ما المقصود بمفهوم "القائم على الذكاء الاصطناعي من الأساس"؟

ومع تزايد دمج الذكاء الاصطناعي (AI) في مختلف القطاعات، تصف المؤسسات منتجاتها ومنصاتها ومهام سير عملها على نحو متزايد بأنها مدعومة بالذكاء الاصطناعي أو مُمكَّنة به. لكن مصطلح "القائم على الذكاء الاصطناعي من الأساس" يحمل دلالة أعمق تتعلق ببنية النظام نفسها. فالأنظمة المعززة بالذكاء الاصطناعي تعتمد عليه بوصفه أداة مساندة، في حين يقوم جوهر الأنظمة القائمة على الذكاء الاصطناعي من الأساس على قدراته.

يمكن اعتبار الشركات الناشئة التي تجعل الذكاء الاصطناعي محورًا استراتيجيًا أساسيًا شركات قائمة على الذكاء الاصطناعي من الأساس. وينطبق الأمر نفسه على المؤسسات الراسخة التي تعيد توجيه نموذج أعمالها بالكامل حول البيانات ونماذج الذكاء الاصطناعي. ولا يصف هذا المصطلح مجرد استخدام أدوات الذكاء الاصطناعي، بل يشير إلى نهج تأسيسي يشكّل فيه الذكاء الاصطناعي البنية، وعملية صنع القرار، وتجربة المستخدم، ودورة حياة النظام بأكملها منذ البداية. ويشمل ذلك كيفية جمع البيانات، وتشغيل أحمال التشغيل، وإدارة زمن الانتقال، وتوسيع نطاق الأنظمة.

لكن مع تصاعد الحماس والاستثمار في الذكاء الاصطناعي داخل قطاع التقنية، كثيرًا ما يظهر مصطلح "القائم على الذكاء الاصطناعي من الأساس" بوصفه عبارة تسويقية رنانة في سياقات قد لا ينطبق عليها فعليًا. ومع ذلك، يحمل المصطلح دلالة حقيقية ومفيدة. ويُعد فهم معناه الفعلي مهمًا لتقييم الزخم الحالي للتطورات التقنية المتسارعة، والتمييز بين الميزة التنافسية الحقيقية والمبالغات التسويقية.

ومثلما كان مصطلح "المصمم للأجهزة المحمولة من الأساس" يشير إلى تطبيقات صُممت خصيصًا للهواتف الذكية، بدلًا من استخدامها على أجهزة الكمبيوتر المكتبية، فإن مصطلح "القائم على الذكاء الاصطناعي من الأساس" يعكس ارتباطًا بالذكاء الاصطناعي متجسدًا من البداية إلى النهاية في البنية ومجموعة التقنيات. ومن المتوقع أن تتراجع فائدة هذا المصطلح بمرور الوقت مع تزايد انتشار الذكاء الاصطناعي في كل مكان.

ينطوي تطوير البرمجيات التقليدي على إنشاء تصميمات تستند إلى منطق حتمي وقواعد محددة مسبقًا يضعها المبرمجون البشريون. ولذلك، قد يتطلب إنجاز مهمة معقدة باستخدام الأدوات البرمجية توجيه نظام برمجي يدويًا من خلال تزويده بمدخلات بيانات متنوعة وضبط المعلمات للوصول إلى النتيجة المرجوة. ولا تتمتع الآلة الحاسبة أو وحدة الماكرو في جدول البيانات بأي قدرة على التعلم أو التكيف، إذ تكون جميع سلوكياتها محددة مسبقًا.

أما الذكاء الاصطناعي، فلا يحتاج إلى تعليمات صريحة، بل "يتعلم" القواعد بنفسه من خلال مراجعة عدد كبير من الأمثلة على إحدى المهام. وتستخدم تطبيقات الذكاء الاصطناعي وأنظمته خوارزميات التعلم الآلي لاكتشاف الأنماط في كميات هائلة من البيانات، بهدف اتخاذ القرارات أو إجراء التنبؤات. ويعتمد هذا التعلم على مسارات معالجة البيانات، ومجموعات البيانات التي تراعي السياق، والممارسات المستمرة لإدارة البيانات. يعتمد هذا التعلم على خطوط معالجة البيانات، ومجموعات البيانات الواعية للسياق، وممارسات إدارة البيانات المستمرة.

ولكي يكون المنتج أو مهمة سير العمل قائمًا بالفعل على الذكاء الاصطناعي من الأساس، لا يمكن أن تكون قدرة الذكاء الاصطناعي مجرد إضافة ملحقة بنظام قائم. كما لا يمكن أن يكون الذكاء الاصطناعي مكوّنًا يمكن إزالته من النظام. وبعبارة أخرى، إذا أُزيل الذكاء الاصطناعي، فلن يقتصر الأمر على توقف المنتج عن العمل بالطريقة المقصودة، بل سيفقد المنتج فائدته بالكامل.

ومن الأمثلة على ما لا يندرج ضمن الأنظمة القائمة على الذكاء الاصطناعي من الأساس متصفح ويب يستخدم الذكاء الاصطناعي في نطاق محدود، مثل توفير ميزة ذكية للسرد لدعم إمكانية الوصول.

وعلى النقيض من ذلك، يتفاعل المستخدمون في التصميمات القائمة على الذكاء الاصطناعي من الأساس غالبًا باستخدام اللغة الطبيعية، وتكون الأتمتة جزءًا أصيلًا من الوظائف الأساسية للمنتج، لا مجرد إمكانية مساندة. وتعتمد هذه الأنظمة في كثير من الأحيان على طبقات تنسيق تتولى تنسيق عمل النماذج والأدوات وواجهات برمجة التطبيقات (APIs) والخدمات الخارجية.

يُعد متصفح Comet من Perplexity مثالًا على متصفح قائم على الذكاء الاصطناعي من الأساس، إذ يندمج مساعد ذكاء اصطناعي في تجربة الاستخدام لتلخيص المحتوى، وصياغة رسائل البريد الإلكتروني، ومقارنة نتائج التسوق، بحيث تؤدي إمكانات الذكاء الاصطناعي دور الوسيط في كل خطوة من خطوات التجربة. ولا يتعين على المستخدم فتح شريط جانبي للاستفادة من الذكاء الاصطناعي، إذ يكون حاضرًا بالفعل ضمن التجربة.

يُعد IBM Bob بيئة تطوير متكاملة (IDE) قائمة على الذكاء الاصطناعي من الأساس ومصممة للاستخدام على مستوى المؤسسات. فهو ليس مجرد روبوت محادثة أُضيف إلى محرر، بل صُمم للعمل داخل بيئة التطوير المتكاملة ومن خلال سطر الأوامر، ليتجاوز إمكانات الإكمال البسيط للتعليمات البرمجية من خلال التعامل مع مهام سير العمل المعقدة القائمة على الوكلاء.

ولأن البنية القائمة على الذكاء الاصطناعي من الأساس تُبنى حول المخرجات الاحتمالية والتكرار والتكيف، بدلًا من القواعد الصارمة والعمليات الحتمية التي تقوم عليها البرمجيات التقليدية، فإن مهام سير العمل لا تكون مجرد نسخ مؤتمتة من العمليات القديمة تنفذ الخطوات نفسها بسرعة أكبر. إذ يمكن اختزال العمليات الطويلة المتعددة الخطوات في موجّه واحد، ويمكن لوكيل الذكاء الاصطناعي تلقي هذا التفاعل وتنفيذ سلسلة من خطوات الاستدلال لإتمام المهمة. كما تستطيع هذه الوكلاء تنفيذ أحمال تشغيل مسبقة، مثل التخطيط واختيار الأدوات والتقييم، قبل إنتاج النتائج.

واستنادًا إلى أنماط سلوك المستخدم، يستطيع النظام القائم على الذكاء الاصطناعي من الأساس أن يتحسن بمرور الوقت، بحيث لا تقتصر فائدته المتزايدة على أداء مهام محددة، بل تمتد أيضًا إلى الطريقة الأساسية التي يتفاعل بها مع المستخدم.

وقد سرّعت التطورات الحديثة في الذكاء الاصطناعي التوليدي التوجه نحو إنشاء أنظمة جديدة قائمة على الذكاء الاصطناعي من الأساس. وتتيح نماذج الذكاء الاصطناعي التوليدي للأنظمة إنشاء النصوص والصور والتعليمات البرمجية وغيرها من المخرجات بصورة ديناميكية، ما يتيح تجاوز الأتمتة محدودة النطاق نحو أنظمة ذكاء اصطناعي قائمة على الوكلاء تستطيع الاستدلال واتخاذ القرارات باستقلالية. ولا يمثل الذكاء الاصطناعي التوليدي مجرد إضافة مبتكرة، بل يشكّل الجوهر المعرفي للنظام. وقد أعادت الأنظمة الذكية الناتجة تعريف تجربة المستخدم، وحوّلت الواجهة من لوحة تحكم إلى ما يشبه مساعدًا أو مساعدًا مرافقًا يعمل في الوقت الفعلي.

وكانت الأنظمة القائمة على الذكاء الاصطناعي من الأساس قبل ظهور الذكاء الاصطناعي التوليدي محدودة النطاق عادةً، لأن المصممين كانوا يعملون على تحسينها لأداء مهام محددة. أما الأطر التوليدية، فقد دمجت مسارات متعددة في بنيات موحدة تستطيع التعامل مع أنواع عديدة من حالات الاستخدام.

ولا يقتصر إنشاء نظام قائم على الذكاء الاصطناعي من الأساس على إضافة منتج ذكاء اصطناعي جاهز إلى نظام موجود. فغالبًا ما تتسم الأنظمة القائمة على الذكاء الاصطناعي من الأساس بهياكل تكاليف غير خطية. إذ إن مجرد جمع البيانات المطلوبة ومعالجتها يمثل مهمة ضخمة، وينطبق الأمر نفسه على تدريب النماذج أو الوكلاء وصيانتها وتنسيق عملها. ويضاف إلى ذلك ضرورة دمج نموذج لحوكمة الذكاء الاصطناعي يستند إلى مبادئ الذكاء الاصطناعي المسؤول، لضمان ألا تهدد عمليات نشر الذكاء الاصطناعي رسالة المؤسسة. وقد تتعرض أنظمة الذكاء الاصطناعي لإخفاقات جسيمة، مثل الهلوسة، وأخطاء الاستدلال، وإساءة استخدام الأدوات، والانحراف التدريجي للنماذج.

ويتطلب النظام القائم على الذكاء الاصطناعي من الأساس عادةً إنشاء نظام شامل لإدارة الذكاء الاصطناعي، يوفر إطارًا لتطوير أنظمة الذكاء الاصطناعي ونشرها ومراقبتها باستمرار. وتساعد هذه الأنظمة على الحد من مخاطر الذكاء الاصطناعي وتعزيز الامتثال التنظيمي.

ومع ذلك، فإن مواجهة هذه التحديات تستحق العناء لسببين رئيسيين.

أولًا، يصعب تقليد أنظمة الذكاء الاصطناعي الناضجة، لأن الذكاء يكون مدمجًا في مهام سير العمل، لا في الميزات فحسب. وتتسم مهام سير العمل بالديناميكية، إذ يتوزع منطقها عبر التعليمات البرمجية الخاصة بالتنسيق، ويسترشد بسجل الاستخدام السابق، كما يخضع للضبط من خلال التجربة والخطأ. وتتعلم النماذج باستمرار كيفية أداء المهام بصورة أفضل بمرور الوقت، ولا تُعد محاكاة هذا الذكاء المتراكم مشروعًا مباشرًا أو سهل التنفيذ. وفوق ذلك، يحقق هذا التحسن عوائد تراكمية لا تستطيع البرمجيات التقليدية تحقيقها.

ويتيح التمركز بين المستخدمين والمؤسسات الكبرى التي تطور النماذج البارزة وتصونها فرصًا واسعة لإضافة قيمة من خلال تحديد البيانات ذات الصلة، والأدوات التي ينبغي الرجوع إليها، والمعلومات الذكية التي ينبغي عرضها، والطريقة التي تُعرض بها. وتتحكم هذه الطبقة في السياق وتشكّل الذكاء، مع حجب التعقيدات الكامنة خلف واجهة اللغة الطبيعية. وتؤدي المؤسسة القائمة على الذكاء الاصطناعي من الأساس دورًا شبيهًا بالمنسق داخل المنظومة، إذ تساعد المستخدم على استخلاص أكبر قدر ممكن من القيمة من النموذج بما يلبي احتياجاته المتخصصة. ولذلك، تستطيع هذه الشركات تقديم قيمة هائلة حتى من دون امتلاك النموذج نفسه.