Orchestral AI: إطار عمل جديد لتبسيط أدوات الذكاء الاصطناعي

في إطار سعي الباحثين لإيجاد حلول بسيطة وفعالة، قدم كل من ألكسندر وجاكوب رومان إطار عمل جديد يرفض التعقيد الموجود في أدوات الذكاء الاصطناعي الحالية، مقدماً بديلاً متزامناً وآمناً من حيث النوع مصمماً لتحقيق القابلية لإعادة الإنتاج والبحث العلمي المدروس من حيث التكلفة.

التوجه الجديد في تطوير أدوات الذكاء الاصطناعي

في ظل الاندفاع لبناء وكلاء ذكاء اصطناعي مستقلين، واجه المطورون خياراً ثنائياً: إما التخلي عن السيطرة لصالح أنظمة معقدة مثل LangChain، أو الالتزام بـ SDKs من مزودين مثل Anthropic أو OpenAI. بالنسبة للعلماء الذين يسعون لاستخدام الذكاء الاصطناعي في أبحاث قابلة لإعادة الإنتاج، فإن هذا الأمر يعد صفقة مرفوضة.

يظهر هنا Orchestral AI، وهو إطار عمل جديد بلغة بايثون تم إصداره على GitHub، والذي يحاول رسم مسار ثالث.

معمارية "مناهضة للإطار"

تتجلى الفلسفة الأساسية وراء Orchestral في رفض التعقيد الذي يعاني منه السوق الحالي. بينما تعتمد أطر مثل AutoGPT وLangChain بشكل كبير على حلقات الأحداث غير المتزامنة، يستخدم Orchestral نموذج تنفيذ متزامن بشكل صارم.

LLM-UX: تصميم تجربة المستخدم من منظور النموذج

يقدم Orchestral مفهوماً جديداً يسميه المؤسسون "LLM-UX"، حيث يتم تصميم تجربة المستخدم من منظور النموذج نفسه.

مناسب للمختبر (وللميزانية)

تظهر أصول Orchestral في الفيزياء عالية الطاقة وبحوث الكواكب الخارجية من خلال مجموعة ميزاته. يتضمن الإطار دعماً أصلياً لتصدير LaTeX، مما يسمح للباحثين بإدراج سجلات منطق الوكيل بشكل مباشر في الأوراق الأكاديمية.

أهمية Orchestral

يهدف Orchestral إلى جعل العلماء يركزون على منطق وكلائهم بدلاً من تعقيدات البنية التحتية. سواء ستقبل المجتمعات الأكاديمية والمطورون أداة ملكية في نظام بيئي يهيمن عليه المصدر المفتوح يبقى قيد الانتظار، ولكن بالنسبة لأولئك الذين يعانون من تتبعات غير متزامنة، يقدم Orchestral وعداً مغرياً بالهدوء.