ديف جارج، الرئيس التنفيذي ومؤسس شركة AGI، Inc – سلسلة المقابلات

ديف غارغ هو الرئيس التنفيذي والمؤسس المشارك لشركة AGI, Inc.، وباحث ورائد أعمال في مجال الذكاء الاصطناعي يركز على الوكلاء المستقلين، والذكاء على الحافة، والرؤية الحاسوبية، والروبوتات. قبل تأسيس AGI, Inc.، شارك في تأسيس MultiOn وقيادتها، وهي من أوائل الشركات الرائدة في وكلاء استخدام الحاسوب، ثم تولى رئاسة مجلس إدارتها. كما أمضى غارغ قرابة أربع سنوات أستاذاً مساعداً في جامعة ستانفورد، حيث أنشأ مقرر CS 25: Transformers United، أول مقرر جامعي مخصص لبنى المحولات. وتشمل خبراته السابقة قيادة تطوير الذكاء الاصطناعي في Collaborative Robotics، وإجراء أبحاث في NVIDIA (NVDA ) وApple (AAPL )، والعمل على الرؤية الحاسوبية وتقنيات القيادة الذاتية في Google وUber وجامعة كورنيل، حيث تضمنت أبحاثه منهج Pseudo-LiDAR المؤثر للإدراك ثلاثي الأبعاد المعتمد على الكاميرا.

AGI, Inc. هي شركة أبحاث في الذكاء الاصطناعي تطور ذكاءً خاصاً وآمناً ومتاحاً يعمل مباشرة على أجهزة الحافة. تقنيتها الرئيسية، AGI-0، هي نظام ذكاء اصطناعي موجه نحو التنفيذ، صُمم لفهم تفضيلات المستخدم وإتمام المهام عبر التطبيقات على الهواتف والحواسيب والأجهزة القابلة للارتداء وغيرها من الأجهزة المتصلة، بما في ذلك مسارات العمل المتعلقة بالتسوق والتنقل والجدولة والمراسلة والترفيه. وتوفر الشركة أيضاً منصة تتيح لمصنعي الأجهزة والمطورين إضافة وكلاء يفهمون ما يظهر على الشاشة، ويستدلون ويتصرفون عبر التطبيقات الحالية من دون إنشاء تكامل منفصل لكل تطبيق. وقد استعرضت AGI, Inc. تقنيتها بالتعاون مع Lenovo، وتعمل على تحسين حزمة وكلائها للأجهزة المزودة بمعالجات Qualcomm (QCOM ) Snapdragon.

عملت في Apple وGoogle وNVIDIA، وأسهمت في ريادة أنظمة الوكلاء المبكرة في MultiOn قبل أن توقف دراسة الدكتوراه في ستانفورد لتؤسس AGI, Inc. ما القيد المحدد أو اللحظة التي أقنعتك بأن مناهج الذكاء الاصطناعي الحالية غير كافية، وأن بناء وكيل مستقل يعمل على الجهاز هو الطريق الصحيح؟

حدث هذا التحول في الفترة ما بين 2023 و2024، حين كنت أعمل على وكلاء الويب. كان بإمكاننا جعل الوكلاء ينفذون إجراءات داخل المتصفح، ولكن فقط عندما يكون الموقع ذا بنية مناسبة يستطيع الوكيل التعامل معها. وما إن يحدث أمر لا يتصرف مثل نسخة مثالية من نموذج كائنات المستند DOM، كظهور نافذة منبثقة أو تأثير حركي، حتى يتوقف الوكيل عن العمل. وفي المقابل، فإن كل ما يهم المستخدم عند التفاعل مع هاتفه الذكي يحدث داخل التطبيقات. والتطبيقات لا توفر بالضرورة واجهات API، بل تعرض شاشات.

هذا الاختلاف هو ما قادنا إلى استنتاجنا. لم يكن الحل في واجهات API أكثر تعقيداً أو نماذج أكبر، بل في وكيل يشغّل الجهاز من منظور الإنسان. أي أن يتعامل مع الهاتف الذكي كما يفعل الشخص، من خلال التفاعل مع شاشاته.

لا يزال كثير من مساعدي الذكاء الاصطناعي يعتمدون اعتماداً كبيراً على واجهات API والتكاملات والتنسيق السحابي. ما الذي ينهار جوهرياً في هذا النموذج، ولماذا تعتقد أن التنفيذ على الجهاز هو الطبقة المفقودة؟

هناك ثلاث مشكلات. الأولى هي التغطية؛ فواجهات API تتطلب تعاون جميع المطورين معك، ما يجعل قدرات وكيلك مقيدة بأبطأ شريك. وتعد App Intents من Apple مثالاً جيداً على هذا النوع من التقنيات التي بدأ العمل عليها في WWDC 2024. ثم تأتي الخصوصية، إذ يتطلب التنسيق السحابي إرسال محتوى الشاشة والرسائل والأنشطة إلى خوادم طرف ثالث. وأخيراً هناك التكلفة وزمن الاستجابة؛ فكل رحلة معالجة ذهاباً وإياباً عبر السحابة تجعل النظام أبطأ وأكثر كلفة.

يعالج التنفيذ على الجهاز هذه المشكلات كلها. لا يعتمد وكيلك على طرف آخر، بل يتعامل مع النظام مباشرة عبر واجهة المستخدم.

ينقل نهجكم الذكاء الاصطناعي من الإجابة عن الأسئلة إلى إنجاز المهام فعلياً عبر التطبيقات. ما أصعب التحديات التقنية التي واجهتموها لتمكين الوكيل من تشغيل الهاتف بموثوقية كما يفعل الإنسان؟

التحكم الموثوق في الهاتف أصعب مما يبدو. أولاً، يجب على الوكيل أن يدرك شاشة الهاتف كما يدركها الإنسان، وأن يفهم الخطوة التالية وينفذ الإجراء المناسب. ويجري الإدراك بواسطة نموذج لغوي بصري قادر على التعرف على الأزرار ومربعات النص والقوائم والتخطيطات وغيرها. كما يجب أن يتعامل اختيار الإجراء مع حالات الغموض والصفحات المحملة جزئياً والنوافذ المنبثقة والأخطاء. وأخيراً، ينبغي أن يكون التنفيذ دقيقاً بما يكفي لتقع اللمسة في المكان الصحيح.

لكن التحدي الأهم هو التفاعل الموثوق مع التطبيقات المعقدة على مدى زمني طويل. حجز رحلة عبر Uber شيء، وتنفيذ عملية متعددة الخطوات داخل تطبيق تعتمد فيه كل خطوة على التفاعلات السابقة شيء مختلف تماماً. ولهذا تحديداً كان تدريب النماذج من البداية إلى النهاية ضرورياً لتطوير المنتج.

وصفت هذا التحول بأنه انتقال من المساعدين إلى الوكلاء. ماذا يعني ذلك عملياً للمستخدمين العاديين، وبأي سرعة تتوقع أن يتغير سلوكهم؟

يأتي التغيير العملي من الواجهة نفسها. اليوم لدينا تطبيق ونتعلم كيفية استخدامه؛ وغداً سيكون لدينا وكيل، فيما تصبح التطبيقات قدرات يؤلفها الوكيل نيابةً عنا. سنتوقف عن التفكير في التطبيقات ونبدأ التفكير في النية: «احجز لي رحلة إلى المنزل»، و«أرسل صور عطلة نهاية الأسبوع إلى أمي»، و«اعرض لي فنادق هادئة في لشبونة لعطلة نهاية الأسبوع المقبلة». والوكيل يعرف التطبيقات التي ينبغي استخدامها.

يبدأ تغير السلوك ببطء ثم يتسارع. في البداية سيجرب الناس هذا النهج في المهام البسيطة التي يثقون بها، ثم يوسعون نطاق استخدامه تدريجياً. وستأتي نقطة التحول نحو القبول الواسع عندما ينجز الوكيل المهام الروتينية على هواتفنا بصورة صحيحة في كل مرة.

مع شراكات مثل Qualcomm وLenovo، ما مدى أهمية التكامل الوثيق بين العتاد والبرمجيات لجعل الذكاء الاصطناعي الوكيلي قابلاً للاستخدام على نطاق واسع؟

هذا هو الفارق بين نموذج أولي للأبحاث وتطبيق يمكن استخدامه فعلياً. تحتوي الأجهزة المزودة بمعالجات Snapdragon على وحدات معالجة عصبية، ما يتيح لخوارزميات الوكيل العمل على الجهاز بأقل زمن استجابة واستهلاك للطاقة. أمضت Qualcomm سنوات في تحسين ذلك، وكانت الشراكة التي أعلنا عنها في MWC 2026 تستهدف هذا الهدف تحديداً.

أما الطرف الآخر فهو Lenovo، القادرة على الوصول إلى مئات الملايين من المستخدمين عبر الهواتف الذكية والأجهزة اللوحية والحواسيب، وهي تسعى إلى التميز باستخدام الذكاء الاصطناعي. العمل عبر شركاء لديهم محافظ أجهزة قائمة، والوصول إلى مستخدميهم بسرعة وشفافية، يتفوق على المسار البديل. وأنا أعرف ذلك من واقع الخبرة.

تبدو الثقة عائقاً رئيسياً. كيف تصممون أنظمة يشعر معها المستخدمون بالارتياح عند السماح للذكاء الاصطناعي باتخاذ إجراءات نيابةً عنهم، ولا سيما عندما تمتد تلك الإجراءات عبر تطبيقات متعددة وبيانات حساسة؟

تُبنى الثقة على الوضوح بشأن ما يستطيع الوكيل فعله وما لا يستطيع. وأي إجراء مهم، مثل إتمام عملية شراء أو إرسال رسالة أو تغيير إعدادات الحساب، يحتاج إلى موافقة المستخدم. يستطيع الوكيل الوصول بمفرده إلى صفحة الدفع، لكنه لا يتجاوزها حتى يوافق المستخدم. وتضيف شراكتنا مع Visa (V ) مسارات دفع موثقة فوق ذلك.

يقوم هذا كله على مبدئين بسيطين: «وجود الإنسان في الحلقة عند كل أمر جوهري»، و«إمكانية التراجع كلما أمكن». إضافة إلى ذلك، لا يرى الوكيل إلا ما يظهر على الشاشة ويحترم أذونات نظام التشغيل التي حددها المستخدم.

يتزايد الحديث عن احتمال اضطراب اقتصاد التطبيقات. هل ترى أن الوكلاء سيحلون محل التطبيقات بالكامل، أم سيعيدون تشكيل طريقة الوصول إليها وتحقيق الإيرادات منها؟

لن تختفي التطبيقات، بل ستتغير الديناميكية. اليوم يمثل التطبيق قناة تواصل العلامة التجارية مع المستهلك. وغداً سيكون الوكيل هو تلك القناة، فيما يصبح التطبيق الأداة التي يستخدمها الوكيل. وسيظل مطورو التطبيقات جزءاً أساسياً من المشهد، لأننا سنحتاج دائماً إلى التطبيق الذي يقف خلف طلب الخدمة أو الرسالة النصية أو المعاملة. الاختلاف سيكون في الواجهة التي تُتخذ من خلالها هذه الخيارات.

يمثل ذلك آفاقاً جديدة للتطبيقات والعلامات التجارية التي تستخدمها. وهو ليس تهديداً، بل فرصة كبيرة للاستكشاف والتطوير مع شركائنا من المطورين والمنصات.

يتجنب نظامكم الاعتماد على واجهات API. هل يسبب ذلك توتراً مع المطورين والمنصات، أم أنه يفتح في النهاية نظاماً بيئياً أكثر انفتاحاً؟

الأمر أقل إثارة للخلاف مما يبدو. لا توجد منافسة بيننا وبين المطورين. فالوكيل يستخدم الواجهات نفسها وبالطريقة نفسها التي يستخدم بها الإنسان التطبيق. ويمكن للمطورين توظيف ممارسات تقنية شائعة لمنع الوصول، ونحن نتفهم أسبابهم.

والنتيجة الأكثر إثارة للاهتمام هي غياب التعارض. فالنظام المفتوح ذو قابلية التشغيل البيني الشاملة يفيد الجميع، مقارنة بنظام مغلق لا يعمل فيه كل مساعد إلا مع تطبيقات محددة لأنه لا يدعم سوى تكاملات مخصصة. الشمولية تفيد المستخدمين، كما تفيد التطبيقات التي تقدم قيمة حقيقية.

غالباً ما يُقدَّم الذكاء الاصطناعي على الجهاز باعتباره ميزة للخصوصية. كيف توازنون بين المعالجة المحلية والحاجة إلى نماذج قوية كانت تتطلب تقليدياً قدرة حوسبة كبيرة؟

إنه نظام هجين سيواصل تطوره نحو العمل بالكامل على الجهاز. تحدث الإجراءات والاستدلالات الخفيفة على الهاتف، بينما يجري الاستدلال الثقيل في السحابة. ومع تحسين الحزمة عبر عملنا مع Qualcomm، والتطور المستمر في قدرات وحدات المعالجة العصبية داخل الهواتف، يتحول النموذج تدريجياً إلى معالجة أكثر محلية. وفي الوقت الحالي تستطيع معظم الهواتف الرائدة في السوق التعامل مع عبء العمل المطلوب.

أما المفاضلة بين الأداء القوي والتشغيل المحلي فقد أصبحت فكرة قديمة. النماذج تزداد كفاءة، وعتاد الهواتف يصبح أكثر قدرة. ويمكن تحقيق الأمرين معاً عندما تُحسَّن الحزمة بصورة صحيحة.

إذا نظرنا إلى ما بعد ثلاث إلى خمس سنوات، كيف سيبدو جهاز متكامل قائم أصلاً على الذكاء الاصطناعي؟ وما الذي يجب أن يحدث تقنياً وثقافياً قبل أن تصبح هذه الرؤية سائدة؟

سيكون التطبيق الفعلي وكيلاً واحداً يرافقك عبر أجهزتك. تطلب من حاسوبك البحث عن معلومات حول الهدايا، ثم تنتقل إلى هاتفك لإتمام الشراء، وبعدها تطلب من سيارتك أن تبدأ التدفئة. النية واحدة والسياق ثابت، فيما تتغير الواجهة. الهواتف هي نقطة البداية لأن معظم الحوسبة الشخصية تحدث فيها حالياً. وبعد ذلك سيمتد الوكيل إلى الحواسيب والتلفزيونات والسيارات، وفي النهاية إلى النظارات الذكية. ويحدث تعاوننا مع Qualcomm فرقاً كبيراً في هذا الجانب.

من الناحية التقنية، نحتاج إلى مواصلة تطوير الاستدلال على الجهاز، ورفع الموثوقية على المدى الطويل، وتحسين الانتقال بين الأجهزة. أما ثقافياً، فيتمثل التغيير في تنامي ثقة المستخدمين بالوكلاء لتنفيذ مهام تزداد تعقيداً. وتعتمد هذه الثقة على أن يصرح الوكيل فوراً بكل ما لا يستطيع فعله، وألا يخلف أياً من الوعود البسيطة التي قدمها للمستخدم.

شكراً على هذا الحوار القيّم. يمكن للقراء الراغبين في معرفة المزيد زيارة موقع AGI, Inc.