شركة سترايف وركس تجمع تمويلاً من الفئة الثانية لتوسيع نطاق عمليات الذكاء الاصطناعي لصالح وزارة الدفاع والحكومات الحليفة

سترايف ووركس حصلت على استثمار من الفئة "ب" بقيادة شركاء ميناء واشنطنيمثل هذا خطوة هامة في جهود الشركة لتوسيع نطاق استخدامها للذكاء الاصطناعي التشغيلي في مجالات الدفاع والأمن القومي. وسيُستخدم التمويل لتسريع تطوير المنتجات، وتوسيع فرق الهندسة والبحث والتطوير، ودعم نشر تقنيتها على نطاق أوسع في الوكالات الحكومية الأمريكية والدول الحليفة.

تأتي هذه الزيادة في وقت تولي فيه الحكومات أولوية متزايدة للدمج السريع للذكاء الاصطناعي في الأنظمة بالغة الأهمية، لا سيما مع اشتداد المنافسة الجيوسياسية وتقلص الجداول الزمنية التشغيلية.

التحول نحو الذكاء الاصطناعي التشغيلي في الأمن القومي

لا يقتصر نشر الذكاء الاصطناعي في المجالات الدفاعية على مجرد بناء نماذج، بل يتطلب أنظمة قادرة على العمل بكفاءة عالية في بيئات ديناميكية وعالية المخاطر. وتواجه الحكومات تحدياً مزدوجاً: التحرك بسرعة كافية للحفاظ على التفوق العملياتي، مع ضمان بقاء الأنظمة قابلة للتدقيق، وجديرة بالثقة، ومتوافقة مع متطلبات السلامة الصارمة.

لقد وضعت شركة Striveworks نفسها عند هذا التقاطع، مركزة على الذكاء الاصطناعي التشغيلي - القدرة على نشر أنظمة التعلم الآلي ومراقبتها وتكييفها باستمرار في ظروف العالم الحقيقي بدلاً من البيئات الخاضعة للتحكم.

ويتزايد هذا الطلب على مستوى السياسات، حيث يُنظر إلى التكامل السريع للذكاء الاصطناعي على أنه أمر ضروري للحفاظ على ميزة استراتيجية في عمليات الدفاع والاستخبارات.

منصة مصممة للتطبيق في العالم الحقيقي

تُعدّ منصة Chariot محور عروض شركة Striveworks، وهي عمليات الذكاء الاصطناعي (AIOps) نظام مصمم لنقل النماذج من مرحلة التطوير إلى مرحلة الإنتاج بسرعة مع الحفاظ على الإشراف والأداء.

تُمكّن هذه المنصة المؤسسات من بناء نماذج الذكاء الاصطناعي ونشرها وصيانتها في غضون ساعات بدلاً من شهور، وتدعم سير العمل الذي يمتد عبر البنية التحتية السحابية، وبيئات الحوسبة الطرفية، والبيئات غير المتصلة أو ذات النطاق الترددي المحدود. ويُعدّ هذا الأمر بالغ الأهمية في السياقات الدفاعية، حيث يتعين على أنظمة الذكاء الاصطناعي العمل عبر مصادر بيانات مجزأة مثل بيانات أجهزة الاستشعار، وصور الأقمار الصناعية، ومعلومات الاستخبارات الآنية.

كما تؤكد Chariot على الحوكمة وإمكانية التتبع، مما يسمح للمؤسسات بفهم كيفية تدريب النماذج، وكيفية تدفق البيانات عبر الأنظمة، وكيفية توليد المخرجات - وهي قدرات بالغة الأهمية في البيئات الخاضعة للتنظيم والبيئات ذات الأهمية البالغة للمهام.

أثبتت فعاليتها في بيئات معقدة ومتنازع عليها

تم بالفعل نشر تقنية Striveworks عبر العديد من البرامج الدفاعية، بما في ذلك العمل المرتبط بمبادرة القيادة والسيطرة من الجيل التالي للجيش الأمريكي، بالإضافة إلى العمليات التي تشمل أمن الحدود والأنظمة البحرية المستقلة.

تعكس هذه التطبيقات تحولاً أوسع في كيفية استخدام الذكاء الاصطناعي. فبدلاً من أن يقتصر استخدامه على التحليل أو التجريب، أصبح الذكاء الاصطناعي يندمج بشكل متزايد في سير العمليات التشغيلية، حيث يدعم اتخاذ القرارات في الوقت الفعلي.

أصبح تركيز الشركة على الحفاظ على الأداء في البيئات المتنازع عليها - حيث تتغير ظروف البيانات بسرعة ويجب أن تتكيف الأنظمة باستمرار - جانبًا أساسيًا من نهجها.

نظرة على التكنولوجيا: الربط بين نماذج الذكاء الاصطناعي والعمليات الواقعية

سترايف وركس تم بناء المنصة حول مشكلة أصبحت واضحة بشكل متزايد مع انتقال الذكاء الاصطناعي من مرحلة التجريب إلى مرحلة الإنتاج: النماذج لا تفشل في التدريب - بل تفشل في النشر.

تركز منصة Chariot التابعة للشركة على ما يحدث بعد بناء النموذج. ففي البيئات التشغيلية، نادراً ما تكون البيانات نقية أو مستقرة. تتغير المدخلات، وتؤدي الظروف الطارئة إلى تدهور جودة الإشارة، وتتطور متطلبات المهمة في الوقت الفعلي. وهذا يخلق فجوة بين أداء النموذج في البيئات الخاضعة للتحكم وكيفية عمل الأنظمة في الميدان.

تعالج منصة Chariot هذه المشكلة من خلال التعامل مع أنظمة الذكاء الاصطناعي كأصول تُدار باستمرار بدلاً من كونها تطبيقات ثابتة. تُمكّن المنصة من المراقبة المستمرة لأداء النموذج، واكتشاف أي انحراف في البيانات والمخرجات، والسماح بالتطوير السريع دون الحاجة إلى دورات إعادة تدريب كاملة. يُعدّ هذا الأمر بالغ الأهمية في البيئات الدفاعية حيث يؤثر زمن الاستجابة والموثوقية والقدرة على التكيف بشكل مباشر على النتائج.

يُعدّ جزءٌ أساسيٌّ من هذه البنية قدرتها على العمل عبر بيئات بيانات مجزأة وموزعة. فبدلاً من الاعتماد على بنية تحتية مركزية، تدعم المنصة عمليات النشر عبر أنظمة الحوسبة السحابية، والأنظمة المحلية، وأنظمة الحوسبة الطرفية. وهذا يسمح بتشغيل النماذج بالقرب من مصدر البيانات - سواءً من أجهزة الاستشعار، أو بيانات الأقمار الصناعية، أو المدخلات التشغيلية الآنية - مما يقلل التأخيرات ويحسّن الاستجابة.

تُولي منصة Chariot اهتمامًا بالغًا للحوكمة والتتبع. ففي بيئات العمل الحساسة، يُعدّ فهم كيفية وصول النموذج إلى قرار ما بنفس أهمية القرار نفسه. توفر المنصة رؤية شاملة لسلسلة البيانات، وسلوك النموذج، ومخرجات النظام، مما يُمكّن المؤسسات من التحقق من الأداء والحفاظ على الرقابة.

يعكس هذا المزيج من التقييم المستمر والنشر الموزع والحوكمة المدمجة تحولاً أوسع في تصميم أنظمة الذكاء الاصطناعي. لم يعد التحدي يقتصر على بناء نماذج دقيقة فحسب، بل يشمل ضمان استمرار موثوقيتها وقابليتها للتكيف ومساءلتها بعد نشرها في ظروف العالم الحقيقي.