سلسلة هندسة الذكاء الاصطناعي – الجزء الأول

إذا حضرت أي مؤتمر متخصص في هذا المجال الآن، فستسمع نفس الكلمات تتردد في كل جلسة: المساعد الذكي، والمساعد المساعد، والوكيل، وMCP، والمهارة، والموصل، والنموذج. ويعد كل مزود بأن نسخته هي الأقوى والأكثر سهولة في الاستخدام والأكثر جاهزية للتطبيق الفعلي. والنتيجة هي ضجيج، لا وضوح.

التحدي الذي يواجه أي شخص يتخذ قرارات تقنية اليوم لا يكمن في العثور على أدوات الذكاء الاصطناعي. فهذه الأدوات متوفرة بكثرة. بل يكمن التحدي في فهم الوظائف الفعلية لكل أداة، وكيفية ترابطها مع بعضها البعض، وأي مجموعة منها تناسب حل مشكلة معينة.

إليك دليل مبسط يشرح المكونات الأساسية لأنظمة الذكاء الاصطناعي الحديثة: ما هي، وكيف تترابط، وما الذي تتيحه عند عملها معًا، وقد نُشر هذا الدليل على أربعة أجزاء، جزء كل أسبوع. استعد لطرح أسئلة أكثر دقة على أي مزود لخدمات الذكاء الاصطناعي تتحدث إليه.

التكلفة الخفية لتفضيل الميزات على البنية التحتية

بعض الخيارات التقنية لا تنطوي على مخاطر كبيرة. فأنت تجرب شيئًا ما، وإذا لم ينجح، تمضي قدمًا دون أن تتكبد خسائر تذكر. لكن في سير العمل الخاضع للرقابة، والعمليات التي تتعامل مع بيانات حساسة، والأنظمة التي يجب أن تكون قابلة للتفسير أمام الهيئات التنظيمية أو العملاء، فإن الخيارات المتعلقة بالبنية التي يتم اتخاذها في المراحل المبكرة تميل إلى أن تتراكم آثارها بمرور الوقت.

وهذا الأمر لا يقتصر على قطاع معين. فعلى سبيل المثال، يواجه نظام المستشفيات الذي يطبق أداة تعتمد على الذكاء الاصطناعي دون النظر في كيفية تتبع نتائجها والتحقق منها مخاطر مختلفة عن تلك التي يواجهها المستشفى الذي يدمج آلية التتبع هذه منذ البداية. كما أن مكتب المحاماة الذي يعتمد على أتمتة مراجعة المستندات دون تضمين منهجيته الخاصة في النظام سيحصل على نتائج عامة بدلاً من تحليل مخصص لمستوى المكتب. أما المؤسسة المالية التي تفضل ميزة معينة من ميزات الذكاء الاصطناعي على البنية التحتية للذكاء الاصطناعي، فستواجه في نهاية المطاف أنظمة مجزأة وتكاليف غير قابلة للاسترداد.

وهذا نمط متكرر: فالميزة التي تعمل بشكل مثير للإعجاب في العرض التوضيحي، لكنها غير قادرة على تفسير نتائجها، ولا يمكن تتبع مصدرها، ولا يمكن دمجها في سير العمل الخاضع للرقابة، تنتهي بها الحال إلى أن تصبح عبئًا ينتظر من يكتشفه، متخفية في ثوب أداة إنتاجية.

السؤال الأكثر فائدة الذي يمكن طرحه على أي مزود لخدمات الذكاء الاصطناعي هو: هل تم تصميم هذا النظام ليبقى على المدى الطويل، وهل يمكنه بالفعل أن يتكامل مع نظام يمكنني التحكم فيه؟

نظرة أولية على كيفية تقييم أدوات الذكاء الاصطناعي في البيئات الخاضعة للتنظيم

إن مجال الذكاء الاصطناعي مثير للاهتمام حقًا، ووتيرة التغيير فيه حقيقية. لكن المؤسسات التي ستحقق قيمة مستدامة من هذه التقنيات هي تلك التي تتجاوز الإعلانات عن الميزات وتطرح أسئلة أعمق حول الجوانب الأساسية.

إنه سؤال وجيه، وقد يذهب البعض إلى أبعد من ذلك: حتى لو كانت نماذج اللغة العامة لا تزال قاصرة اليوم، ألا ستصل إلى المستوى المطلوب في نهاية المطاف؟ مع تحسن القدرات بالوتيرة الحالية، قد تضيق الفجوة من تلقاء نفسها. لكن هذا يفترض أن المشكلة تكمن في الذكاء الخام، وهذا ليس صحيحًا. فكر في الأمر كطبيب عام بارع. بغض النظر عن مدى معرفته، فإنك لا تزال تريد جراح قلب يجري عملية جراحية على قلبك، ليس لأن الطبيب العام غير قادر، ولكن لأن الجراح قضى سنوات في تطوير الخبرة والأدوات والبروتوكولات المحددة لتلك الحالة بالذات . ستستمر النماذج العامة في اكتساب المزيد من القوة. لكن الحاجة إلى البيانات والمنهجية وسير العمل المنظم الخاص بالمجال هي متطلبات هيكلية للعمل عالي المخاطر، وليست فجوة مؤقتة يجب سدها.

وهذا أمر مقصود: فالنماذج الأساسية يتم تدريبها على معلومات متاحة على نطاق واسع، وليس على البيانات الخاصة بالشركة، أو المنهجيات المتراكمة على مدى سنوات، أو الأحكام الدقيقة التي تنبع من العمل في بيئة تنظيمية محددة.

هذه هي الأسئلة التي تميز البنية التحتية عن الميزات، والأنظمة التي تصمد أمام التدقيق عن تلك التي لا تصمد.

يبدأ الرد على هذه الأسئلة بفهم المكونات الأساسية: الطبقات الفعلية التي تجعل نظام الذكاء الاصطناعي الحديث يعمل، وما هي المهام التي تضطلع بها كل طبقة.

تتعمق الأجزاء الثلاثة التالية من هذه السلسلة في العناصر الأساسية لأنظمة الذكاء الاصطناعي الحديثة، وحالات الاستخدام الفعلية في مجال الخدمات المالية، والاتجاهات المستقبلية لهذه التكنولوجيا.

تابعنا على LinkedIn أو اشترك في نشرتنا الإخبارية حتى لا تفوتك أي أخبار.