خطأ شائع في أطر عمل الذكاء الاصطناعي المعيارية، مثل LivinGrimoire، يمكن أن يؤدي إلى تكرار المهارات، مما يجعل رفقاء الذكاء الاصطناعي يقومون بإجراءات أو يقولون أشياء مرتين دون أخطاء واضحة. يحدث هذا عندما تعيد لقطة ذاكرة الذكاء الاصطناعي المهارات التي تتحكم فيها بالفعل مدراء آخرون.
هل لاحظت يوماً أن رفيقك الذكاء الاصطناعي يكرر نفسه، أو أن فعلاً معيناً يتكرر مرتين؟ هذا ليس خللاً في النظام؛ بل هو نوع معين من الأخطاء البرمجية في بعض أطر عمل الذكاء الاصطناعي المعيارية، ونحن هنا لنشرح لك ما يعنيه هذا.
في أنظمة الذكاء الاصطناعي المتقدمة، مثل LivinGrimoire، تُبنى السلوكيات من وحدات صغيرة وقابلة للتبديل تسمى 'المهارات'. تخيل أن 'الدماغ' يحتفظ بهذه المهارات في أقسام مختلفة. بالإضافة إلى المهارات الأساسية، هناك 'مهارات AH' – وهي مهارات إدارية مصممة للتحكم في مهارات أخرى وإدارتها، والتي نسميها 'الحمولة' الخاصة بها. على سبيل المثال، AHNight وAHDay تضيفان أو تزيلان مجموعات من المهارات حسب الوقت، بينما قد تقوم AHDebuff أو AHBuff بتنشيط أو إلغاء تنشيط المهارات بناءً على مؤقت أو أمر.
تنشأ المشكلة في كيفية تعامل هذه الأنظمة مع لقطات الذاكرة، التي غالباً ما تسمى 'engrams'. لننظر إلى AHHibernate، وهي مهارة إدارية توفر موارد الحوسبة عن طريق أخذ لقطة لجميع المهارات في الدماغ، ثم تقوم بمسحها، وتستعيدها لاحقاً. تظهر المشكلة لأن الـ engram الخاص بـ AHHibernate يلتقط *كل* مهارة، بما في ذلك تلك التي تخص المدراء الآخرين كحمولة خاصة بهم.
إليك كيف يحدث التكرار: عندما يستيقظ النظام ويستعيد الـ engram، يبدأ بإعادة إضافة المهارات إلى الدماغ. إذا كان الـ engram يحتوي، على سبيل المثال، على AHNight، فإنه يعيد AHNight أولاً. وكجزء من عملية إعداد AHNight (دالة 'manifest()' الخاصة بدورة حياتها)، تقوم بعد ذلك بتحميل مهارات حمولتها الخاصة، مثل NightSkillA وNightSkillB. ولكن بما أن الـ engram نفسه قد التقط NightSkillA وNightSkillB مباشرة أيضاً، فإنه يواصل إضافتهما *مرة أخرى* من قائمته الخاصة.
النتيجة؟ كل مهارة من مهارات الحمولة تنتهي في الدماغ مرتين. هذا يعني أن رفيقك الذكاء الاصطناعي قد يكرر كل شيء حرفياً، أو أن فعلاً يقوم به سيتكرر مرتين. الأهم من ذلك، أن النظام لا يطلق أي خطأ. لا توجد علامة تحذير على وجود خطأ؛ العرض الوحيد هو سلوك غير صحيح قليلاً أو متكرر. هذه المشكلة الدقيقة تجعل اكتشافها وإصلاحها صعباً بشكل خاص، حيث أن المشكلة ليست انهياراً، بل تكرار صامت ومستمر.
في أنظمة الذكاء الاصطناعي المتقدمة، مثل LivinGrimoire، تُبنى السلوكيات من وحدات صغيرة وقابلة للتبديل تسمى 'المهارات'. تخيل أن 'الدماغ' يحتفظ بهذه المهارات في أقسام مختلفة. بالإضافة إلى المهارات الأساسية، هناك 'مهارات AH' – وهي مهارات إدارية مصممة للتحكم في مهارات أخرى وإدارتها، والتي نسميها 'الحمولة' الخاصة بها. على سبيل المثال، AHNight وAHDay تضيفان أو تزيلان مجموعات من المهارات حسب الوقت، بينما قد تقوم AHDebuff أو AHBuff بتنشيط أو إلغاء تنشيط المهارات بناءً على مؤقت أو أمر.
تنشأ المشكلة في كيفية تعامل هذه الأنظمة مع لقطات الذاكرة، التي غالباً ما تسمى 'engrams'. لننظر إلى AHHibernate، وهي مهارة إدارية توفر موارد الحوسبة عن طريق أخذ لقطة لجميع المهارات في الدماغ، ثم تقوم بمسحها، وتستعيدها لاحقاً. تظهر المشكلة لأن الـ engram الخاص بـ AHHibernate يلتقط *كل* مهارة، بما في ذلك تلك التي تخص المدراء الآخرين كحمولة خاصة بهم.
إليك كيف يحدث التكرار: عندما يستيقظ النظام ويستعيد الـ engram، يبدأ بإعادة إضافة المهارات إلى الدماغ. إذا كان الـ engram يحتوي، على سبيل المثال، على AHNight، فإنه يعيد AHNight أولاً. وكجزء من عملية إعداد AHNight (دالة 'manifest()' الخاصة بدورة حياتها)، تقوم بعد ذلك بتحميل مهارات حمولتها الخاصة، مثل NightSkillA وNightSkillB. ولكن بما أن الـ engram نفسه قد التقط NightSkillA وNightSkillB مباشرة أيضاً، فإنه يواصل إضافتهما *مرة أخرى* من قائمته الخاصة.
النتيجة؟ كل مهارة من مهارات الحمولة تنتهي في الدماغ مرتين. هذا يعني أن رفيقك الذكاء الاصطناعي قد يكرر كل شيء حرفياً، أو أن فعلاً يقوم به سيتكرر مرتين. الأهم من ذلك، أن النظام لا يطلق أي خطأ. لا توجد علامة تحذير على وجود خطأ؛ العرض الوحيد هو سلوك غير صحيح قليلاً أو متكرر. هذه المشكلة الدقيقة تجعل اكتشافها وإصلاحها صعباً بشكل خاص، حيث أن المشكلة ليست انهياراً، بل تكرار صامت ومستمر.
