أﺸﺎﺭﺕ ﻓﺎﻧﻴﺜﺎ ﻛﻮﻣﺎﺭ، ﻣﺴﺆﻭﻟﺔ ﺍﻟﺘﻜﻨﻮﻟﻮﺟﻴﺎ ﻓﻲ ﺷﺮﻛﺔ «ﺗﻮﺛﻮﺭﻛﺲ» (Thoughtworks)، ﺇﻟﻰ ﺃﻥ ﺍﻟﺘﻘﺪﻡ ﺍﻟﻤﺘﺴﺎﺭﻉ ﻓﻲ ﺗﻄﻮﻳﺮ ﻭﻛﻼﺀ ﺍﻟﺒﺮﻣﺠﺔ ﺍﻟﺬﻛﻴﺔ ﻳﺘﺠﻪ ﻧﺤﻮ ﺗﻤﻜﻴﻦ ﻫﺬﻩ ﺍﻷﻧﻈﻤﺔ ﻣﻦ ﺍﻟﺘﺼﺤﻴﺢ ﺍﻟﺬﺍﺗﻲ ﻗﺒﻞ ﻣﺮﺍﺟﻌﺔ ﺍﻟﻤﻄﻮﺭﻳﻦ ﻟﻌﻤﻠﻬﺎ. ﻭﺗﻌﺘﻤﺪ ﻫﺬﻩ ﺍﻟﻤﻨﻬﺠﻴﺔ ﻋﻠﻰ ﻣﺎ ﻳُﻌﺮﻑ بـ«هندسة التحكم والتوثيق» (Harness Engineering)، ﺣﻴﺚ ﺗُﺰﻭّﺩ ﺍﻷﻧﻈﻤﺔ ﺑﺎﺧﺘﺒﺎﺭﺍﺕ ﺁﻟﻴﺔ ﻭﺣﻮﺍﺟﺰ ﺣﻤﺎﻳﺔ ﺗﺴﺎﻋﺪﻫﺎ ﻋﻠﻰ ﺍﻛﺘﺸﺎﻑ ﺍﻷﺧﻄﺎﺀ ﻭﺇﺻﻼﺣﻬﺎ ﻣﺒﻜﺮﺍً.
تجاوز مراقبة الوكلاء يدوياً
فﻲ ﺍﻟﺴﺎﺑﻖ، ﻛﺎﻧﺖ ﺃﺩﻭﺍﺕ ﺍﻟﺬﻛﺎﺀ ﺍﻻﺻﻄﻨﺎﻋﻲ ﺗﺘﻄﻠﺐ ﺇﺷﺮﺍﻓﺎً ﺑﺸﺮﻳﺎً ﻣﺴﺘﻤﺮﺍً ﻟﻤﺮﺍﺟﻌﺔ ﺍﻟﺸﻔﺮﺍﺕ ﺍﻟﺒﺮﻣﺠﻴﺔ ﻭﺍﻛﺘﺸﺎﺀ ﺍﻟﻬﻠﻮﺳﺎﺕ. ﺃﻣﺎ ﺍﻟﻴﻮﻡ، ﻓﺘﺴﻤﺢ ﻫﻨﺪﺳﺔ ﺍﻟﺘﺤﻜﻢ ﻟﻠﻮﻛﻼﺀ ﺑﺘﻨﻔﻴﺬ ﻣﻬﺎﻡ ﺃﻃﻮﻝ ﺑﺪﻗﺔ ﺃﻛﺒﺮ ﻭﺗﺪﺧﻞ ﺃﻗﻞ، ﻣﻤﺎ ﻳﻌﻔﻲ ﺍﻟﻤﻄﻮﺭﻳﻦ ﻣﻦ ﻋﺒﺄ ﺍﻟﻤﺮﺍﻗﺒﺔ ﺍﻟﻤﺴﺘﻤﺮﺓ ﺃﺛﻨﺎﺀ ﺗﻨﻔﻴﺬ ﺍﻟﻤﻬﺎﻡ ﺍﻟﺒﺮﻣﺠﻴﺔ.
ظهور مفاعلات وبنى الذكاء الاصطناعي
مﻊ ﺍﻧﺘﻘﺎﻝ ﺍﻟﻤﺆﺳﺴﺎﺕ ﻣﻦ ﺇﺩﺍﺭﺓ ﻭﻛﻴﻞ ﻭﺍﺣﺪ ﺇﻟﻰ ﺍﻟﺘﻌﺎﻣﻞ ﻣﻊ ﻣﺌﺎﺕ ﺍﻟﻮﻛﻼﺀ ﺑﺸﻜﻞ ﻣﺘﺰﺍﻣﻦ، ﺗﺒﺮﺯ ﺣﺎﺟﺔ ﻣﺎﺳﺔ ﻟﻤﺎ ﻳُﺴﻤﻰ بـ«مفاعلات أو مصانع الذكاء الاصطناعي» (AI Factories). ﻭﺗﺸﺒﻪ ﻫﺬﻩ ﺍﻟﺒﻨﻰ ﺍﻟﺘﺤﺘﻴﺔ ﻣﺎ ﻗﺪﻣﺘﻪ ﻣﻨﺼﺔ «ﻛﻮﺑﺮﻧﻴﺘﺲ» ﺳﺎﺑﻘﺎً ﻓﻲ ﻋﺰﻝ ﻭﺇﺩﺍﺭﺓ ﺗﻌﻘﻴﺪﺍﺕ ﺍﻟﺒﻨﻰ ﺍﻟﻤﺼﻐﺮﺓ، ﺣﻴﺚ ﺗﻮﻓﺮ ﺑﻴﺌﺔ ﻣﻮﺣﺪﺓ ﻻﺧﺘﻴﺎﺭ ﺍﻟﻨﻤﺎﺫﺝ، ﻭﺇﺩﺍﺭﺓ ﺃﻋﻤﺎﺀ ﺍﻟﺘﺸﻐﻴﻞ، ﻭﺗﺤﺴﻴﻦ ﺍﻟﺘﻜﺎﻟﻴﻒ.
أبعاد الأمان ومستقبل الممارسات التقنية
مﻊ ﺯﻳﺎﺩﺓ ﺍﺳﺘﻘﻼﻟﻴﺔ ﺍﻟﻮﻛﻼﺀ، ﺗﺰﺩﺍﺩ ﺍﻟﺤﺎﺟﺔ ﻟﻤﻨﺤﻬﻢ ﺻﻼﺣﻴﺎﺕ ﺃﻭﺳﻊ ﻟﻠﻮﺻﻮﻝ ﺇﻟﻰ ﺍﻟﺒﻴﺎﻧﺎﺕ ﻭﺍﻷﺩﻭﺍﺕ، ﻭﻫﻮ ﻣﺎ ﻳﺜﻴﺮ ﻣﺨﺎﻭﻑ ﺃﻣﻨﻴﺔ ﺗﺪﻓﻊ ﺑﻌﺾ ﺍﻟﺸﺮﻛﺎﺕ ﻟﻠﺘﺄﻧﻲ ﻓﻲ ﺍﻟﺘﺒﻨﻲ. ﻭﺗﺸﻴﺮ ﺗﻮﺛﻮﺭﻛﺲ ﻓﻲ ﺗﻘﺮﻳﺮﻫﺎ (Technology Radar, Volume 35) ﺇﻟﻰ ﺃﻥ ﺍﻟﻤﻤﺎﺭﺳﺎﺕ ﺍﻟﻬﻨﺪﺳﻴﺔ ﺍﻟﺘﻘﻠﻴﺪﻳﺔ ﻣﺜﻞ ﺍﺧﺘﺒﺎﺭﺍﺕ ﺍﻻﺧﺘﺮﺍﻕ ﻭﻓﻬﻢ مسارات الإنتاج ﺗﺴﺘﻌﻴﺪ ﺃﻫﻤﻴﺘﻬﺎ ﺑﺰﺧﻢ ﺃﻛﺒﺮ ﻟﺤﻤﺎﻳﺔ ﺍﻷﻧﻈﻤﺔ ﺍﻟﻤﺪﻋﻮﻣﺔ ﺑﺎﻟﺬﻛﺎﺀ ﺍﻻﺻﻄﻨﺎﻋﻲ.
لماذا يهم هذا التطور؟
يُﻌﺪ ﻫﺬﺍ ﺍﻟﺘﺤﻮﻝ ﻧﻘﻠﺔ ﻧﻮﻋﻴﺔ ﻣﻦ ﺍﻻﻋﺘﻤﺎﺩ ﺍﻟﻜﻠﻲ ﻋﻠﻰ ﺍﻟﻤﺮﺍﺟﻌﺔ ﺍﻟﺒﺸﺮﻳﺔ ﺍﻟﺒﻄﻴﺌﺔ ﺇﻟﻰ ﺃﻧﻈﻤﺔ ﺑﺮﻣﺠﻴﺔ ﻗﺎﺩﺭﺓ ﻋﻠﻰ ﺗﺪﻗﻴﻖ ﻧﻔﺴﻬﺎ ﺿﻤﻦ ﺿﻮﺍﺑﻂ ﺻﺎﺭﻣﺔ. ﻭﻳﺴﺎﻋﺪ ﺫﻟﻚ ﺍﻟﻤﺆﺳﺴﺎﺕ ﻋﻠﻰ ﺭﻓﻊ ﻛﻔﺎﺀﺓ ﺍﻟﺘﻄﻮﻳﺮ ﺍﻟﺒﺮﻣﺠﻲ ﻣﻊ ﺗﻘﻠﻴﻞ ﺍﻟﻤﺨﺎﻃﺮ ﺍﻷﻣﻨﻴﺔ ﺍﻟﻤﺼﺎﺣﺒﺔ ﻟﻸﺗﻤﺘﺔ ﺍﻟﻮﺍﺳﻌﺔ.
كيف أعددنا هذا الخبر؟
اعتمد الخبر على المصدر الأصلي الموضح أعلاه. قد نستخدم أدوات آلية للمساعدة في الاستخراج والتصنيف والصياغة،
لكن النشر يخضع لقواعد تمنع المحتوى المكرر والقصير أو الروتيني منخفض القيمة.
اقرأ سياستنا التحريرية.