← أحدث الأبحاث
🤖 machine learning

AIGen: Automating AI Bill of Materials Generation Through Hybrid MLOps Integration

تقدم هذه الورقة AIGen، وهي أداة نمطية تتكامل مع MLflow وتجمع بين خوارزميات التنقيب والنماذج اللغوية الكبيرة لتوليد قوائم مواد الذكاء الاصطناعي (AIBoMs) الآلية المتوافقة مع المعايير والقابلة للقراءة آلياً بناءً على ملف تعريف SPDX 3.0، مما يسهل الامتثال التنظيمي وحوكمة سلاسل توريد الذكاء الاصطناعي الشفافة.

المؤلفون الأصليون: Federica Pepe, Daniele Bifolco, Costantino Martignetti, Aureliano D'Amici, Fabiano Izzo, Damian A. Tamburri, Massimiliano Di Penta

نُشر 2026-07-30
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Federica Pepe, Daniele Bifolco, Costantino Martignetti, Aureliano D'Amici, Fabiano Izzo, Damian A. Tamburri, Massimiliano Di Penta

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تقوم ببناء روبوت ضخم ومخصص من قطع مستمدة من ألف متجر مختلف. لديك تروس من متجر ألعاب، ودماغ من مختبر حاسوب، وقلب مصنوع من كود برمجي كتبه شخص غريب عبر الإنترنت. في عالم البرمجيات، احتفظنا لفترة طويلة بـ "قائمة المواد" (BoM) - وهي ببساطة قائمة تسوق مفصلة للغاية - تخبرك بالضبط ما هي الأجزاء الموجودة داخل المنتج، ومن أين أتت، ومن يملكها. هذا الأمر بالغ الأهمية للسلامة وإصلاح الأخطاء البرمجية. ولكن عندما نبدأ في بناء الذكاء الاصطناائي (AI)، فإن القوائم القديمة لا تعمل بعد الآن. فالذكاء الاصطناعي ليس مجرد كود برمجي؛ بل هو أيضاً أكوام هائلة من البيانات التي تعلم منها، والإعدادات المحددة المستخدمة لتدريبه، والبيئة التي يعمل فيها. إذا كنت لا تعرف بالضبط ما الذي دخل في تكوين ذكائك الاصطناعي، فقد تبني عن غير قصد شيئاً منحازاً، أو غير قانوني، أو خطيراً دون أن تدرك ذلك حتى. وهنا يأتي دور مفهوم "قائمة مواد الذكاء الاصطناعي" (AIBoM): وهو سجل كامل، قابل للقراءة آلياً، لكل مكون من مكونات نظام الذكاء الاصطناعي، بدءاً من البيانات الخام وصولاً إلى النموذج النهائي.

الآن، تخيل أنك تحاول كتابة قائمة التسوق تلك لروبوت يغير رأيه في كل مرة تنظر إليه. هذه هي المشكلة التي يواجهها الباحثون اليوم. وبينما توجد قواعد ومعايير جديدة (مثل "كتاب وصفات" عالمي يسمى SPDX 3.0) تقول لك: "يجب عليك تدوين هذه التفاصيل"، فإن القيام بذلك فعلياً هو كابوس. تضطر معظم الشركات إلى كتابة هذه القوائم يدوياً، وهو أمر بطيء، وممل، وعرضة للأخطاء. إذا قامت شركة تقنيات صحية بنشر ذكاء اصطناعي لفحص الرئتين بحثاً عن السرطان، لكنها نسيت توثيق أنه تم تدريبه على بيانات غير مرخصة، فقد تواجه غرامات باهظة وتفقد سمعتها. السؤال هو: هل يمكننا صنع روبوت يكتب قائمة التسوق الخاصة بالروبوت؟

إليك AIGen، وهي أداة جديدة ابتكرها فريق من الباحثين والمهندسين تعمل كمساعد فائق التنظيم وشديد الانتباه لبنائي الذكاء الاصطناعي. فكر في AIGen كـ "محقق رقمي" يعيش داخل مساحة العمل حيث يُبنى الذكاء الاصطناعي (تحديداً في نظام يسمى MLflow). فبدلاً من مطالبة البشر بتذكر كل تفصيل عن مشروعهم، يقوم AIGamente بالبحث تلقائياً في "القمامة الرقمية وصناديق الكنوز" للعثند على الإجابات. إنه يستخدم استراتيجية ذكية مكونة من جزأين: أولاً، يلتقط الحقائق الهيكلية السهلة (مثل "تم تدريب هذا النموذج لـ 100 جولة") مباشرة من سجلات الحاسوب. ولكن بالنسبة للأمور الصعبة - مثل قراءة دفتر ملاحظات فوضوي لمعرفة لماذا تم بناء النموذج أو تلخيص حدوده - فإنه يستدعي "نموذج لغة كبير" (LLM)، وهو في الأساس ذكاء اصطناعي ذكي جداً يمكنه القراءة والكتابة بلغة البشر.

يصف البحث كيف تم بناء AIGen ليكون مرناً. إنه يشبه "السكين السويسري" المزود بنظام إضافات (Plugins). إذا كنت تستخدم أداة معينة مثل Hugging Face أو GitHub، فإن AIGen يمتلك "يداً" خاصة (تسمى Builder) تعرف كيف تجلب المعلومات من ذلك المكان المحدد. إذا قمت بتغيير الأدوات، فأنت فقط تستبدل "اليد"؛ ولا يحتاج جسم الأداة الرئيسي إلى التغيير. وهذا يعني أنه يمكنه التعامل مع أنواع مختلفة من مشاريع الذكاء الاصطناعي، من التعرف على الصور إلى التنبؤ بأنماط الطقس. اختبر الباحثون AIGen على ثمانية مشاريع ذكاء اصطناعي مفتوحة المصدر. ووجدوا أنه عندما يتعلق الأمر بجلب الأرقام والحقائق الصعبة (مثل المعلمات الفائقة)، كان شبه مثالي، حيث حصل على التفاصيل بدقة 91% من المرات. ومع ذلك، عندما كان عليه كتابة جمل وصفية حول هدف المشروع أو حدوده، لم يكن مثالياً تماماً. ففي بعض الأحيان، فاته تفصيل ما أو اخترع حقيقة صغيرة ("هلوسة")، مما يشير إلى أنه بينما تعد الأداة خطوة كبيرة للأمام، إلا أنها لا تزال بحاجة إلى إنسان لمراجعة القصة النهائية.

الخلاصة الكبرى هي أن AIGen يقترح طريقة لجعل الذكاء الاصطناعي أكثر أماناً وشفافية دون إبطاء العملية الإبداعية. هو لا يدعي أنه حل مشكلة سلامة الذكاء الاصطناعي للأبد، ولكنه يوفر أساساً ملموساً وقابلاً لإعادة الاستخدام يساعد الشركات على اتباع القوانين الجديدة (مثل قانون الذكاء الاصطناعي للاتحاد الأوروبي) والمعايير. ومن خلال أتمتة الأعمال الورقية المملة، فإنه يحرر البشر للتركيز على الشيء المهم: التأكد من أن الذكاء الاصطناعي يفعل حقاً ما يُفترض به القيام به. الأداة متاحة بالفعل لأي شخص لتجربتها، مما يقدم لمحة عن مستقبل يأتي فيه كل نظام ذكاء اصطناعي ومعه بطاقة تعريف خاصة به، واضحة وصادقة ومولدة تلقائياً.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 🤖 cs.LG →