الذاكرة القائمة على النماذج
تشير الذاكرة القائمة على النماذج (Model-Based Memory) إلى مكون معماري متقدم ضمن أنظمة الذكاء الاصطناعي، لا سيما في الوكلاء المستقلين. على عكس المخازن المؤقتة البسيطة، تبني هذه الذاكرة وتُحافظ بنشاط على نموذج داخلي وتنبؤي للبيئة والتفاعلات السابقة. يسمح هذا النموذج للذكاء الاصطناعي بمحاكاة النتائج المستقبلية واسترجاع التجارب السابقة ذات الصلة في سياقها.
لكي تتجاوز وكلاء الذكاء الاصطناعي الاستجابات التفاعلية، يجب أن يمتلكوا شكلاً من أشكال الذاكرة المستمرة والمنظمة. توفر الذاكرة القائمة على النماذج الهيكل اللازم للاستدلال المعقد. فهي تسمح للنظام بتعلم العلاقات السببية، وتوقع العواقب، واتخاذ القرارات بناءً على فهم شامل لتاريخ عمله، مما يؤدي إلى سلوك أكثر قوة وذكاءً.
في جوهرها، تتضمن العملية عدة مراحل. أولاً، يتفاعل الوكيل مع البيئة، مُولِّداً ملاحظات. ثانياً، تُستخدم هذه الملاحظات لتحديث نموذج العالم الداخلي - وهو مجموعة من المعلمات المُتعلَّمة التي تصف كيفية تصرف البيئة. ثالثاً، عندما تكون هناك حاجة لاتخاذ قرار، يستعلم الوكيل من هذا النموذج، ويُحاكي الإجراءات المحتملة ويُقيّم المكافآت أو الحالات المتوقعة قبل اختيار المسار الأمثل. خطوة المحاكاة هذه هي المكان الذي يتم فيه الاستخدام الفعلي لـ "الذاكرة".
تُعد الذاكرة القائمة على النماذج حيوية في البيئات المعقدة والديناميكية. تشمل التطبيقات الشائعة الروبوتات المستقلة، والذكاء الاصطناعي المتقدم للألعاب الذي يتطلب تخطيطاً استراتيجياً، والوكلاء المحادثين المتقدمين الذين يحتاجون إلى الحفاظ على السياق عبر حوارات طويلة ومتعددة الأدوار. كما تُستخدم في خوارزميات التخطيط المعقدة لتخصيص الموارد.
تشمل الفوائد الأساسية تعزيز القدرة على التخطيط، وتحسين كفاءة العينات (مما يتطلب تفاعلات أقل في العالم الحقيقي للتعلم)، والقدرة على تعميم المعرفة من التجارب السابقة والمتباينة. إنها تنقل الذكاء الاصطناعي من الحفظ الآلي إلى الفهم الحقيقي.
إن تطبيق الذاكرة القائمة على النماذج الفعالة يتطلب قوة حاسوبية مكثفة. إن بناء نموذج عالم دقيق يلتقط جميع الفروق الدقيقة البيئية أمر صعب، ويمكن أن يؤدي تعقيد النموذج إلى النسيان الكارثي إذا لم تتم إدارته بآليات تحديث متطورة.
يرتبط هذا المفهوم ارتباطًا وثيقًا بالتعلم المعزز (RL)، وتحديداً التعلم المعزز القائم على النماذج، ويتناقض مع الشبكات العصبية التغذوية الأمامية البحتة التي تفتقر إلى استمرارية الحالة المتأصلة.
