مصطلحًا
استخدام الأدوات
- الفئة
- AI Agents & Automation
- الصعوبة
- متوسط
التعريف
يشير استخدام الأدوات إلى قدرة نموذج الذكاء الاصطناعي على تحديد واختيار واستدعاء وظائف برمجية خارجية أو واجهات برمجة تطبيقات (APIs) أو قواعد بيانات لأداء إجراءات تتجاوز قدراته الأصلية في توليد النصوص.
آلية العمل والسياق
يحول استخدام الأدوات النموذج اللغوي الساكن إلى وكيل نشط. فبدلاً من الاعتماد فقط على بيانات التدريب الداخلية، يتم تزويد النموذج بمجموعة من "الأدوات" - المعرفة كتوقيعات وظائف أو نقاط نهاية لواجهات برمجة التطبيقات - التي يمكنه استدعاؤها عند الضرورة. عندما يقدم المستخدم طلبًا، يحلل النموذج ما إذا كان الطلب يتطلب معلومات أو إجراءات خارجية. إذا كان الأمر كذلك، فإنه يولد طلبًا منظمًا (غالبًا بصيغة JSON) لتشغيل الأداة. يقوم النظام بتنفيذ الأداة، وإرجاع المخرجات إلى النموذج، ثم يقوم النموذج بتركيب هذه المعلومات في استجابة نهائية. هذه الآلية ضرورية لمهام مثل التحقق من الطقس المباشر، أو إجراء عمليات حسابية معقدة، أو البحث في قواعد بيانات الشركات الخاصة، أو التفاعل مع متصفحات الويب. القيد الأساسي هو قدرة النموذج على تفسير وثائق الأداة بشكل صحيح والتعامل مع الأخطاء المحتملة أثناء التنفيذ.
لماذا هو مهم
يعد استخدام الأدوات الجسر بين الذكاء الاصطناعي التوليدي والمنفعة العملية. فهو يمكن الذكاء الاصطناعي من الانتقال من كونه روبوت محادثة سلبي إلى وكيل مستقل قادر على تنفيذ سير العمل. من خلال تفريغ المهام المتخصصة - مثل استرجاع البيانات أو الحوسبة المعقدة - إلى أنظمة خارجية موثوقة، يصبح الذكاء الاصطناعي أكثر دقة وملاءمة وقدرة على أداء عمليات متعددة الخطوات كان من المستحيل على نموذج مستقل القيام بها.
مثال واقعي
يتلقى وكيل ذكاء اصطناعي لدعم العملاء طلبًا للتحقق من حالة طلب ما. بدلاً من اختلاق حالة، يحدد الوكيل أن لديه وصولاً إلى أداة "OrderLookup". يقوم باستخراج معرف الطلب من رسالة المستخدم، ويتصل بواجهة برمجة تطبيقات قاعدة بيانات الشركة، ويتلقى حالة الشحن في الوقت الفعلي، ثم يولد استجابة مفيدة ودقيقة للعميل بناءً على تلك البيانات المحددة.
أخطاء شائعة
- افتراض أن النموذج يمكنه استخدام أي أداة دون تعريف صريح أو وثائق مقدمة في مطالبة النظام.
- الفشل في تنفيذ معالجة قوية للأخطاء عندما يفشل استدعاء الأداة أو يعيد تنسيقات بيانات غير متوقعة.
- إرهاق النموذج بعدد كبير جدًا من الأدوات، مما قد يؤدي إلى الارتباك وضعف أداء اختيار الأداة.
- إهمال تدابير الأمان، مثل الحد من نطاق ما يمكن لوكيل الذكاء الاصطناعي القيام به باستخدام واجهات برمجة التطبيقات الحساسة.
الأسئلة الشائعة
كيف يختلف استخدام الأدوات عن التوليد المعزز بالاسترجاع (RAG)؟
عملية RAG هي في الأساس عملية للقراءة فقط حيث يسترجع النموذج المعلومات من قاعدة بيانات لإبلاغ إجابته. أما استخدام الأدوات فهو أوسع؛ فهو يسمح للنموذج بأداء إجراءات، مثل كتابة البيانات، أو تشغيل سير العمل، أو تنفيذ التعليمات البرمجية، بالإضافة إلى استرجاع المعلومات.
هل يمكن لنموذج الذكاء الاصطناعي استخدام الأدوات دون أن يتم تدريبه خصيصًا لذلك؟
على الرغم من أن بعض النماذج يتم ضبطها بدقة لـ "استدعاء الوظائف" لتحسين الموثوقية، إلا أن العديد من النماذج اللغوية الكبيرة الحديثة يمكنها أداء استخدام أساسي للأدوات إذا تم تزويدها بأوصاف واضحة ومنظمة للأدوات في مطالبة النظام الخاصة بها.
ما هي المخاطر الأمنية المرتبطة بمنح الذكاء الاصطناعي حق الوصول إلى الأدوات؟
الخطر الرئيسي هو "حقن المطالبة"، حيث قد يخدع مستخدم ضار النموذج لاستدعاء أداة بمعلمات ضارة، مثل حذف الملفات أو الوصول إلى بيانات غير مصرح بها. تعد إدارة الحماية والأذونات المناسبة أمرًا بالغ الأهمية.