6. مقدمة إلى الجزء 6: الذكاء الاصطناعي
انتقل الذكاء الاصطناعي من طرافة بحثية إلى قدرة أساسية يُتوقَّع الآن من المؤسسات الكبيرة نشرها بمسؤولية وعلى النطاق. يسلك هذا الجزء دورة الحياة بأكملها: تقرير أين يستحق الذكاء الاصطناعي التطبيق، هندسة أنظمة تعلم آلي تنجو من التماس مع الإنتاج، بناء تطبيقات على نماذج توليدية، استخدام الذكاء الاصطناعي للمساعدة في تطوير البرمجيات نفسه، الوفاء بالتزاماتك للعدالة والمساءلة، وتشغيل البنية التحتية المتخصصة التي يحتاجها كل هذا. فكرة واحدة تربط كل فصل: النموذج نادرًا ما يكون الجزء الصعب. الجزء الصعب هو الهندسة، والحوكمة، والانضباط التشغيلي المحيط به.
للفرق الكبيرة، يرفع النطاق والقصور الذاتي الرهانات. مبادرة سيئة التأطير يمكن أن تحرق ميزانيات، تشتت مهندسين ماهرين، وتآكل الثقة عندما تفشل علنًا. مبادرة مُختارة جيدًا يمكن أن تؤتمت الكدح وتكشف بصيرة من بيانات لم تستطع الوصول إليها أبدًا من قبل. عبر مئات المطورين ودزينات النماذج، تتراكم عادات صغيرة وفجوات صغيرة في الإشراف إلى نتائج مؤسسية. لهذا تهم المنصات، والافتراضيات، والأعراف المشتركة أكثر من أي حل ذكي واحد.
تضيف سياقات المؤسسات والحكومة قيودًا أشد، وتجري عبر كل فصل. يجب أن تبرر الهيئات العامة الإنفاق، تضمن الشفافية، تتجنب التمييز غير القانوني، وتبقى مسؤولة أمام المنظمين والجمهور. قد تحظر قواعد الشراء القفل على مصدر واحد وتطلب قابلية التفسير وخيارات الخروج. يفرض قانون ناشئ مثل قانون الذكاء الاصطناعي للاتحاد الأوروبي (تنظيم الاتحاد الأوروبي مصنَّف المخاطر لأنظمة الذكاء الاصطناعي) ومعايير مثل إطار NIST لإدارة مخاطر الذكاء الاصطناعي وISO/IEC 42001، معيار نظام إدارة ذكاء اصطناعي قابل للاعتماد، متطلبات مصنَّفة حسب المخاطرة. في هذه الإعدادات، الامتثال، وقابلية التدقيق، وقابلية إعادة الإنتاج، وسيادة البيانات متطلبات من الدرجة الأولى، لا أفكارًا لاحقة.
فصول هذا الجزء
6.1 استراتيجية وجاهزية الذكاء الاصطناعي: تخصص تقرير أين تطبّق الذكاء الاصطناعي، أين تتجنبه، وأي أسس بيانات، ومواهب، وحوكمة يجب أن توجد قبل أن يصل أول نموذج للإنتاج.
6.2 هندسة التعلم الآلي (MLOps): جلب صرامة برمجية إلى واقع الثلاثة أجزاء من الشيفرة بالإضافة إلى البيانات بالإضافة إلى النماذج، بحيث تكون أنظمة التعلم الآلي قابلة لإعادة الإنتاج، وقابلة للمراقبة، وقابلة للصيانة بدل عروض توضيحية لمرة واحدة.
6.3 الذكاء الاصطناعي التوليدي وتطبيقات نماذج اللغة الكبيرة: هندسة تطبيقات موثوقة حول نماذج لغوية احتمالية عبر إدارة السياق، والتأسيس المعزَّز بالاسترجاع، وحواجز الحماية (فحوصات وقت التشغيل التي تقيّد مدخلات ومخرجات النموذج)، والتقييم الصارم.
6.4 تطوير البرمجيات المُساعَد بالذكاء الاصطناعي: استخدام مساعدي برمجة ذكاء اصطناعي لرفع الإنتاجية بلا خفض الجودة، عبر أعراف واضحة، وافتراضيات جيدة، وتحقق قوي، وانتباه للأمان والترخيص.
6.5 الذكاء الاصطناعي المسؤول والموثوق: بناء أنظمة عادلة، وشفافة، ومسؤولة، وآمنة، ومحترمة للخصوصية، والقدرة على إثبات كل هذا للمتأثرين وللمنظمين.
6.6 بنية تحتية وعمليات الذكاء الاصطناعي: تهيئة وتشغيل المسرّعات النادرة، وتخزين المتجهات (أنظمة تفهرس البيانات كمتجهات عددية لبحث التشابه)، وطبقات التقديم التي تتطلبها أحمال عمل الذكاء الاصطناعي، بفعالية تكلفة، وموثوقية، وقابلية مراقبة.
6.7 وكلاء الذكاء الاصطناعي والأنظمة الوكيلة: بناء برمجيات تستخدم نموذجًا لغويًا في حلقة بأدوات، وذاكرة، وهدف لاتخاذ أفعال، وفعل ذلك بأمان عبر استقلالية محدودة، ووصول أدوات بأقل امتياز، وموافقات إنسان في الحلقة، وحواجز حماية ضد حقن الأوامر، وتقييم صارم للسلوك غير الحتمي.
6.8 تقييم واختبار الذكاء الاصطناعي: جعل الذكاء الاصطناعي موثوقًا عبر تطوير مدفوع بالتقييم، ومجموعات تقييم تمثيلية ومقاييس ملائمة للمهمة، وحَكَم نموذج لغوي كبير مُعايَر ومراجعة بشرية، وفرق حمراء، وبوابات تراجع في التكامل المستمر، ومراقبة الجودة والانجراف في الإنتاج.
6.9 هندسة الأوامر وتصميم السياق: معاملة صياغة الأوامر كهندسة، بأوامر مهيكلة، وتقنيات أمثلة قليلة وسلسلة تفكير، وميزنة واسترجاع سياق منضبطين، ومخرَج مهيكل واستدعاء أدوات، وأوامر مُرقَّمة بإصدار، ومُراجَعة، ومُقيَّمة كالشيفرة.
كيف تترابط هذه الفصول
تشكّل هذه الفصول معًا دورة حياة تجري من النية إلى التشغيل. يضع الفصل 6.1 الاستراتيجية والجاهزية، مؤطِّرًا أي المشكلات تبرر الذكاء الاصطناعي أصلًا وأي أسس تحتاجها أولًا. يوفر الفصل 6.2 العمود الفقري الهندسي للتعلم الآلي الكلاسيكي، بينما يغطي الفصل 6.3 الأنماط المتميزة للنماذج التوليدية، حيث يُشكَّل السلوك بالأوامر والسياق المسترجَع لا خطوة تدريب. يوجّه الفصل 6.4 الذكاء الاصطناعي نحو حرفة تطوير البرمجيات نفسها، ويوفر الفصل 6.6 ركيزة الحوسبة، والتخزين، والتقديم التي يعتمد عليها كل فصل آخر. الفصل 6.5 عمدًا ليس الكلمة الأخيرة بل رفيقًا ثابتًا: تشكّل التزامات الذكاء الاصطناعي المسؤول الاستراتيجية، تقيّد اختيار النموذج، تحجب النشر، وتُعلِم قرارات البنية التحتية طوال الطريق.
يجري الخط الحبكي من الاستراتيجية إلى MLOps إلى الذكاء الاصطناعي التوليدي إلى التطوير المُساعَد بالذكاء الاصطناعي إلى الذكاء الاصطناعي المسؤول إلى البنية التحتية، لكن فكّر فيه كنسيج، لا خط مستقيم. تتشارك MLOps والبنية التحتية اهتمامات حول قابلية إعادة الإنتاج، والتكلفة، والتقديم، فأفضل قراءة للفصلين 6.2 و6.6 معًا. يرتبط الذكاء الاصطناعي المسؤول رجوعًا بالاستراتيجية في الفصل 6.1 وأمامًا بالمعالجة الأوسع للأخلاق والمصلحة العامة في الفصل 10.5، ويتكئ على ممارسات الخصوصية وحماية البيانات في الفصل 4.5. تسند أسس الهندسة الأوسع لهذا الدليل الجزء بأكمله: التسليم المستمر في الفصل 8.1، والمراقبة في الفصل 9.2، واستراتيجية الاختبار في الفصل 2.4، ومراجعة الشيفرة في الفصل 2.5 كلها شروط مسبقة لفعل الذكاء الاصطناعي جيدًا. لا يستبدل الذكاء الاصطناعي الهندسة البرمجية السليمة. إنه يرفع رهانات إصابتها بشكل صحيح.