سلاسل الذكاء الاصطناعي: تفاعل شفاف وقابل للتحكم بين البشر والذكاء الاصطناعي عبر ربط مطالبات نماذج اللغة الكبيرة

على الرغم من أن نماذج اللغة الكبيرة (LLMs) أظهرت إمكانات مثيرة للإعجاب في المهام البسيطة، إلا أن نطاقها الواسع، وهلاك الشفافية، وقلة القابلية للتحكم قد تجعلها أقل فعالية عند مساعدة البشر في المهام الأكثر تعقيدًا. استجابة لذلك، نقدم مفهوم ربط خطوات LLM معًا، حيث يصبح ناتج خطوة واحدة هو مدخل الخطوة التالية، مما يجمع التحسينات في كل خطوة. نحدد أولاً مجموعة من العمليات الأولية لـ LLM المفيدة في بناء السلاسل، ثم نعرض نظامًا تفاعليًا حيث يمكن للمستخدمين تعديل هذه السلاسل، إلى جانب نتائجها الوسيطة، بطريقة معيارية. في دراسة مستخدم شملت 20 شخصًا، وجدنا أن الربط لم يحسن فقط جودة نتائج المهام، بل عزز أيضًا بشكل كبير شفافية النظام، قابلية التحكم، وإحساس التعاون. بالإضافة إلى ذلك، لاحظنا أن المستخدمين طوروا طرقًا جديدة للتفاعل مع LLMs عبر السلاسل: فقد استخدموا المهام الفرعية لمعايرة توقعات النموذج، وقارنوا واستعرضوا استراتيجيات بديلة من خلال ملاحظة التأثيرات المتوازية التالية، وقاموا بتصحيح نواتج النموذج غير المتوقعة عن طريق "اختبار الوحدة" للمكونات الفرعية في السلسلة. في دراستين حالة، نستكشف أكثر كيفية استخدام سلاسل LLM في التطبيقات المستقبلية.