جستجو
بررسی مدلهای بنیادی زبانی و نقش حافظه اپیزودیک در هوش مصنوعی عاملمحور (Agentic AI)
حمید مجرد1 محمد حسن ناصحی2 سیده سالی سمیعی3
چکیده :
در سالهای اخیر، مدلهای بنیادی زبانی (Large Language Models) بهعنوان هستهی اصلی هوش مصنوعی مولد، تحولی چشمگیر در درک و تولید زبان طبیعی ایجاد کردهاند. بااینحال، این مدلها بهدلیل ساختار ایستا و فقدان حافظه پایدار، در مدیریت تعاملات بلندمدت و یادآوری تجربیات گذشته با چالش مواجهاند. هدف این پژوهش، بررسی مفهومی و تحلیلی نقش حافظه اپیزودیک در بهبود عملکرد مدلهای زبانی بزرگ در محیطهای عاملمحور است. در این مطالعه با روش تحقیق مروری، مقالات علمی منتشرشده در بازهی زمانی ۲۰۲۲ تا ۲۰۲۵ بررسی و سازوکارهای تلفیق حافظه با معماری ترنسفورمر تحلیل شده است. یافتهها نشان میدهد که افزودن ماژولهای حافظه اپیزودیک به مدلهای بنیادی، سبب ارتقای قابلیت استدلال، حفظ زمینه گفتوگو، و بهبود تصمیمگیری در عاملهای هوشمند میشود. همچنین، استفاده از چارچوبهای عاملمحور مانند ReAct و MemGPT مسیرهای نوینی برای ایجاد هوش مصنوعی با تداوم شناختی و رفتارهای شبهانسانی فراهم کرده است. در پایان، نتایج پژوهش نشان میدهد که ترکیب مدلهای بنیادی با حافظه اپیزودیک میتواند زمینهساز ظهور عاملهای هوشمندی باشد که بهجای پاسخدهی منفعلانه، دارای تداوم شناختی، رفتار تطبیقی و قابلیت یادگیری تجربی هستند.
کلمات کلیدی : مدلهای زبانی بزرگ حافظه اپیزودیک هوش مصنوعی عاملمحور ترنسفورمر مدلهای بنیادی یادگیری عمیق
زبان مقاله : فارسی
محور مقاله : محورهای نظری هوش مصنوعی
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری
آدرس وب سایت کنفرانس : itnaf.ir
کد IOI مقاله : AAHD-AAKFKG
لینک مستقیم مقاله : https://isnac.ir/AAHD-AAKFKG
نمایش چکیده انگلیسی
: https://isnac.ir/SA/AAHD-AAKFKG
سایر مقالات محل انتشار
- A Study on Design Understandability and Interaction of the therapy-specific Robots
- طراحی و مهندسی یک حسگر زیستی نوری چند مدی پلاسمونیک مبتنی بر تشدیدگرهای حلقه شکاف برای سنجش جامع آنتیژن
- طراحی یک اسیلاتورکنترل شونده با ولتاژ با نویز فاز بسیار پایین و بازه وسیع فرکانسی با تکنولوژی نانولوله کربنی برای کاربردهای PLL
- یک چارچوب هوشمند آگاه به زمینه برای ارتباطات V2V و V2Iدر شبکههای خودرویی شهرهای هوشمند با استفاده از دادههای ترافیکی شبکه سلولی
- An Ensemble Non-Dominated Feature Selection Method: A Case Study on Prostate Cancer
- تشخیص زودهنگام پوسیدگی دندان با استفاده از شبکههای عصبی
- Simulation and Performance Comparison of Torque Tube and LVDT Sensors in Displacer-Based Level Measurement Systems
- ارتقا سامانه ناوبری پهپاد مهاجر ۶ با استفاده از فناوری
- کاربرد نانوذرات مگنتیت (Fe3O4) در پزشکی (از سنتز تا عملکرد)
- Simulation and Modeling of Floating-Gate Non-Volatile Memory Performance: Focus on Oxide Thickness, Programming Speed, and Charge Transport Mechanisms
- Fraud Analytics with Big Data: A Literature Review on Machine Learning Algorithms in Bankruptcy Prediction and Financial Fraud Detection
- تحلیل آیندهپژوهانه همگرایی هوش مصنوعی، فناوری نانو و فناوری اطلاعات در مسیر تحول صنعتی آینده
- نقش تحول دیجیتال در خدمات کتابخانههای عمومی برای توانیابان جسمی و ذهنی
- Prediction and Optimization of Oxygen Production under Microgravity Conditions Using Machine Learning
- Simulation and Performance Comparison of Ultrasonic, Non-Contact Radar, and Guided Wave Radar Sensors in Level Measurement Systems