في يوم الجمعة، ظهر مبتكر Claude Code، بوريس تشيرني، في مؤتمر Meta’s @Scale، ومن المثير للدهشة أن السؤال الأول من الجمهور كان حول الحلقات.
سأل السائل: “هل الحلقات هي دورة الضجيج التالية، أم أنها حقيقية؟”
وقال إن إجابة شيرني كانت مؤكدة: “نعم، إنها حقيقية”.
وتابع قائلاً: “قبل عامين، كتبنا كود المصدر يدويًا. وبدأنا في الانتقال بحيث يكتب الوكلاء الكود. والآن ننتقل إلى النقطة التي يطلب فيها الوكلاء من الوكلاء كتابة الكود بعد ذلك”. “على الرغم من حجم الخطوة من الكود المصدري إلى الوكلاء، إلا أن الحلقات لا تقل أهمية وخطوة كبيرة.”
لاحقًا في الحديث (حوالي الساعة 32:00 في مقطع فيديو YouTube المنشور أعلاه)، تحدث تشيرني بشكل محدد عن الحلقات التي يستمر في تشغيلها في عمله. يبحث أحد الوكلاء باستمرار عن طرق لتحسين بنية التعليمات البرمجية، بينما يبحث آخر عن تجريدات مكررة يمكن توحيدها. إنهم يقدمون طلبات سحب مثل أي مبرمج آخر، وبما أن الكود يتغير باستمرار، فإنهم لا يتوقفون عن العمل أبدًا.
إنها فكرة قوية، خاصة مع وجود شخصية مهمة مثل تشيرني خلفها. مع التحول إلى الذكاء الاصطناعي الوكيل، كان تركيز معظم المستخدمين ينصب على إدارة وكلائهم قدر الإمكان: وضع أهداف واضحة، والتحقق من وحدات التقدم المنفصلة، وعدم السماح لهم بالابتعاد كثيرًا عن الموجه. تأخذ الحلقة خطوة أخرى إلى الأمام من خلال السماح لمجموعة من الوكلاء بالعمل بشكل مستمر في الخلفية، إلى ما لا نهاية. هناك ثقة كبيرة في الذكاء الاصطناعي، ولكن مع تحسن النماذج بسرعة، قد تكون هذه هي الخطوة التالية في جعل الذكاء الاصطناعي يتعامل مع العمل الحقيقي.
أول شيء يجب أن ندركه هو أن هذا ليس جديدًا تمامًا. الحلقات العودية — الوظائف التي تسمي نفسها لتكرار إجراء ما، إلى جانب الشرط الذي يوقف الحلقة — هي الدعامة الأساسية لدورات علوم الكمبيوتر التمهيدية. تتبع هذه الحلقات منطقًا غير حتمي — أي أنها وكيل فرعي يختار وقت إيقاف الحلقة بدلاً من شرط واضح — ولكن نفس النهج الأساسي يعمل. بمجرد أن بدأ المبرمجون في استخدام الذكاء الاصطناعي لإكمال المهام، كان لا بد من ظهور نسخة ما من الحلقة العودية، مع إشراف الذكاء الاصطناعي على الذكاء الاصطناعي.
على عكس الحوسبة الكلاسيكية، يمكن أن تكون الحلقات الوكيلة بسيطة إلى حد الجنون. إحدى الحيل الأكثر شيوعًا هي Ralph Loop (المسماة باسم Ralph Wiggum)، والتي تلخص بشكل أساسي كل العمل الذي قام به النموذج وتسأل عما إذا كان قد حقق هدفه. إنها طريقة للتعامل مع ضياع نماذج الذكاء الاصطناعي أثناء تشغيلها لفترة طويلة جدًا – مما يؤدي بشكل أساسي إلى ارتداد النموذج ذهابًا وإيابًا حتى تكتمل المهمة.
هناك طريقة أخرى للتفكير في الحلقات كجزء من الدفع العام لمزيد من حساب وقت الاختبار. وكما لاحظ نوام براون، الباحث في OpenAI، في وقت سابق من هذا الشهر، يمكن للنماذج المعاصرة أن تحل أي مشكلة تقريبًا إذا استخدمت ما يكفي من الحوسبة لها. وهذا يعني أن إحدى الطرق لضمان حل المشكلة هي الاستمرار في إجراء العمليات الحسابية عليها حتى تنتهي. وينطبق هذا بشكل خاص على مشكلات تسلق التل مثل تحسين قاعدة التعليمات البرمجية، حيث يمكن للنموذج الاستمرار في إجراء تحسينات تدريجية حتى يصل إلى حد معين. أو، كما في مثال Cherny، يمكنها الاستمرار في إجراء تحسينات تدريجية طالما أن هناك حسابًا يمكن إنفاقه عليه.
إذا كان هذا يبدو باهظ الثمن، فإنه ينبغي. مثل الذكاء الاصطناعي الوكيل من قبله، تحرق حلقات الذكاء الاصطناعي الرموز المميزة بشكل أسرع بكثير من روبوتات الدردشة البسيطة للأسئلة والأجوبة – ولأن الهدف هو الحفاظ على تشغيل الحلقة طوال الوقت، فلا يوجد سقف للمبلغ الذي يمكنك إنفاقه. وهذا أمر جيد بالنسبة لشركة Anthropic، التي تعمل في نهاية المطاف في مجال بيع العملات الرمزية، ولكن بالنسبة لأي شخص آخر، قد تكون طريقة باهظة الثمن للعمل.
ومع ذلك، اعتمادًا على المشكلة التي تحاول الحلقة الوكيلة حلها، والإعداد الصحيح الذي يسمح بالإشراف على إنفاق الرمز المميز، والانجراف وغيرها من مشكلات الذكاء الاصطناعي الكلاسيكية، يمكن أن تكون الفوائد مذهلة بما يكفي لتفوق التكاليف.
عندما تقوم بالشراء من خلال الروابط الموجودة في مقالاتنا، قد نكسب عمولة صغيرة. هذا لا يؤثر على استقلالنا التحريري.
