نموذج ذكي صغير يغير قواعد الذكاء الاصطناعي

هل يحتاج كل خطوة يتّخذها وكيل الذكاء الاصطناعي (AI Agent) إلى استدعاء نموذج لغوي كبير كامل الأوصاف؟ هذا هو السؤال الذي تحاول Amazon Web Services الإجابة عنه بإصدارها نموذج Strands Decider 2B، وهو نموذج صغير، مفتوح المصدر، ويمكن تشغيله محلياً دون الحاجة إلى خوادم بعيدة أو اشتراكات سحابية مكلفة. الفكرة ببساطة: لا تحتاج كل مهمة في سلسلة عمل الوكيل الذكي إلى "عقل" جبّار قادر على كتابة مقال أو ترجمة نصّ؛ أحياناً كل ما تحتاجه هو اختيار واحد من بين خيارات محدّدة سلفاً، مع رقم يخبرك بمدى الثقة في هذا الاختيار.

نموذج يختار بدل أن يكتب

Strands Decider 2B، كما تصفه Amazon، نموذج "عالي السرعة ومنخفض التكلفة"، صُمّم خصيصاً ليختار من بين خيارات مُعدّة مسبقاً بدلاً من توليد نصّ حرّ، مع تزويد المستخدم بمقياس ثقة (confidence score) يرافق كل قرار. والأهم من منظور قارئ يهتمّ بالبرمجيات الحرّة: النموذج مفتوح المصدر بالكامل، متاح الآن، وصغير بما يكفي ليعمل محلياً على عتادٍ متواضع نسبياً وهذه نقطة تستحقّ الاهتمام في بيئة تقنية عربية غالباً ما تصطدم بتكلفة الحوسبة السحابية وقيود الوصول إلى خدمات الذكاء الاصطناعي الكبرى.

ما يجعل هذا النموذج مختلفاً تقنياً هو أنّه يستخدم "جذع" نموذج لغوي كبير تحديداً Qen3.5-2B لكن ليس بغرض توليد نص، بل لتقديم خيارات محدودة. بعبارة أخرى: هو نموذج لغوي يُستخدم بطريقة معاكسة لوظيفته الأصلية، وهذا ما يفسّر جزءاً من سرعته وانخفاض تكلفته التشغيلية.

جاء الإصدار في الأسبوع نفسه الذي أعلنت فيه OpenAI عن عرض مشابه، وهو تزامن يعكس اهتماماً متنامياً بأدوات قرار أرخص وأسرع ضمن منظومة عمل وكلاء الذكاء الاصطناعي، بدلاً من الاعتماد على نماذج لغوية كاملة الأوصاف في كل خطوة من خطواتها.

من تجربة شخصية إلى منتج مؤسّسي

القصة وراء Strands Decider 2B بدأت بمحاولة فردية. Marc Brooker، المهندس المتميّز في Amazon، شاهد نموذجاً يُدعى Jev طوّرته شركة TypeSafe، فقرّر أن يبني نسخته الخاصة. النموذج الذي صنعه Brooker بنفسه وصل في وقتٍ قصير إلى الصدارة في تصنيف Jevbench ضمن فئة النماذج من حجمه، قبل أن يتولّى مهندسو Amazon صقله وإطلاقه رسمياً عبر Strands Labs، الجهة المتخصّصة في تطوير أدوات وبروتوكولات نشر وكلاء الذكاء الاصطناعي.

يشرح Brooker ما جذبه إلى هذه الفئة من النماذج بقوله: "ما أثار اهتمامي أصلاً بهذه الفئة من النماذج هو أنها تُشكّل أداة قرار مثالية لخطوة ضمن سير عمل ما هي الخطوة التالية التي عليّ اتخاذها بناءً على موقعي الحالي؟". ويضيف أنّ هذا النوع من الخطوات "يمكن هيكلته بطريقة أكثر موثوقية، بفضل درجات الثقة، وبفضل النطاق المغلق من الإجابات، وهو أقل في زمن الاستجابة، وربما أقل تكلفة".

وهذا بالضبط ما يهمّ فرق التطوير التي تبني تطبيقات وكلاء ذكاء اصطناعي: ليست كل خطوة تحتاج إلى استدعاء مكلف لنموذج ضخم؛ كثير من المحادثات التي خاضتها AWS مع عملائها كشفت أنّ سير عمل الوكلاء لا يحتاج دائماً إلى نموذج لغوي كامل الأوصاف.

التوازن الصعب بين السرعة والذكاء

لكنّ بناء نموذج صغير وسريع لا يعني التضحية بكل شيء آخر. يقرّ Brooker بأنّ التحدي الأكبر كان في الموازنة بين سرعة القرار والذكاء، مع الحفاظ على الدقة، ومعايرة الثقة (calibration)، والفهم متعدد اللغات، والمعرفة العامة التي تجعل النموذج مفيداً خارج سياق الاختيار الضيّق. يقول بوضوح: "هناك توازن دقيق جداً يجب إيجاده، حيث تريد تحسين أدائه في الدقة والمعايرة على هذا النوع من المهام، دون الإضرار بأدائه في فهم لغات مختلفة، وفي امتلاك نوع المعرفة الذي يجعله عاماً الغرض ومثيراً للاهتمام ومفيداً".

هذه الملاحظة تحديداً تهمّ القارئ العربي أكثر من غيره: أيّ نموذج يُضحّي بالفهم متعدد اللغات لصالح سرعة القرار سيكون أقل فائدة لمستخدمين يتعاملون يومياً مع محتوى بالعربية والفرنسية والإنجليزية في آنٍ واحد. والسؤال المطروح فعلياً هو: هل حافظ Strands Decider 2B على هذا التوازن، أم ضحّى بالفهم اللغوي العميق مقابل سرعة الاستجابة؟ الفائدة العملية للنموذج مرهونة بالإجابة عن هذا السؤال في التطبيق الفعلي، لا في الإعلان التسويقي.

يُضيف Brooker ملاحظة اقتصادية لافتة: بناء منتج مثير للاهتمام يستهدف أسواقاً أصغر يكلّف "مئات أو آلاف الدولارات" فقط وهو رقم متواضع جداً مقارنةً بتكلفة تدريب النماذج اللغوية الضخمة، ويفتح الباب أمام فرق تطوير أصغر، بما فيها فرق في المنطقة العربية، لتجربة بناء نماذج قرار مخصّصة دون ميزانيات ضخمة.

سباق يتّسع… وشكوك حوله

منذ أن طرحت TypeSafe فكرتها الأصلية عبر Jev المسمّى تيمّناً بالاقتصادي William Stanley Jevons، على أمل أن يستحضر الاسم نظريته القائلة إنّ انخفاض التكلفة قد يزيد الطلب، وهو ما قد ينطبق هنا على تكلفة "الذكاء الحاسوبي" نفسها ظهرت عشرات النماذج المشابهة من باحثين آخرين. لكن هذا الازدهار لا يلقى إجماعاً على جدّيته. Diogo Almeida، الرئيس التنفيذي ومؤسّس TypeSafe، لا يرى بعد منافسة حقيقية تلوح في الأفق، ويقول بصراحة: "أتفهّم أنّ الناس يعتقدون أنها حمّى ذهب، لكنهم قد يُقلّلون من صعوبة جعل هذه النماذج ذكية فعلاً". ويذهب أبعد من ذلك في وصفه لهذه الموجة من المحاولات: "الدفعة الحالية تبدو أقرب إلى باحثي تعلّم آلي يريدون تنفيذ بنية معمارية رائجة، أكثر من كونها فريقاً مكرّساً بعمق لجعل الذكاء مفيداً فعلاً".

هذا الخلاف بين من صنع الفكرة الأصلية ومن يبنون عليها الآن يترك السؤال مفتوحاً: هل ستتحوّل نماذج القرار الصغيرة إلى طبقة بنيوية أساسية في كل تطبيق وكيل ذكاء اصطناعي قادم، أم أنها مجرد موجة تقنية ستخبو بمجرد أن تنخفض تكلفة تشغيل النماذج الكبيرة نفسها؟ الإجابة الحقيقية ستأتي من المطورين الذين يجرّبون Strands Decider 2B على أرض الواقع، لا من بيانات الإطلاق الصحفية.