Gates Instead of Prompts: Development and Methods of a Large-Language-Model Expert System for Root- Cause Analysis in a Steel Foundry

في صناعة صب الفولاذ الثقيلة، حيث يُصب المعدن المنصهر في قوالب رملية لإنشاء مكونات ضخمة، يكمن الفرق بين القطعة المثالية والقطعة المعيبة في فيزياء غير مرئية. عندما تفشل عملية الصب، يتعين على المهندسين إجراء تحليل للأسباب الجذرية، وهو تحقيق صارم يجمع الأدلة من سجلات الآلات، والاختبارات المختبرية، والمحاكاة الحاسوبية المعقدة لكيفية تبريد المعدن وتصلبه. لعقود من الزمن، اعتمد هذا العمل على خبراء بشريين يمكنهم قراءة آلاف الصفحات من الكتيبات وتفسير الأنماط الدقيقة في البيانات. مؤخرًا، دخلت أداة جديدة في هذا السياق: النماذج اللغوية الكبيرة. هذه برامج حاسوبية قوية قادرة على قراءة كميات هائلة من النصوص والإجابة على الأسئلة بطلاقة ملحوظة. ومع ذلك، فهي تحمل عيبًا جسيمًا: فهي تتحدث بثقة مطلقة حتى عندما تكون مخطئة. وفي بيئة عالية المخاطر مثل مسبك الفولاذ، قد تؤدي الإجابة الواثقة ولكن الخاطئة إلى أخطاء خطيرة أو أخطاء إنتاج مكلفة. لذا، فإن التحدي لا يكمن فقط في استخدام هذه الحواسيب الذكية، بل في بناء نظام يجبرها على أن تكون صادقة، ومستندة إلى حقائق، وقابلة للتحقق.

يصف هذا البحث إنشاء مثل هذا النظام، الذي طوره باحث مستقل لمسبك فولاذ في جمهورية التشيك. لم يكن المشروع، الذي أطلق عليه اسم "Digital Foundry PRO"، مصممًا لاستبدال المهندسين البشريين، بل ليعمل كمساعد جنائي يعمل دون اتصال بالإنترنت (offline) على البيانات التاريخية. الاكتشاف الجوهري لهذا العمل هو أنه لا يمكنك ببساطة أن تطلب من نموذج لغوي كبير أن "يكون حذرًا" أو "يتحقق من حقائقه". بدلاً من ذلك، اضطر الباحثون إلى بناء إطار عمل صارم من البوابات الرقمية التي تمنع الحاسوب فعليًا من تقديم ادعاءات غير مدعومة. تم اختبار النظام على بيانات واقعية من مسبك ينتج سبائك فولاذية باستخدام قوالب الرمل الأخضر. وعلى مدار ستة أشهر، تطور النظام من مجرد نموذج أولي بسيط إلى أداة متطورة يمكنها تحليل عيوب الصب وأعطال المعدات. وكان أهم استنتاج هو أن قدرة النظام على إيجاد السبب الحقيقي للمشكلة لم تأتِ من منح الحاسوب المزيد من الأدوات أو المزيد من البيانات، بل من تغيير التعليمات المحددة التي أُعطيت له. فمن خلال إجبار الحاسوب على النظر إلى اللحظة والمكان الدقيقين اللذين يتشكل فيهما العيب، بدلاً من مسح المحاكاة بأكملها بحثًا عن أي شيء غير عادي، تحسنت دقة النظام بشكل كبير.

بدأت عملية التطوير بإدراك صارخ حول حدود التكنولوجيا الحالية. في أحد الاختبارات المبكرة، سُئل روبوت دردشة قياسي عن سبب توقف وحدة الصب عن دورتها. نظر الجهاز إلى بيانات درجة الحرارة، وافترض أن المعدن هو الألمنيوم، وأعلن أن درجات الحرارة المسجلة التي تتجاوز 1300 درجة مئوية مستحيلة فيزيائيًا. ثم أوصى باستبدال المستشعر وخفض إعدادات الإنذار. كانت النصيحة تبدو واثقة ومنطقية، لكنها كانت خاطئة تمامًا لأن المسبك كان يصب الفولاذ، وليس الألمنيوم. سلط هذا الخطأ الضوء على خطورة وجود نظام يبدو موثوقًا ولكنه يفتقر إلى آلية للتحقق من حقائقه الخاصة. ولحل هذه المشكلة، بنى الباحث برنامجًا يتضمن سلسلة من "البوابات". هذه ليست مجرد اقتراحات ليتبعها الحاسوب؛ بل هي قواعد مبرمجة صلبًا توقف العملية إذا لم تتحقق شروط معينة. على سبيل المثال، لن يبدأ النظام تحليلًا ما ما لم يتم تأكيد نوع المعدن المحدد بواسطة وثيقة في مكتبته. وإذا حاول الحاسوب الاستشهاد بصفحة من دليل، فيتحقق البرنامج من النص الفعلي لتلك الصفحة للتأكد من وجود الاقتباس حرفيًا. وإذا حاول الحاسوب الإشارة إلى صورة محاكاة، فيتحقق البرنامج من أن ملف الصورة موجود بالفعل ويطابق الوصف. تعمل هذه البوابات كشبكة أمان، مما يضمن عدم قدرة الحاسوب على اختراع الحقائق أو تخيل أدلة لا وجود لها.

قدم النظام أيضًا طريقة جديدة لقراءة محاكاة الحاسوب لعملية التبريد. عادةً، قد يقوم الحاسوب بمسح فيديو المحاكاة بأكمله بحثًا عن أي علامة للمشاكل، مثل نقطة ساخنة أو تدفق سريع للمعدن. هذا النهج غالبًا ما يؤدي إلى إنذارات كاذبة، حيث إن درجات الحرارة المرتفعة أو التدفقات السريعة تكون أحيانًا أجزاء طبيعية من العملية. غير النظام الجديد القواعد: فهو ينظر فقط إلى بيانات المحاكاة في الموقع الدقيق، وفي الوقت الدقيق، وفوق العتبة الدقيقة التي يُعرف أن العيب يتشكل عندها. على سبيل المثال، إذا كان العيب من نوع "الانكماش" الذي يحدث بالقرب من قلب السبائك، فإن النظام يتجاهل بقية القالب ويركز فقط على تلك المنطقة المحددة خلال الوقت المحدد لتصلب المعدن. هذا الأسلوب يمنع الحاسوب من التشتت ببيانات غير ذات صلة. علاوة على ذلك، يتعامل النظام مع كتيبات الآلات بحذر شديد. فكتيب المعدة غالبًا ما يصف كل ميزة ممكنة يمكن أن تمتلكها الآلة، وليس فقط الميزات التي تمتلكها الآلة الموجودة فعليًا في المصنع. تم برمجة النظام لتعيين "مستوى ثقة" لكل ادعاء حول المعدة. ولم يُسمح باستخدام سوى الادعاءات التي تم التحقق منها مقابل بيانات تشغيل الآلة الفعلية. أما الادعاءات القائمة فقط على الكتيب فقد وُصمت بأنها غير مؤكدة، مما منع النظام من التوصية بإجراءات لا تستطيع الآلة المحددة القيام بها.

جاء الاختراق الأكثر أهمية عندما اختبر الباحثون كيفية جعل النظام يفكر بعمق أكبر. في البداية، كان بإمكان الحاسوب قراءة البيانات وإنتاج تقرير، لكن التقارير كانت سطحية وغالبًا ما تغفل المشكلة الحقيقية. حاول الباحثون إضافة المزيد من الأدوات والمزيد من البيانات، لكن النتائج لم تتحسن. ثم قاموا بتغيير المهمة نفسها. لقد أعطوا الحاسوب خمس تعليمات محددة، أو "تفويضات"، أجبرته على النظر إلى المشكلة بشكل مختلف. أخبرت هذه التعليمات الحاسوب بفحص المنطقة المحيطة بقلب السبائك، وفصل البقعة الساخنة المركزية عن المناطق المحيطة، ومحاولة دحض التفسيرات البسيطة بنشاط. ومع هذه التعليمات الجديدة، ودون إضافة أي أدوات جديدة، تحول أداء النظام. في سلسلة من الاختبارات على صبية فولاذية محددة، قفز عدد المرات التي حدد فيها النظام الموقع الفعلي للعيب من صفر إلى ما بين ثلاثة وستة عشر ذكرًا في التقرير نفسه. بدأ الحاسوب يجد المشكلة الحقيقية، والتي كانت نوعًا دقيقًا من "المسامية" في حلقة حول القلوب، بدلاً من الإجابة التقليدية الواضحة المتمثلة في وجود ثقب انكماش كبير. أثبت هذا أن عمق التحليل يعتمد على جودة السؤال المطروح، وليس على كمية البيانات المقدمة. ومن الجدير بالذكر أن التحسن في قدرة النظام على الاسترجاع والوصول إلى المعلومات الصحيحة قد ارتفع بنحو خمسة أضعاف تقريبًا نتيجة لهذه التغييرات. ومع ذلك، تجدر الإشارة إلى أن هذا التحسن تم قياسه بمقارنة مخرجات النظام بتحليل مرجعي تم إنتاجه بواسطة نموذج لغوي كبير آخر تحت إشراف وتوجيه الباحث نفسه، وليس مقابل تقرير خبير بشري مستقل؛ أي أن التحليل المرجعي كان من كتابة نموذج لغوي كبير تحت إشراف المؤلف، وليس تقرير خبير مستقل.

طوال المشروع، وثّق الباحثون أيضًا ما لم ينجح، وهو أمر كان لا يقل أهمية من النجاحات. لقد بنوا "توأمًا رقميًا"، وهو نموذج افتراضي لخط الإنتاج بأكمله يهدف إلى التنبؤ بالأعطال في الوقت الفعلي. ومع ذلك، اكتشفوا أن البيانات التي تغذي هذا النموذج كانت معيبة. كان النظام يستخدم حدودًا وقيمًا تم تخمينها أو مأخوذة من آلة أخرى، مما أدى به إلى تصنيف كل قياس تقريبًا على أنه خطأ. أدرك الباحثون أن النظام لم يكن يجد أعطالاً في المصنع، بل كان يجد أعطالاً في فهمه الخاص للمصنع. لقد قاموا بتفكيك هذا التوأم الرقمي عمدًا، وأزالوا الواجهة ونموذج الآلة، لأنه لم يكن جاهزًا للعالم الحقيقي. كما وجدوا أن الرابط الإحصائي بين درجات الحرارة المرتفعة وزيادة عيوب الغاز كان في الواقع وهمًا ناتجًا عن قراءة مستشعر خاطئة. وعندما تحققوا من مصدر البيانات، رأوا أن قراءات درجة الحرارة لم تكن موثوقة، فقاموا بسحب تلك النتيجة. أصبحت هذه الرغبة في تفكيك عملهم والاعتراف بالخطأ جزءًا مركزيًا من موثوقية النظام.

النتيجة النهائية هي نظام يعمل وفق مبدأ بسيط ولكنه قوي: الحاسوب يقترح، والإنسان يوقع. تم تصميم النظام ليعمل دون اتصال بالإنترنت، حيث يحلل البيانات التاريخية التي تم تصديرها بالفعل من المصنع. إنه لا يتصل بأنظمة التحكم المباشرة في الآلات، ولا يتخذ قرارات من تلقاء نفسه. بدلاً من ذلك، يعمل كمساعد منضبط للغاية يجمع الأدلة، ويتحقق من حقائقه مقابل قواعد صارمة، ويقدم تقريرًا إلى مهندس بشري. يقوم المهندس بعد ذلك بمراجعة النتائج، والتحقق من الأدلة، وتحمل مسؤولية القرار النهائي. وجد الباحثون أن النظام يمكنه تحديد الأعطال المزمنة، مثل عدم محاذاة محور وحدة الصب الذي تسبب في انقطاعات لعدة أشهر، ويمكنه التمييز بين العيوب الحقيقية وأخطاء البيانات. ومع ذلك، أشاروا أيضًا إلى أن النظام ليس مثاليًا؛ فهو لا يزال يواجه صعوبة في تحديد مدى شدة بعض العيوب بدقة، ويعتمد بشكل كبير على جودة البيانات المقدمة إليه. إذا كانت البيانات مفقودة أو غير صحيحة، فلا يمكن للنظام إصلاحها. ومن المهم ملاحظة أن عملية التحقق من أداء النظام لم تتم بمقارنته بتقرير خبير بشري مستقل، بل تمت مقارنة مخرجاته بتحليل مرجعي تم إنتاجه بواسطة نموذج لغوي كبير آخر تحت إشراف وتوجيه الباحث نفسه؛ حيث أن التحليل المرجعي كان من كتابة نموذج لغوي كبير تحت إشراف المؤلف، وليس تقرير خبير مستقل.

يختتم البحث بتوصية واضحة لمستقبل هذه التكنولوجيا في الصناعة. يقترح الباحثون أن أعلى مستوى من الاستقلالية يمكن أن يصل إليه نظام كهذا هو المستوى "التحضيري". في هذا المستوى، يمكن للنظام إعداد قيمة أو توصية، والتحقق منها مقابل حدود السلامة، والانتظار حتى يؤكدها البشر قبل اتخاذ أي إجراء. كما نصوا صراحةً على عدم السماح للنظام بالكتابة مباشرة في أنظمة التحكم في المصنع، حتى لو تم التحقق منه بالكامل. إن المسؤولية عن المنتج النهائي تقع على عاتق المهندس البشري، وهذه المسؤولية لا ينبغي أبدًا تسليمها للبرمجيات. يوضح المشروع أنه بينما النماذج اللغوية الكبيرة أدوات قوية لقراءة ومعالجة المعلومات، يجب تغليفها بطبقة من القواعد الحتمية المفروضة برمجياً لتكون مفيدة في البيئات الصناعية الحرجة. لم يأتِ نجاح النظام من جعل الحاسوب أكثر ذكاءً، بل من جعل القواعد المحيطة به أكثر صرامة. ومن خلال إجبار الحاسوب على إثبات ادعاءاته، والنظر في المكان الصحيح في الوقت الصحيح، والاعتراف عندما لا يعرف الإجابة، خلق الباحثون أداة يمكنها حقًا مساعدة الخبراء في حل المشكلات المعقدة لصب الفولاذ. ويقف هذا العمل كدليل عملي لكيفية بناء أنظمة ذكاء اصطناعي موثوقة في العالم الحقيقي، حيث لا تكون تكلفة الخطأ مجرد إجابة خاطئة، بل آلة معطلة أو منتج تالف.