# شركة Microsoft ابتكرات نظام SkillOpt باش تحسن أداء عملاء الذكاء الاصطناعي
فمجال الذكاء الاصطناعي، واحد من أكبر التحديات هو مشكلة الموثوقية — كيفاش تخلي العميل الذكي (agent) يكمل المهام بشكل صحيح ومنتظم. مختبر بحث Microsoft Research طرح حلاً جديداً سماه SkillOpt، وهاد النظام كيجيب مقاربة مختلفة بالكامل على هاد المشكلة.
المشكلة: الطرق التقليدية ما كافياش
واحد من أكبر الإشكاليات اللي كتواجه فرق التطوير هي كيفاش تكتب التعليمات (skills) ديال العملاء الذكيين. حالياً، هاد التعليمات كتجي من تلات مصادر رئيسية: إما خبير بشري كيكتبها بيدو، وإما نموذج متقدم كـ frontier model كيولدها مرة وحدة، وإما العميل راسو كيعدلها بعد التنفيذ — بلا ما يكون عندو ضمان على أنها تتحسن.
المشكلة فهاد الطرق كلها هي أنها ما كتشبهش عملية تدريب deep learning حقيقية، ومعناها ما كيكونش هناك تحسين منهجي ومضبوط. هاد الأمر كيخلي أداء العملاء الذكيين غير منتظم وصعب الاعتماد عليه.
الحل: نظام SkillOpt وطريقة تفكيره الجديدة
نظام SkillOpt الجديد كيتعامل مع ملف التعليمات بحال parameter قابل للتدريب — ولكن من برا النموذج المجمد (frozen model)، بمعنى ما كيبدلش أوزان النموذج الأصلي. هاد الاختيار الذكي كيخلي العملية مستقلة عن النموذج المستعمل.
بدل ما يكتب التعليمات مرة وحدة، نظام SkillOpt كيحول هاد الكتابة لعملية optimization مضبوطة ومتحكم فيها. والنتيجة هي مهارات (skills) أكثر دقة وأكثر موثوقية، وكيفاش كيحصل هاد التحسين؟
الآليات: كيفاش كيضبط SkillOpt نفسو
فريق Microsoft Research وضع أربع آليات أساسية لضمان أن التعليمات تبقى مفيدة وما تنحرفش:
- **تعديلات نصية محدودة**: ما تبقاش التعليمات تكبر بلا حدود (bounded text edits)
- **بوابة التحقق**: كل تعديل خاصو يعدي validation قبل ما يتطبق
- **تغذية راجعة**: التعديلات المرفوضة كتعطي feedback باش يستفيد منو النظام
- **تحديثات بطيئة ومتا**: نظام slow/meta updates كيمنع الانجراف غير المراقب (prompt drift)
النتائج: أرقام مقنعة على ست benchmarks
فالاختبارات اللي جراها الباحثون، نظام SkillOpt حقق نتائج لافتة. على ست benchmarks مختلفة، مع سبع نماذج مختلفة، وتلات أنماط تنفيذ، وصل النظام لأحسن نتيجة أو تعادل مع أحسن نتيجة فجميع الخلايا الـ 52 ديال التقييم — كولها بلا استثناء.
اللي يزيد النتائج أهمية هو أن التعليمات المُحسَّنة ما بقاتش خاصة بـ benchmark وحيد. هاد المهارات كتنتقل عبر أحجام نماذج مختلفة، وعبر أنواع agent harnesses مختلفة، وعبر مهام مشابهة. هاد الأمر معناه أنها كتلتقط معرفة عملية قابلة لإعادة الاستخدام، ماشي فقط تعليمات مضبوطة على اختبار بعينه.
الخلاصة: شنو يعني هاد الخبر للقطاع
هاد البحث كيفتح باب مهم فمجال تطوير العملاء الذكيين. إلى كانت الطرق التقليدية كتعتمد على الخبير البشري أو التوليد التلقائي، فـ SkillOpt كيجيب منطق التدريب الآلي لمستوى التعليمات — بلا ما يمس النموذج الأصلي. بالنسبة للقطاع، هاد المقاربة ممكن تبدل كيفاش الشركات كتبني وكتصيّن العملاء الذكيين ديالها: بدل مهندس كيعدل التعليمات بيدو، النظام راسو يصبح قادر يتعلم ويحسن — بطريقة مضبوطة وقابلة للمراجعة.
مقال من databelarebia — نشرة يومية ديال أخبار الذكاء الاصطناعي بالدارجة المغربية