تتواصل وتيرة الابتكار في مجال الذكاء الاصطناعي بوتيرة متسارعة، ومعها تتزايد التحديات المتعلقة بكفاءة النماذج وقدرتها على العمل بفعالية على موارد محدودة. في خطوة تعد بتحول كبير، أعلنت مايكروسوفت للبحوث مؤخرًا عن إطلاق حزمة جديدة من الأدوات والنماذج المتطورة، أبرزها MagenticLite، MagenticBrain، وFara1.5، والتي تمثل قفزة نوعية في عالم وكلاء الذكاء الاصطناعي الصغيرة. هذه الإصدارات الجديدة مصممة خصيصًا لتقديم تجربة وكيلية متكاملة ومُحسّنة للنماذج ذات الحجم الصغير، مما يفتح آفاقًا واسعة لتطبيقات الذكاء الاصطناعي المباشرة على أجهزة المستخدمين، مع الحفاظ على مستويات عالية من الأداء والخصوصية.
ما الجديد؟
تمثل حزمة MagenticLite وMagenticBrain وFara1.5 نقلة نوعية في منهجية بناء وتطوير وكلاء الذكاء الاصطناعي. MagenticLite هو تطبيق وكيل تجريبي يعمل بسلاسة عبر متصفح الويب ونظام الملفات المحلي للمستخدم ضمن سير عمل واحد. إنه الجيل التالي من واجهة Magentic-UI، ويجمع بين تطبيق مُعاد تصميمه بالكامل ونظام تشغيل مُحسّن خصيصًا للنماذج الصغيرة.
اقرأ أيضا: مايكروسوفت: الذكاء الاصطناعي امتداد للإدراك البشري لا بديل عنه
اقرأ أيضا: Data Formulator 0.7: ثورة تحليل البيانات بالذكاء الاصطناعي للمؤسسات
اقرأ أيضا: خوارزمية تعلم تعزيز جديدة: TRL تكسر حواجز المهام طويلة الأمد
يتم تشغيل MagenticLite بواسطة نموذجين مصممين لهذا الغرض: MagenticBrain، المسؤول عن التفكير والتخطيط والتفويض واستخدام الطرفيات، وFara1.5، وهو عائلة نماذج متخصصة في مهام استخدام الكمبيوتر القائمة على المتصفح. هذه المكونات الثلاثة صُممت لتعمل بتناغم كنظام واحد، مما ينتج عنه وكيل يعمل بكفاءة عالية، ويحافظ على البيانات على جهاز المستخدم، ويدعم مجموعة واسعة من المهام الوكيلية. الأهم من ذلك، أنه يشير إلى هدف أوسع: وكلاء قادرون على العمل مباشرة على أجهزة المستخدمين. لمزيد من التفاصيل حول MagenticLite وتجربته، يمكن زيارة صفحة MagenticLite على GitHub.
من أبرز الإنجازات التي تحققها هذه الحزمة هو نموذج Fara1.5، الذي يأتي بثلاثة أحجام، مع نموذج رائد بحجم 9 مليارات معلمة لمعظم حالات الاستخدام. يحقق Fara1.5 نتائج رائدة في فئته بين نماذج استخدام الكمبيوتر الصغيرة، ويضاعف تقريبًا أداء سلفه Fara-7B في التنقل عبر الويب، مع تحسين التعامل مع النماذج والمواقع التي تتطلب بيانات اعتماد والمهام طويلة الأمد. أما MagenticBrain فهو نموذج تنسيق بحجم 14 مليار معلمة، يعمل كمخطط ومبرمج ومفوض في آن واحد، ويتمتع بقدرة فريدة على تحويل الطلبات الغامضة إلى خطط عمل ملموسة.
الخلفية التقنية
تستند هذه الابتكارات إلى فرضية بحثية أساسية: أن قدرة الوكيل لا تعتمد على المعرفة وحدها، بل على تنسيق الأدوات والإجراءات. هذا الفهم يجعل من الممكن استخدام نماذج أصغر مع تمكين مجموعة واسعة من المهام الوكيلية بتكلفة أقل بكثير. منهجية مايكروسوفت في تطوير هذه الأنظمة الوكيلية شاملة، بدءًا من توليد بيانات التدريب وتصميم النماذج وصولاً إلى التنسيق وتصميم التفاعل والإشراف البشري.
MagenticBrain، نموذج التنسيق، تم تدريبه بالكامل ضمن بيئة MagenticLite، مع نفس مخططات الأدوات وبيئة التنفيذ التي سيواجهها في وقت الاستدلال. هذا يزيل الفجوة بين كيفية تعلم النموذج للتنسيق وكيفية تشغيله فعليًا. يجمع النموذج بين مسارات استدعاء الأدوات متعددة الخطوات (حيث يتعلم النموذج اختيار الأداة الصحيحة واستدعائها بشكل صحيح) مع مسارات البرمجة والطرفيات (حيث تكون الإجابة الصحيحة أحيانًا بضعة أسطر من بايثون، وليس استدعاء أداة).
أما Fara1.5، فهو مبني على أساس Qwen 3.5، وقد تم تدريبه باستخدام محرك توليد بيانات اصطناعية مبتكر، مما مكنه من تحقيق أداء لا مثيل له في فئته. يتضمن النموذج مساحة عمل أصلية مُعدلة للمهام طويلة الأمد، مما يسمح له بتخزين المعلومات الأساسية في سياقه عبر مئات الخطوات وطلب الإذن أو التفضيلات من المستخدم عند الحاجة، مما يساعده على البقاء متماسكًا في المهام التي تستغرق دقائق عديدة من العمل الفعلي.
النظام الأساسي (Harness) هو المكون الذي يجمع نماذج التنسيق واستخدام المتصفح في سير عمل واحد. يعتمد هذا النظام على ثلاثة خيارات تصميمية رئيسية: التخطيط خطوة بخطوة (مما يحافظ على مرونة النظام ويسمح بتصحيح المسار والتعافي بسلاسة)، وإدارة السياق النشطة (لأن النماذج الصغيرة لديها نوافذ سياق فعالة أصغر وتتدهور بشكل أسرع مع نمو السياق، يقوم النظام بتنظيم ما يتلقاه كل نموذج في كل خطوة)، والتفويض عبر الوكلاء الفرعيين (حيث يعمل وكيل التنسيق كوكيل رئيسي ويفوض العمل المتخصص إلى وكلاء فرعيين مثل Fara1.5 لمهام المتصفح).
لماذا يهم الخبر؟
يعد هذا الإعلان مهمًا لعدة أسباب رئيسية. أولاً، يمثل تحولًا في كيفية التفكير في قدرات الذكاء الاصطناعي. بدلاً من الاعتماد على نماذج ضخمة تتطلب موارد حاسوبية هائلة، تثبت مايكروسوفت أنه يمكن تحقيق أداء وكيل متقدم باستخدام نماذج أصغر حجمًا. هذا له تداعيات كبيرة على تكلفة التشغيل، وإمكانية الوصول، والخصوصية.
ثانيًا، يفتح الباب أمام تطبيقات ذكاء اصطناعي أكثر انتشارًا ومرونة. عندما تتمكن النماذج من العمل بكفاءة على الأجهزة المحلية، فإن ذلك يقلل من الحاجة إلى الاعتماد المستمر على السحابة، مما يقلل من زمن الاستجابة ويعزز حماية بيانات المستخدم. تخيل وكلاء ذكاء اصطناعي يساعدونك في تنظيم ملفاتك المحلية، أو ملء النماذج المعقدة على الويب، أو حتى حجز المواعيد، كل ذلك دون مغادرة بياناتك لجهازك الخاص.
ثالثًا، يعزز هذا التطور مفهوم “الوكيل البشري في الحلقة” (Human-in-the-loop). لقد تم تصميم MagenticLite للحفاظ على ضمانات الإشراف البشري، حيث تتوقف النقاط الحرجة (مثل المعاملات أو عمليات تسجيل الدخول أو الإرسالات غير القابلة للإلغاء) لطلب موافقة صريحة من المستخدم. هذا يضمن أن المستخدم يظل متحكمًا في الإجراءات الحاسمة، مما يعزز الثقة والأمان في استخدام هذه الأنظمة الوكيلية.
التأثير على السوق أو المستخدمين
على صعيد السوق، يمكن أن يؤدي هذا التوجه نحو النماذج الصغيرة والوكلاء الفعالين إلى ديمقراطية الذكاء الاصطناعي. الشركات الناشئة والمطورون الأفراد قد يجدون أنه من الأسهل والأقل تكلفة بناء تطبيقات ذكاء اصطناعي قوية دون الحاجة إلى استثمارات ضخمة في البنية التحتية السحابية. كما يمكن أن يشجع على تطوير حلول مخصصة للذكاء الاصطناعي على حافة الشبكة (Edge AI) والأجهزة الذكية، مما يوسع نطاق تطبيقات الذكاء الاصطناعي إلى مجالات جديدة مثل الأتمتة المنزلية المتقدمة أو الأجهزة القابلة للارتداء.
بالنسبة للمستخدمين، سيترجم هذا إلى تجربة حوسبة أكثر ذكاءً وكفاءة وخصوصية. يمكن لوكلاء الذكاء الاصطناعي مثل MagenticLite أن يصبحوا مساعدين شخصيين حقيقيين، قادرين على فهم المهام المعقدة وتنفيذها عبر تطبيقات مختلفة ومتصفحات الويب ونظام الملفات. هذا يعني وقتًا أقل في المهام الروتينية والمملة، ووقتًا أطول للتركيز على العمل الإبداعي أو الاستمتاع.
كما أن التركيز على تشغيل النماذج على أجهزة المستخدمين يعالج مخاوف الخصوصية المتزايدة. فبدلاً من إرسال البيانات الحساسة إلى خوادم سحابية للمعالجة، يمكن للوكيل معالجة المعلومات محليًا، مما يقلل من مخاطر اختراق البيانات ويمنح المستخدمين سيطرة أكبر على معلوماتهم الشخصية. هذا الابتكار يفتح الباب أمام جيل جديد من الأدوات الإنتاجية الذكية التي تحترم خصوصية المستخدمين.
قراءة تحليلية
يمثل إطلاق MagenticLite وMagenticBrain وFara1.5 استراتيجية ذكية من مايكروسوفت لمواجهة هيمنة النماذج اللغوية الكبيرة (LLMs) التي تتطلب موارد ضخمة. من خلال التركيز على “القيام بالمزيد بأقل” (Doing more with less)، تستكشف مايكروسوفت مسارًا بديلًا يمكن أن يكون أكثر استدامة وشمولية على المدى الطويل. هذا النهج لا يقلل فقط من التكاليف التشغيلية، بل يعزز أيضًا من مرونة النشر ويزيد من إمكانية الوصول إلى تقنيات الذكاء الاصطناعي المتقدمة.
إن مفهوم “النظام الأساسي” (Harness) الذي يجمع بين التخطيط المتزايد، وإدارة السياق النشطة، والتفويض الذكي للوكلاء الفرعيين، هو جوهر هذا الابتكار. هذه المكونات تعمل معًا لتعويض القيود المتأصلة في النماذج الصغيرة، مثل نوافذ السياق المحدودة، مما يمكنها من معالجة مهام معقدة وطويلة الأمد بكفاءة تضاهي، وفي بعض الحالات تتفوق على، النماذج الأكبر حجمًا في مهام محددة. على سبيل المثال، قدرة Fara1.5 على مضاعفة أداء Fara-7B في مهام التنقل عبر الويب هي شهادة على فعالية هذا النهج.
كما أن دمج MagenticBrain كنموذج تنسيق بحجم 14 مليار معلمة، والذي يتعلم التخطيط والبرمجة والتفويض بسلاسة، يسلط الضوء على الأهمية المتزايدة للنماذج المتخصصة داخل بنية الوكيل. بدلاً من الاعتماد على نموذج واحد متعدد الأغراض، يسمح هذا النهج لكل نموذج بالتعامل مع جزء أضيق وأكثر تخصصًا من المشكلة، مما يستفيد من نقاط القوة المحددة لكل نموذج ويضع الأساس لتوسعات مستقبلية مع وكلاء فرعيين إضافيين.
تُظهر هذه الإصدارات أيضًا التزام مايكروسوفت بالأمن والخصوصية. فتشغيل النظام بأكمله داخل Quicksand، وهو غلاف مفتوح المصدر يعتمد على QEMU لتوفير بيئة اختبار معزولة، يضمن عزل جلسات المتصفح وتنفيذ التعليمات البرمجية عن النظام المضيف. هذا الجانب الأمني حيوي لتبني واسع النطاق لوكلاء الذكاء الاصطناعي الذين يتفاعلون مع بيانات المستخدم الحساسة.
خلاصة عملية
تُعد حزمة MagenticLite وMagenticBrain وFara1.5 من مايكروسوفت للبحوث خطوة جريئة نحو مستقبل تكون فيه وكلاء الذكاء الاصطناعي أكثر كفاءة، وخصوصية، وقدرة على العمل على نطاق واسع من الأجهزة. إنها تبرهن على أن الحجم ليس هو العامل الوحيد المحدد للأداء، وأن التصميم الذكي والتنسيق المحسن يمكن أن يفتحا إمكانات هائلة للنماذج الأصغر.
هذا الابتكار ليس مجرد تحسين تقني؛ إنه يمثل نموذجًا جديدًا لتطوير الذكاء الاصطناعي، يركز على الكفاءة والتكلفة والوصول. يمكن للمطورين الآن استكشاف بناء وكلاء ذكاء اصطناعي قادرين على أداء مهام معقدة دون الحاجة إلى موارد ضخمة، بينما يمكن للمستخدمين التطلع إلى مساعدين ذكيين يعملون محليًا، مما يعزز إنتاجيتهم ويحمي خصوصيتهم. إنها دعوة للمجتمع الأوسع لتجربة هذه الأدوات وتقديم الملاحظات، مما يمهد الطريق لجيل جديد من تطبيقات الذكاء الاصطناعي المدمجة في حياتنا اليومية.