ملخص المحتوى الرئيسي
عاد رود جونسون، مؤسس إطار عمل Spring، إلى الساحة بعد أكثر من 20 عامًا لإنشاء إطار عمل مفتوح المصدر للذكاء الاصطناعي يُدعى Embabel، والذي يهدف إلى حل مشاكل “القابلية للتحكم، والقابلية للتفسير، والقابلية للتدقيق” في وكلاء الذكاء الاصطناعي المستخدمة في الشركات. وقد طرح رأيًا صادمًا مفاده أن هذا قد يكون “آخر جيل من إطارات العمل التي يختارها البشر بأنفسهم”، حيث ستقوم أدوات الذكاء الاصطناعي في المستقبل تدريجيًا باتخاذ قرارات اختيار التقنيات نيابة عن المطورين، ولن يحتاج البشر بعد ذلك إلى اختيار إطارات العمل أو تجميع مكونات التقنية بأنفسهم. كما لديه العديد من وجهات النظر “المعاكسة للمألوف” حول تطبيقات الذكاء الاصطناعي في الشركات، مثل معارضته لإعادة كتابة أكواد لغة Java إلى Python بشكل أعمى من أجل الذكاء الاصطناعي، وحذاريته من أن وكلاء البرمجة الخاصة بالذكاء الاصطناعي قد تدمر مكتبات الأكواد، واستخدام خوارزميات التخطيط المستخدمة في شخصيات اللعب (NPCs) لجعل وكلاء الذكاء الاصطناعي “مطيعين”.
أولاً: عودة “أبو Spring”: لماذا الآن إطار عمل للذكاء الاصطناعي؟
لم يكن رود جونسون قد انتقل فجأة من مجال آخر؛ فهو في الأصل شاب متعدد المواهب حصل على درجة الدكتوراه في الموسيقى قبل أن يتحول إلى مبرمج، وقد أعاد تعريف طريقة تطوير التطبيقات باستخدام لغة Java من خلال إطار عمل Spring قبل 20 عامًا. عاد الآن بسبب تطور أدوات مثل GPT-3 وChatGPT التي جعلت الذكاء الاصطناعي يخرج من المختبرات ويصبح قابلاً للتطبيق العملي، لكن الشركات واجهت العديد من المشاكل عند استخدامه:
- يطالب المسؤولون الكبار بتبني أدوات الذكاء الاصطناعي، لكن الفرق تبدأ مشاريع دون أهداف واضحة؛
- يتم إجبار الذكاء الاصطناعي على التكيف مع الأنظمة القائمة، مما يؤدي إلى عزله عن أنظمة الأعمال المبنية بلغة Java؛
- عند استخدام أدوات الذكاء الاصطناعي (مثل LLMs)، يتم اتخاذ القرارات بشكل عشوائي، مما يجعل من الصعب التحكم فيه والتدقيق في أدائه.
كان رود جونسون يعمل مع تقنية TensorFlow لمدة عامين، ولاحظ أن هناك حاجة إلى إطار عمل يمكنه دمج أدوات الذكاء الاصطناعي (مثل LLMs) مع الأنظمة القائمة (مثل Java) بسلاسة ويضمن سلوكًا منظمًا لهذه التقنيات. وهكذا، تم إنشاء إطار عمل Embabel.
ثانيًا: لا تستخدموا Python في تطبيقات الذكاء الاصطناعي بشكل أعمى! Java هو الخيار الأفضل
يقول رود جونسون إن العديد من مديري الشركات يطالبون فرقهم باستخدام لغة Python لتطوير تطبيقات الذكاء الاصطناعي، وهو يعتبر ذلك خطأ:
- من المهم التمييز بين علوم البيانات (تدريب النماذج وتحسينها) حيث تكون لغة Python مناسبة، وتطبيقات الذكاء الاصطناعي في الشركات التي تتضمن استخدام أدوات مثل LLMs؛ فاستدعاءات LLMs يمكن إجراؤها بسهولة باستخدام لغة Java مثلما هو الحال مع Python؛
- الأهمية تكمن في التوافق مع الأنظمة القائمة: حيث أن 90% من أنظمة الشركات مكتوبة بلغة Java (قواعد البيانات، الخدمات، المكتبات)، لذا فإن استخدام Java يسهل التكامل ولا يحتاج إلى إعادة ابتكار أشياء موجودة بالفعل؛
- إطار عمل Embabel مكتوب جزئيًا بلغة Kotlin (أحدث تقنيات البرمجة)، لكنه يتوافق تمامًا مع مستخدمي لغة Java؛ فعند استخدامك للغة Java لاستدعاء وظائف Embabel، لن تشعر بأي اختلاف في أسلوب البرمجة.
على سبيل المثال، قامت شركة أسترالية باستخدام Java لتطوير وظيفة صغيرة لأتمتة مراجعة 95% من النماذج دون الحاجة إلى استخدام Python، وكانت النتائج جيدة جدًا.
ثالثًا: هل كتابة الأكواد بواسطة الذكاء الاصطناعي أمر ممتع؟ احذروا، قد يفسد مكتبات الأكواد
يقول رود جونسون إنه يستخدم الذكاء الاصطناعي لكتابة 95% من أكواده البرمجية، لكنه يحذر من أنه لا يجب السماح للذكاء الاصطناعي بالسيطرة الكاملة على العملية:
- الذكاء الاصطناعي جيد في كتابة أكواد مؤقتة (مثل نماذج واجهات المستخدم)، لكن عند كتابة أكواد تتعلق بأعمال جادة، قد يضيف وظائف غير ضرورية مما يؤدي إلى تدهور جودة الكود وزيادة حجمه؛
- سره في السيطرة على البنية التحتية: يسمح للذكاء الاصطناعي فقط بكتابة التفاصيل التنفيذية، ثم يقوم هو بتعديل الأكواد عند الضرورة؛ مثلاً، إذا قام الذكاء الاصطناعي بتخزين قيمة بشكل غير مناسب، يقوم هو بتصحيحها واستخدام أساليب برمجية مناسبة؛
- مشكلة شائعة في الشركات: يطالب المسؤولون الفرق باستخدام الذكاء الاصطناعي دون أن يفهموا سبب ذلك، مما يؤدي إلى فشل المشاريع.
رابعًا: التقنية السرية في Embabel: استخدام خوارزميات شخصيات اللعب لجعل وكلاء الذكاء الاصطناعي “مطيعين”
تستخدم إطارات عمل أخرى للذكاء الاصطناعي (مثل LangChain) خوارزميات تسمح لأدوات الذكاء الاصطناعي باتخاذ قراراتها الخاصة، مما يجعل من الصعب التحكم في أدائها. لكن إطار عمل Embabel يستخدم خوارزمية GOAP المستخدمة في تصميم شخصيات اللعب (NPCs)، والتي تسمح بتخطيط الإجراءات بشكل منظم:
- هذه الخوارزمية تحدد التسلسل الصحيح لتنفيذ المهام، مما يضمن أداءً موثوقًا ومتناسقًا لأدوات الذكاء الاصطناعي.
خامسًا: الاستفادة من تطورات الذكاء الاصطناعي
يؤكد رود جونسان أهمية الاستفادة من التقدم المتسارع في مجال الذكاء الاصطناعي لتحسين كفاءة الأعمال وابتكار منتجات جديدة؛ فالشركات التي تستخدم أدوات الذكاء الاصطناعي بشكل صحيح ستكون قادرة على التنافس بشكل أفضل في السوق.