ستيفان ميسكن، رئيس العلماء في ديب إل – سلسلة المقابلات

ستيفان ميسكن، رئيس العلماء في ديب إل، قضى أكثر من خمس سنوات في ديب إل لتعزيز البحث العلمي والقيادة العلمية، بدءًا من منصب عالم أبحاث في أكتوبر 2020، وتقدم إلى منصب نائب الرئيس للبحث في نوفمبر 2023، ثم تولى منصبه الحالي في أبريل 2025 في ميونخ. قبل ديب إل، عمل كعالم بيانات في real.digital في منطقة كولونيا-بون وأجرى بحثًا في المنطق الرياضي في جامعة مونستر. يربط مساره المهني بين البحث الرياضي التأسيسي وتطبيقات الذكاء الاصطناعي، مما يجعله في موقع مناسب لتوجيه الاتجاه العلمي وراء نماذج اللغة الكبيرة وأنظمة الذكاء الاصطناعي متعددة اللغات في ديب إل.

ديب إل هي شركة ألمانية للذكاء الاصطناعي تركز على بناء أنظمة لغة متقدمة تعمل على تمكين الترجمة الدقيقة والاتصالات الموجهة بالسياق عبر أكثر من 100 لغة. تأسست في عام 2017 ومقرها كولونيا، توفر الشركة حلول من الدرجة المؤسسية لملايين المستخدمين في جميع أنحاء العالم من خلال عروض الاشتراك وواجهات برمجة التطبيقات. وقد توسعت منصة ديب إل إلى ما وراء الترجمة إلى مجموعة أوسع من اللغة الذكاء الاصطناعي، بما في ذلك مساعدة الكتابة والقدرات الصوتية، مصممة لدعم الاتصالات الآمنة والموسعة للشركات والمنظمات العالمية.

بدأت مسيرتك المهنية في المنطق الرياضي قبل الانتقال إلى علوم البيانات التطبيقية وأخيرًا قيادة منظمة البحث في ديب إل. عند النظر إلى الخلف، كيف أثرت تلك الأعمال المبكرة في التفكير في بناء أنظمة الذكاء الاصطناعي المستقلة من الدرجة المؤسسية؟

ما جذبني إلى مجال نظرية المجموعات والمنطق الرياضي في المقام الأول هو الفضول الذي لا يُشبعه لتعلم كيفية عمل هذه الأنظمة المعقدة – من المبادئ الأولى إلى الأعماق المتزايدة. هذا الفضول كان دائمًا في حياتي منذ الطفولة. كما أنه جانب من عملي الذي أحبه أكثر. حاليًا، التحدي هو تقدم حالة تطوير الذكاء الاصطناعي مع التركيز الشديد على استخدامات الحياة الواقعية. إلى جانب الأمان والثقة، أخصص وقتًا لضمان حصول الأعمال والمستخدمين من جميع الأنواع على الفوائد من هذه التكنولوجيا الرائعة. حتى الآن، كانت الاتجاهات مختلفة: معظم استخدامات الذكاء الاصطناعي في الحياة الواقعية إما نشطة تمامًا (مثل أنظمة التوصية التي تستهلكها ولكن لا تتحكم فيها) أو تستخدم في الغالب من قبل أشخاص تقنيين مدربين تدريباً عالياً (مثل مساعدي البرمجة). أريد إغلاق هذا الفجوة: يجب أن يكون كل فرد وشركة مهيأة للنجاح وقادرة على تحويل كيفية 접근هم للعمل.

بنيت ديب إل سمعتها على الترجمة الدقيقة. كيف أسهمت تلك القاعدة في النمذجة اللغوية في التفكير المبكر للشركة حول التحرك إلى ما وراء الترجمة إلى أنظمة الذكاء الاصطناعي الأكثر عمومية؟

ما يجعل الذكاء الاصطناعي ساحرًا هو أن المفاهيم والأفكار المماثلة يمكن أن تؤدي إلى حلول جديدة في مجالات مختلفة للغاية: محركات الشطرنج وأنظمة التوصية والطيّ للبروتين والسيارات ذاتية القيادة ومحركات الترجمة وغيرها. جميعها مدعومة بنفس المجموعة من المبادئ والتقنيات. بعد التسلح بهذه التقنيات خلال ما يقرب من عقد من الزمن الآن، نفكر بشكل طبيعي في مشاكل جديدة للتكزيز عليها. داخليًا، كان هذا دائمًا الحال، مما أدى إلى اختراع المصطلحات، والكتابة، والصوت، ومركز التخصيص، وغيرها.

كما رئيس علماء، كيف تفرق بين بناء نماذج اللغة التي تنتج الإخراج المنسق وبناء أنظمة يمكنها العمل بشكل موثوق به داخل سير عمل المؤسسة الحقيقية؟

الأفكار الأساسية مدهشة في التشابه: نحن بحاجة إلى فهم عميق لما يريده مستخدمونا ثم محاذاة أنظمة الذكاء الاصطناعي مع هذه الأهداف والتفضيلات. في بعض الأحيان، تكون واضحة وصريحة؛ في أحيان أخرى، تكون دقيقة وغير مُعبَّر عنها. في كلتا الحالتين، من واجبنا ضمان أن العمل الذي ننتجه ذو قيمة عالية للمستخدمين.

تمثل ديب إل العامل تحولًا من الذكاء الاصطناعي المساعد إلى التنفيذ المستقل. ما كانت أكبر التحديات الفنية في جعل هذا التحول يعمل في الممارسة؟

بفارق كبير، أكبر تحد في بناء ديب إل العامل هو إمكانية الاستخدام. لسنوات، كان النظام البيئي للذكاء الاصطناعي يخدم في الغالب المطورين البرمجيين والخبراء التقنيين المهرة. مع ديب إل العامل، نهدف إلى تغيير ذلك وتجهيز كل عامل معرفي بأدوات متقدمة لحل مشاكل معقدة وتأتمتة سير العمل. للتحقيق في ذلك، نحتاج إلى نفس مستوى التعقيد في التعرف والاستدلال والتخطيط والعمل. بدلاً من تقديم مستخدمين بمجموعة غنية ولكن معقدة من الأدوات، عملنا بجد لإنشاء حل متكامل ومتسلسل وجميل للتعاون الشامل وتأتمتة سير العمل.

من منظور معماري، ما هي القدرات التي يجب أن تكون موجودة قبل أن تُعتمد نظام الذكاء الاصطناعي للعمل بشكل مستقل في بيئات المؤسسات؟

لنطاق واسع من المهام الإدارية، التكنولوجيا موجودة بالفعل. يمكن لعميل ديب إل العمل بشكل موثوق به في بيئتك، والبحث عن المشورة عند الحاجة، وطلب التحقق البشري في أي وقت. هذا المستوى من الذكاء الاصطناعي كان خيالًا صرفًا قبل بضعة أشهر فقط. ومع ذلك، لا يزال هناك طريق طويل للذهاب. خلال السنوات القليلة القادمة، سيصبح وكلاء الذكاء الاصطناعي طبقة أفقية في الأعمال – يعملون بلا كلل في الخلفية، بالتعاون مع البشر وبالتعاون مع بعضهم البعض لإزالة الأعمال المملة وتتمكيننا من حل مشاكل كانت خارج متناول اليد.

لقد تحدثت عن الفهم العميق للغة كشرط مسبق للوكلاء الذكاء الاصطناعي المسؤول. ما يعني “عميق” في هذا السياق ما وراء السطوح اللغوية؟

اللغة مدهشة في الغموض والاعتماد على السياق – خاصة في المجالات المهنية. لقد واجهت ذلك أنت أيضًا: سماع مجموعة من الأصدقاء يناقشون هواية لا تشاركها أو تخصصًا مهنيًا لا تملك خبرة فيه… قد لا يفهمه الغرباء، لكنهم يفهمون بعضهم البعض بشكل مثالي. نريد أن يشعر مساعد الذكاء الاصطناعي بالانسيابية كما لو كنت تتحدث مع زميل موثوق ومخضرم شاركت معه سنوات من التعاون. يجب أن تبقى التفضيلات الضمنية ضمنية. لا يجب عليك شرح كيف تريد إنجاز العمل بشكل متكرر. قد يبدو هذا واضحًا، لكنه يتطلب بحثًا هائلاً للوصول إلى الصواب. هذا ما أعنيه بالفهم “العميق” للغة.

كيف تتعامل مع ضمانات الإشراف عند نشر أنظمة مستقلة يمكنها اتخاذ إجراءات حقيقية بدلاً من مجرد تقديم توصيات؟

لكي يعمل مساعد الذكاء الاصطناعي في السياقات التجارية، يجب علينا أن نوازن بعناية القدرة مع التحكم. تُخلق القدرة المتزايدة فرصًا هائلة للإنتاجية، لكن إذا تركت دون رقابة، تصبح عبئًا. لا يمكن أن يحدث هذا. منذ اليوم الأول، تم تزويد عميل ديب إل بالحماية المؤسسية، التي تم تنفيذها في أشكال متعددة. توفر مساحات العمل المشتركة للمستخدمين التحكم الدقيق في البيانات والوصول، مع تمكين سجلات التدقيق والرقابة البشرية والتحقق البشري في الحلقة. بالإضافة إلى ذلك، يتمتع مسؤولو النظام بالتحكم الدقيق في الأنظمة التي يمكن لعميل ديب إل التنقل فيها وآليات لإعلام الأدوات الأساسية عند تشغيلها بواسطة العميل.

ما هي الدروس التي تعلمتها حول نقل الأفكار من البحث إلى الإنتاج بدون التضحية بالثبات أو الانضباط العلمي؟

الفجوة بين البحث وتطوير المنتج أوسع مما يُعتقد بشكل شائع. يبدأ كلاهما بمقاربة صارمة لحل المشاكل التي لم تُحل من قبل ومسجل دقيق لما يعمل وما لا يعمل. في حين يمكن للبحث تبسيط النطاق وافتراض نموذج عالم أبسط، يجب على تطوير المنتج أن يأخذ في الاعتبار تعقيد سياقات المستخدمين الحقيقية. في مساعدة الذكاء الاصطناعي، يُعد استخدام الأداة مثالًا رئيسيًا. من المغري افتراض أن البيئات دائمًا ما تكون مهيأة للآلية، مع إعداد الوصول النظامي وواجهات برمجة التطبيقات الجاهزة. يختلف الواقع. تمامًا مثل السيارات ذاتية القيادة التي يجب أن تتعامل مع تعقيد البنية التحتية الحالية، يجب على وكلاء الذكاء الاصطناعي العمل بشكل فعال داخل أنماط الوصول والبيانات والنظم التي تعتمد عليها الأعمال.

كما توسع ديب إل من منصة لغة محددة إلى نظام ذكاء اصطناعي مؤسسي أوسع، كيف تقرر ما هي القدرات التي يجب أن تبقى تحت السيطرة التIGHTة وما هي التي يجب أن يتم الكشف عنها لمزيد من السلوك المستقل؟

مستوى التحكم المطلوب لمهمة يتم تحديده بواسطة عاملين: موثوقية الشخص أو النظام الذي يؤديها وتأثير الأخطاء المحتملة. يطبق هذا على حد سواء على التنفيذ البشري والآلي. لقد ازدادت موثوقية الذكاء الاصطناعي بشكل كبير خلال السنوات القليلة الماضية وستستمر في التحسين. لذلك، سيُتطلب التحكم الصارم لنطاق أقل وأقل من المهام. في النهاية، ستتجاوز موثوقية الذكاء الاصطناعي حتى مستويات الخبراء البشر ل许多 مهام. يطبق هذا أيضًا على آليات التحكم، التي ستنتقل بشكل متزايد إلى إشراف الذكاء الاصطناعي. داخليًا، يفعل عميل ديب إل ذلك بالفعل، يسأل المستخدمين عن المساعدة كلما لم يكن التصحيح الذاتي ممكنًا.

فيما يخص النظر إلى المستقبل، ما هي الاختراقات في فهم اللغة أو تصميم الوكيل التي تعتقد أنها ستحدد بشكل قوي الذكاء الاصطناعي المؤسسي خلال السنوات القليلة القادمة؟

سوف لا يساعد وكلاء الذكاء الاصطناعي فقط في المهام الفردية. سوف يُشكلون طبقة إنتاجية تعاونية في الأعمال تعمل لصالحنا لتقليل الإلهاءات، وإعداد المعلومات، وتمكيننا من حل المشاكل بشكل فعال في الخلفية.

شكرًا على المقابلة الرائعة، يُرحب بقراء يرغبون في معرفة المزيد بزيارة ديب إل.