مقابلات
دانييل سيوليك، رئيس قسم البحث والتطوير في InvGate – سلسلة المقابلات
يعتبر دانيال متخصصًا متحمسًا في مجال تكنولوجيا المعلومات ويتمتع بخبرة تزيد عن 15 عامًا في هذا المجال. لديه دكتوراه. في علوم الكمبيوتر ومهنة طويلة في أبحاث التكنولوجيا. وتندرج اهتماماته في مجالات متعددة، مثل الذكاء الاصطناعي وهندسة البرمجيات والحوسبة عالية الأداء.
دانيال هو رئيس قسم البحث والتطوير في InvGate، حيث يقود مبادرات البحث والتطوير. وهو يعمل جنبًا إلى جنب مع فرق تطوير المنتجات والأعمال لتصميم وتنفيذ ومراقبة استراتيجية البحث والتطوير الخاصة بالشركة. عندما لا يقوم بالبحث، فهو يقوم بالتدريس.
إنفجيت تمكن المؤسسات من خلال توفير الأدوات اللازمة لتقديم خدمة سلسة عبر الأقسام، من تكنولوجيا المعلومات إلى المرافق.
متى وكيف أصبحت مهتمًا بعلوم الكمبيوتر في البداية؟
يعود اهتمامي بعلوم الكمبيوتر إلى طفولتي المبكرة. لقد كنت مفتونًا دائمًا بالأجهزة الإلكترونية، وغالبًا ما أجد نفسي أستكشف وأحاول أن أفهم كيفية عملها. مع تقدمي في السن، قادني هذا الفضول إلى البرمجة. ما زلت أتذكر المتعة التي حظيت بها في كتابة برامجي الأولى. منذ تلك اللحظة فصاعدًا، لم يكن هناك شك في ذهني بأنني أرغب في ممارسة مهنة في علوم الكمبيوتر.
أنت تقود حاليًا مبادرات البحث والتطوير وتنفذ تطبيقات الذكاء الاصطناعي التوليدية الجديدة. هل يمكنك مناقشة بعض أعمالك؟
قطعاً. في قسم البحث والتطوير لدينا، نتعامل مع المشكلات المعقدة التي قد يكون من الصعب تمثيلها وحلها بكفاءة. لا يقتصر عملنا على تطبيقات الذكاء الاصطناعي التوليدية، ولكن التطورات الأخيرة في هذا المجال خلقت ثروة من الفرص التي نحرص على استغلالها.
كان أحد أهدافنا الرئيسية في InvGate دائمًا هو تحسين سهولة استخدام برامجنا. ونحن نقوم بذلك من خلال مراقبة كيفية استخدامه، وتحديد الاختناقات، والعمل بجد على إزالتها. أحد هذه الاختناقات التي واجهناها غالبًا ما يتعلق بفهم اللغة الطبيعية واستخدامها. كانت هذه مشكلة صعبة المعالجة بشكل خاص دون استخدام نماذج اللغات الكبيرة (LLMs).
ومع ذلك، مع ظهور دورات LLM فعالة من حيث التكلفة مؤخرًا، تمكنا من تبسيط حالات الاستخدام هذه. تتضمن قدراتنا الآن تقديم توصيات الكتابة، وصياغة مقالات قاعدة المعرفة تلقائيًا، وتلخيص أجزاء واسعة من النص، من بين العديد من الميزات الأخرى المستندة إلى اللغة.
في InvGate، يطبق فريقك استراتيجية تسمى "الذكاء الاصطناعي اللاأدري". هل يمكنك تحديد ماذا يعني ذلك ولماذا هو مهم؟
الذكاء الاصطناعي اللاأدري يدور بشكل أساسي حول المرونة والقدرة على التكيف. يتعلق الأمر في الأساس بعدم الالتزام بنموذج أو مزود ذكاء اصطناعي واحد. وبدلاً من ذلك، نهدف إلى إبقاء خياراتنا مفتوحة، والاستفادة من أفضل ما يقدمه كل مزود للذكاء الاصطناعي، مع تجنب خطر الانغلاق على نظام واحد.
يمكنك التفكير في الأمر على النحو التالي: هل يجب أن نستخدم GPT الخاص بـ OpenAI، أو Gemini من Google، أو Llama-2 من Meta لميزات الذكاء الاصطناعي التوليدية لدينا؟ هل يجب أن نختار النشر السحابي بنظام الدفع الفوري، أو المثيل المُدار، أو النشر المستضاف ذاتيًا؟ هذه ليست قرارات تافهة، بل إنها قد تتغير بمرور الوقت مع إصدار نماذج جديدة ودخول مقدمي خدمات جدد إلى السوق.
يضمن نهج الذكاء الاصطناعي اللاأدري أن نظامنا جاهز دائمًا للتكيف. يتكون تنفيذنا من ثلاثة مكونات رئيسية: الواجهة، وجهاز التوجيه، ونماذج الذكاء الاصطناعي نفسها. تلخص الواجهة تفاصيل تنفيذ نظام الذكاء الاصطناعي، مما يسهل على الأجزاء الأخرى من برنامجنا التفاعل معه. يقرر جهاز التوجيه مكان إرسال كل طلب بناءً على عوامل مختلفة مثل نوع الطلب وإمكانيات نماذج الذكاء الاصطناعي المتاحة. أخيرًا، تؤدي النماذج مهام الذكاء الاصطناعي الفعلية، والتي قد تتطلب معالجة مسبقة مخصصة للبيانات وعمليات تنسيق النتائج.
هل يمكنك وصف الجوانب المنهجية التي توجه عملية اتخاذ القرار لديك عند اختيار نماذج الذكاء الاصطناعي ومقدمي الخدمات الأكثر ملائمة لمهام محددة؟
بالنسبة لكل ميزة جديدة نقوم بتطويرها، نبدأ بإنشاء معيار تقييم. تم تصميم هذا المعيار لتقييم كفاءة نماذج الذكاء الاصطناعي المختلفة في حل المهمة المطروحة. لكننا لا نركز فقط على الأداء، بل نأخذ في الاعتبار أيضًا سرعة كل نموذج وتكلفته. وهذا يمنحنا رؤية شاملة لقيمة كل نموذج، مما يسمح لنا باختيار الخيار الأكثر فعالية من حيث التكلفة لطلبات التوجيه.
ومع ذلك، فإن عمليتنا لا تنتهي عند هذا الحد. في مجال الذكاء الاصطناعي سريع التطور، يتم إصدار نماذج جديدة باستمرار ويتم تحديث النماذج الحالية بانتظام. لذلك، عندما يتوفر نموذج جديد أو محدث، فإننا نعيد تشغيل معيار التقييم الخاص بنا. يتيح لنا ذلك مقارنة أداء النموذج الجديد أو المحدث بأداء اختيارنا الحالي. إذا تفوق النموذج الجديد على النموذج الحالي، فإننا نقوم بعد ذلك بتحديث وحدة التوجيه الخاصة بنا لتعكس هذا التغيير.
ما هي بعض التحديات التي تواجه التبديل بسلاسة بين نماذج ومقدمي خدمات الذكاء الاصطناعي المختلفين؟
إن التبديل بسلاسة بين نماذج ومقدمي خدمات الذكاء الاصطناعي المختلفة يمثل بالفعل مجموعة من التحديات الفريدة.
أولاً، يتطلب كل مزود للذكاء الاصطناعي مدخلات منسقة بطرق محددة، ويمكن لنماذج الذكاء الاصطناعي أن تتفاعل بشكل مختلف مع نفس الطلبات. وهذا يعني أننا بحاجة إلى التحسين بشكل فردي لكل نموذج، الأمر الذي قد يكون معقدًا جدًا نظرًا لتنوع الخيارات.
ثانيًا، تتمتع نماذج الذكاء الاصطناعي بقدرات مختلفة. على سبيل المثال، يمكن لبعض النماذج إنشاء مخرجات بتنسيق JSON، وهي ميزة أثبتت فائدتها في العديد من تطبيقاتنا. ويمكن للآخرين معالجة كميات كبيرة من النص، مما يمكننا من استخدام سياق أكثر شمولاً لبعض المهام. تعد إدارة هذه القدرات لتعظيم إمكانات كل نموذج جزءًا أساسيًا من عملنا.
وأخيرا، نحتاج إلى التأكد من أن الاستجابات التي يولدها الذكاء الاصطناعي آمنة للاستخدام. يمكن أن تنتج نماذج الذكاء الاصطناعي التوليدية في بعض الأحيان "هلوسة"، أو تولد استجابات خاطئة، أو خارج السياق، أو حتى قد تكون ضارة. وللتخفيف من هذه المشكلة، نقوم بتنفيذ مرشحات صارمة لتطهير ما بعد المعالجة لاكتشاف الاستجابات غير المناسبة وتصفيتها.
كيف يتم تصميم الواجهة داخل نظام الذكاء الاصطناعي اللاأدري الخاص بك للتأكد من أنها تلخص بشكل فعال تعقيدات تقنيات الذكاء الاصطناعي الأساسية من أجل تفاعلات سهلة الاستخدام؟
إن تصميم واجهتنا هو جهد تعاوني بين فرق البحث والتطوير والفرق الهندسية. نحن نعمل على أساس كل ميزة على حدة، ونحدد المتطلبات والبيانات المتاحة لكل ميزة. بعد ذلك، نقوم بتصميم واجهة برمجة التطبيقات (API) التي تتكامل بسلاسة مع المنتج، وتنفيذها في خدمة الذكاء الاصطناعي الداخلية لدينا. يتيح ذلك للفرق الهندسية التركيز على منطق الأعمال، بينما تتعامل خدمة الذكاء الاصطناعي لدينا مع تعقيدات التعامل مع موفري الذكاء الاصطناعي المختلفين.
لا تعتمد هذه العملية على أحدث الأبحاث، بل تعتمد بدلاً من ذلك على تطبيق ممارسات هندسة البرمجيات المثبتة.
بالنظر إلى العمليات العالمية، كيف تتعامل InvGate مع التحدي المتمثل في التوفر الإقليمي والامتثال للوائح البيانات المحلية؟
يعد ضمان التوافر الإقليمي والامتثال للوائح البيانات المحلية جزءًا مهمًا من عملياتنا في InvGate. نحن نختار بعناية موفري خدمات الذكاء الاصطناعي الذين لا يمكنهم العمل على نطاق واسع فحسب، بل يدعمون أيضًا أعلى معايير الأمان ويلتزمون باللوائح الإقليمية.
على سبيل المثال، نحن نعتبر فقط مقدمي الخدمة الذين يلتزمون بلوائح مثل اللائحة العامة لحماية البيانات (GDPR) في الاتحاد الأوروبي. وهذا يضمن أنه يمكننا نشر خدماتنا بأمان في مناطق مختلفة، مع الثقة بأننا نعمل ضمن الإطار القانوني المحلي.
يلبي موفرو الخدمات السحابية الرئيسيون، مثل AWS وAzure وGoogle Cloud، هذه المتطلبات ويقدمون نطاقًا واسعًا من وظائف الذكاء الاصطناعي، مما يجعلهم شركاء مناسبين لعملياتنا العالمية. علاوة على ذلك، فإننا نراقب باستمرار التغييرات في لوائح البيانات المحلية لضمان الامتثال المستمر، وتعديل ممارساتنا حسب الحاجة.
كيف تطور نهج InvGate في تطوير حلول تكنولوجيا المعلومات على مدار العقد الماضي، لا سيما مع تكامل الذكاء الاصطناعي التوليدي؟
على مدار العقد الماضي، تطور أسلوب InvGate في تطوير حلول تكنولوجيا المعلومات بشكل ملحوظ. لقد قمنا بتوسيع قاعدة الميزات لدينا بإمكانات متقدمة مثل سير العمل الآلي واكتشاف الأجهزة وقاعدة بيانات إدارة التكوين (CMDB). لقد أدت هذه الميزات إلى تبسيط عمليات تكنولوجيا المعلومات لمستخدمينا إلى حد كبير.
لقد بدأنا مؤخرًا في دمج GenAI في منتجاتنا. وقد أصبح هذا ممكنا بفضل التطورات الأخيرة في مقدمي خدمات LLM، الذين بدأوا في تقديم حلول فعالة من حيث التكلفة. لقد أتاح لنا تكامل GenAI تحسين منتجاتنا بدعم مدعوم بالذكاء الاصطناعي، مما يجعل حلولنا أكثر كفاءة وسهولة في الاستخدام.
على الرغم من أن الوقت لا يزال مبكرًا، إلا أننا نتوقع أن يصبح الذكاء الاصطناعي أداة واسعة الانتشار في عمليات تكنولوجيا المعلومات. وعلى هذا النحو، نخطط لمواصلة تطوير منتجاتنا من خلال دمج تقنيات الذكاء الاصطناعي بشكل أكبر.
هل يمكنك شرح كيف يعمل الذكاء الاصطناعي التوليدي داخل مركز الذكاء الاصطناعي على تعزيز سرعة وجودة الاستجابات لحوادث تكنولوجيا المعلومات الشائعة؟
يعمل الذكاء الاصطناعي المولد داخل مركز الذكاء الاصطناعي الخاص بنا على تحسين سرعة وجودة الاستجابات لحوادث تكنولوجيا المعلومات الشائعة بشكل كبير. ويتم ذلك من خلال عملية متعددة الخطوات:
التواصل المبدئي: عندما يواجه المستخدم مشكلة، يمكنه فتح محادثة مع الوكيل الظاهري (VA) المدعوم بالذكاء الاصطناعي ووصف المشكلة. يقوم VA بالبحث بشكل مستقل من خلال قاعدة المعرفة (KB) الخاصة بالشركة وقاعدة البيانات العامة لأدلة استكشاف أخطاء تكنولوجيا المعلومات وإصلاحها، مما يوفر التوجيه بطريقة محادثة. يؤدي هذا غالبًا إلى حل المشكلة بسرعة وكفاءة.
إنشاء التذاكر: إذا كانت المشكلة أكثر تعقيدًا، فيمكن لـ VA إنشاء تذكرة، واستخراج المعلومات ذات الصلة تلقائيًا من المحادثة.
تخصيص التذاكر: يقوم النظام بتعيين التذكرة إلى وكيل الدعم بناءً على فئة التذكرة والأولوية وخبرة الوكيل في المشكلات المماثلة.
تفاعل الوكيل: يمكن للوكيل الاتصال بالمستخدم للحصول على معلومات إضافية أو لإعلامه بأن المشكلة قد تم حلها. يتم تعزيز التفاعل باستخدام الذكاء الاصطناعي، مما يوفر توصيات كتابية لتحسين التواصل.
التصعيد: إذا كانت المشكلة تتطلب التصعيد، فإن ميزات التلخيص التلقائي تساعد المديرين على فهم المشكلة بسرعة.
تحليل تشريح الجثة: بعد إغلاق التذكرة، يقوم الذكاء الاصطناعي بإجراء تحليل للسبب الجذري، مما يساعد في التحليل وإعداد التقارير بعد الوفاة. يمكن للوكيل أيضًا استخدام الذكاء الاصطناعي لصياغة مقالة قاعدة معرفية، مما يسهل حل المشكلات المماثلة في المستقبل.
على الرغم من أننا قمنا بالفعل بتنفيذ معظم هذه الميزات، إلا أننا نعمل باستمرار على إجراء المزيد من التحسينات والتحسينات.
مع الميزات القادمة مثل وكيل MS Teams الظاهري الأكثر ذكاءً، ما هي التحسينات المتوقعة في تجارب دعم المحادثة؟
أحد المسارات الواعدة للمضي قدمًا هو توسيع تجربة المحادثة إلى "مساعد الطيار"، ليس فقط قادرًا على الرد على الأسئلة واتخاذ إجراءات بسيطة، ولكن أيضًا اتخاذ إجراءات أكثر تعقيدًا نيابة عن المستخدمين. قد يكون هذا مفيدًا لتحسين قدرات الخدمة الذاتية للمستخدمين، بالإضافة إلى توفير أدوات إضافية قوية للوكلاء. في النهاية، ستجعل واجهات المحادثة القوية هذه من الذكاء الاصطناعي رفيقًا موجودًا في كل مكان.
شكرا لك على المقابلة الرائعة ، القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا إنفجيت.
