح فيها قادة الأعمال أسئلة أكثر جوهرية، مثل أين يمكن للذكاء الاصطناعي أن يوفر مخرجات موثوقة وقيمة قابلة للقياس يمكن الاعتماد عليها؟
النماذج اللغوية الكبيرة هي مكون لا غنى عنه في استراتيجية الذكاء الاصطناعي للمؤسسات. ولكن عندما يتم دمج النموذج اللغوي الكبير مع الطبقة الرمزية — نماذج البيانات المنظمة، ورسوم المعرفة، وأطر اتخاذ القرار المستنيرة بالخبرة العميقة في المجال — فإنه يتحول إلى نظام مؤسسي موثوق به يمكنه توجيه قرارات العمل عبر المؤسسة.
