Hierarchical Server Architecture for Agentic Science

تخيل عالم الحواسيب الفائقة ليس كدماغ واحد ضخم في غرفة باردة، بل ككون شاسع وفوضوي من الآلات المختلفة. بعضها عبارة عن حواسيب فائقة تقليدية ضخمة (HPC) تعالج الأرقام لسنوات؛ وبعضها خوادم سحابية مرنة يمكن تشغيلها فوراً؛ وبعضها أجهزة "طرفية" (edge) صغيرة تقع بجوار المستشعرات مباشرة. لعقود من الزمن، كان على العلماء أن يكونوا المرشدين السياحيين النهائيين، حيث يقومون بفحص كل آلة يدوياً للتأكد مما إذا كانت تحتوي على البرنامج الصحيح، والذاكرة الكافية، وسرعة الشبكة المناسبة قبل أن يتمكنوا من إجراء تجاربهم. كان الأمر يشبه محاولة العثور على نوع معين من المفاتيح في مرآب حيث يتم تسمية كل أداة بلغة مختلفة.

هنا يدخل مفهوم "العلوم الوكيلة" (Agentic Science). هذه طريقة جديدة للتفكير حيث لا تكتفي الحواسيب بانتظار الأوامر، بل تتحدث مع بعضها البعض. فبدلاً من أن يسأل الإنسان: "هل لديك وحدة معالجة رسومات (GPU)؟"، يمكن لبرنامج حاسوبي ذكي ("وكيل") أن يسأل: "أحتاج إلى تشغيل محاكاة تتطلب نوعاً معيناً من بطاقات الرسوميات و500 جيجابايت من الذاكرة. من يمكنه المساعدة؟". يستكشف البحث الذي أنت على وشك قراءته كيفية بناء نظام حيث يمكن لهذه الوكلاء الأذكياء التفاوض، وإيجاد الآلة المثالية، والبدء في العمل دون الحاجة لأن يعرف الإنسان كل تفصيل عن كل خادم في العالم.

---

خدمة التوفيق الرقمي

في هذا البحث، يقترح فانيسا سوكات ودانيال ميلروي من مختبر لورانس ليفرمور الوطني طريقة جديدة لتنظيم هذا الكون الفوضوي من الحواسيب. ويطلقون عليها اسم "بنية الخادم الهرمية" (Hierarchical Server Architecture). لفهم ذلك، تخيل وكالة سفر عملاقة عابرة للمجرات.

في الأيام الخوالي، إذا كنت ترغب في حجز رحلة، كان عليك الاتصال بكل شركة طيران وفندق ومحطة قطار على حدة لتسأل عما إذا كان لديهم مقعد. في النظام الجديد الموصوف هنا، لديك "مركز" (Hub) (وكالة السفر الرئيسية) وأسطول من "السكرتاريين" (Secretaries) (وكلاء يعملون لصالح شركات الطيران). تخبر المركز باحتياجاتك: "أريد رحلة إلى المريخ، تغادر غداً، مع وجبة نباتية". المركز لا يتحقق من الطائرات بنفسه؛ بدلاً من ذلك، يسأل جميع سكرتارييه في وقت واحد.

كل سكرتير هو مساعد ذكي يمثل حاسوباً معيناً ("عامل"). لديهم مجموعة أدوات خاصة تتيح لهم إلقاء نظرة خاطفة على مخزون حاسوبهم. يتحققون من: هل لدينا البرنامج الصحيح؟ هل الذاكرة ممتلئة؟ هل الشبكة سريعة بما يكفي؟ ثم يرسلون مقترحاً إلى المركز: "يمكنني القيام بذلك!" أو "أنا مشغول جداً" أو "ليس لدي القطع المناسبة".

"سكرتير الموارد" و الـ 51 أداة

يكمن السحر في هذا النظام في "سكرتير الموارد" (Resource Secretary)، وهو قطعة برمجية تعمل كمترجم عالمي. قام المؤلفون ببناء مكتبة تضم 51 "مزوداً" مختلفاً (أدوات تتحقق من أشياء مثل التخزين، أو الذاكرة، أو حزم البرامج). تعمل هذه الأدوات مع الحواسيب الحقيقية وحتى مع الحواسيب المحاكية الوهمية.

فكر في هؤلاء المزودين كمجموعة من المصابيح اليدوية المتخصصة. مصباح واحد يتحقق من "Slurm" (مدير مهام شائع)، وآخر لـ "Kubernetes" (مدير سحابي)، وآخر لـ "Docker" (الحاويات)، وهكذا. عندما يتلقى "وكيل السكرتير" طلباً، فإنه يشغل المصابيح الصحيحة ليرى ما هو موجود فعلياً في الغرفة. إذا طلب مستخدم إصداراً معيناً من برنامج ما، فإن الوكيل يستخدم هذه الأدوات للعثور عليه، بدلاً من مجرد التخمين.

المحاكاة الكبرى: 20,000 اختبار

ليروا ما إذا كانت هذه الفكرة تعمل حقاً، لم يكتفِ المؤلفون بالحلم بها؛ بل أجروا محاكاة ضخمة. أنشأوا 200 حاسوب وهمي (عمال) بشخصيات مختلفة:

• نموذج HPC: حواسيب فائقة ضخمة وتقليدية ذات قواعد صارمة.
• نموذج سحابي (Cloud): مرن، متنوع، وأحياناً فوضوي.
• نموذج مستقل (Standalone): أجهزة صغيرة ومنفردة مثل حاسوب محمول قوي أو جهاز طرفي.

ثم قاموا بتوليد 19,973 اختبار تفاوض. في هذه الاختبارات، طلبوا من الوكلاء إيجاد موارد لوظائف بمستويات متفاوتة من التفصيل. بعض الطلبات كانت غامضة ("أحتاج إلى حاسوب") بينما كانت أخرى محددة للغاية ("أحتاج إلى حاسوب بـ 128 وحدة معالجة مركزية، و1 تيرابايت من ذاكرة الوصول العشوائي، وسرعة شبكة معينة، وحاوية باسم 'Singularity'").

ماذا وجدوا: جيد في قول "لا"، وصعب في قول "نعم"

كانت النتائج مزيجاً من النجاح المثير للإعجاب والدروس الواضحة المستفادة.

الأخبار الجيدة: كان الوكلاء بارعين بشكل مفاجئ في معرفة ما إذا كان بإمكان الحاسوب القيام بمهمة ما. حققوا دقة إجمالية بلغت 87.71%. وهذا يعني أنه عندما قالوا "نعم، يمكنني القيام بذلك" أو "لا، لا يمكنني"، فقد كانوا على صواب في معظم الأوقات. كانوا مهارين بشكل خاص في اكتشاف الحالات التي لا يستطيع فيها الحاسوب القيام بالمهمة (مثل عند فقدان برنامج مطلوب).

الأخبار السيئة (والسبب): ارتكب الوكلاء أخطاءً غالباً عندما كانوا واثقين أكثر من اللازم. في 1,611 حالة، قال الوكيل إن الحاسوب متوافق بينما لم يكن كذلك في الواقع. وكان المتهم الرئيسي هو إصدارات البرامج.
تخيل مستخدماً يطلب "Python 3.9". قد يرى الوكيل أن "Python 3.9" مثبت، لكنه يفشل في إدراك أن المكتبة المحددة المطلوبة للمهمة هي في الواقع الإصدار 3.8. لقد ارتبك الوكيل بين البرنامج الرئيسي وبين تبعاته (dependencies). يشير المؤلفون إلى أن الأدوات التي يستخدمها الوكلاء تحتاج إلى أن تكون أكثر دقة، بحيث تعطيها أرقام الإصدارات الدقيقة بدلاً من مجرد قائمة عامة.

مشكلة التحديد: واجه الوكلاء صعوبة أكبر في طرفي النقيض:

1. الغموض الشديد: إذا قال المستخدم فقط "أحتاج إلى حاسوب" دون ذكر البرنامج الذي يحتاجه، فلن يملك الوكيل معلومات كافية لاتخاذ قرار جيد.
2. التحديد المفرط: عندما أصبح الطلب معقداً للغاية (مثل طلب تقنية حاويات معينة)، فقد الوكلاء مسارهم أحياناً أو استخدموا "المصباح" الخاطئ للفحص، مما أدى إلى أخطاء.

سباق الاختيار: من يحصل على الوظيفة؟

بمجرد أن يجد الوكلاء الحواسيب التي يمكنها القيام بالمهمة، كان على النظام اختيار الأفضل منها. اختبر المؤلفون استراتيجية "الاختيار الوكيلية" الخاصة بهم مقابل 6 استراتيجيات تقليدية (مثل "اختر أول متاح" أو "اختر الأرخص").

• السرعة: كانت الطرق التقليدية سريعة للغاية (تستغرق أقل من ميلي ثانية). أما الوكيل الذكي (AI agent) فكان أبطأ، حيث استغرق حوالي 2.19 ثانية لكل قرار. يعترف المؤلفون أن هذا مقايضة: فالذكاء الاصطناعي أذكى ولكنه يحتاج وقتاً للتفكير.
• التكلفة: كان الوكيل الذكي جيداً بشكل مفاجئ في توفير المال. فقد اختار أحياناً آلة أغلى قليلاً إذا كان ذلك يعني أن المهمة ستنتهي بشكل أسرع، وهو أمر قد تغفله قواعد "الأرخص أولاً" البسيطة. ومع ذلك، يشير المؤلفون إلى أن محاكاتهم لم تأخذ في الاعتبار بشكل كامل مدى سرعة تشغيل المهمة على آلة أفضل، لذا فهذا مجرد تلميح لما هو ممكن.

الحكم النهائي

لا يدعي هذا البحث أنه حل مشكلة جدولة الحواسيب للأبد. بدلاً من ذلك، فإنه يثبت أن النظام الهرمي القائم على الوكلاء هو وسيلة قابلة للتطبيق لإدارة مزيج من الحواسيب المختلفة. إنه يظهر أنه يمكننا بناء نظام حيث تتحدث الحواسيب مع بعضها البعض للعثور على الموارد المناسبة، بدقة تقارب 88%.

يخلص المؤلفون إلى أنه بينما يعد "وكلاء السكرتارية" رائعين في استبعاد الخيارات السيئة، إلا أنهم بحاجة إلى أدوات أفضل للتعامل مع إصدارات البرامج المعقدة والطلبات المحددة جداً. كما يشيرون إلى أنه بينما يكون الذكاء الاصطناعي أبطأ من القاعدة البسيطة، فإن قدرته على فهم السياق واتخاذ خيارات مرنة تجعل منه أداة قوية لمستقبل العلوم. النظام جاهز للاختبار في العالم الحقيقي، وتحديداً لـ "مهمة جينيسيس" (Genesis Mission)، وهو مشروع يهدف إلى أتمتة الاكتشاف العلمي.

باختصار، مستقبل الحوسبة الفائقة لا يتعلق فقط ببناء آلات أكبر؛ بل يتعلق بتعليمها كيف تتحدث، وتتفاوض، وتجد التطابق المثالي لكل مهمة، كل ذلك بينما يتراجع البشر ليتركوا للوكلاء القيام بالعمل الشاق.