«كوردس بنش» يختبر وكلاء الذكاء الاصطناعي في إدارة شفراتهم: كلفة باهظة وفشل في تعقب الاعتماديات

تختبر ورقة بحثية جديدة نشرها الباحثان داميان سيليو وديميتري كاشلر قدرة النماذج اللغوية على إدارة دورات حياة البرمجيات ذاتيًا، عبر إطلاق مقياس تقييم يحمل اسم «كوردس بنش» (CordisBench). تركز الدراسة على ما يُعرف بأطر تشغيل الوكلاء الديناميكية، وهي البيئات البرمجية التي يُمنح فيها النموذج اللغوي صلاحية تعديل الشفرات والملحقات التي تضبط مسار تنفيذه ذاته. هذا النمط من التشغيل الذاتي يضع على كاهل النموذج عبء استدلال معقدًا، إذ إن أي تعديل موضعي في ملحق برمجي قد يمتد أثره عبر سلاسل الاعتماديات وخطوات التنظيف وإغلاق المكونات في الخلفية.

يضم مقياس «كوردس بنش» 1200 سؤال لاختبار هذا النوع من التفكير الحسابي، حيث يجمع بين إطار صوري منضبط وبرامج تُنفذ فعليًا داخل بيئة تشغيل تُدعى «كوردس»، وهي منصة مخصصة لإدارة اعتماديات المكونات وعمليات إنهائها وتنظيفها. وتتوزع مهام التقييم على أربعة مسارات محددة: تحديد المكونات البرمجية المتأثرة بأي تعديل، والتنبؤ بحالة النظام بعد تسلسل تفكيك محدد، وتحديد الشروط والحالات التي تظل صحيحة تحت جميع احتمالات الترتيب أو بعضها، واختيار خطط إعادة التهيئة التي تحقق النجاح فعليًا عند تشغيلها.

أخضع الباحثون ثلاثة نماذج موجهة نحو كفاءة التشغيل للاختبار بمستويات جهد استدلالي منخفض، مع قياس الأداء عبر ستة مستويات من التفاعلات البرمجية ذات الصلة تبدأ من تفاعلين اثنين وتتدرج إلى 4 و8 و16 و24 وصولًا إلى 32 تفاعلًا، اعتمادًا على آليات تسجيل حتمية مخصصة لكل مهمة. وأظهرت النتائج أن النماذج تنجح في التعامل مع الأنظمة البرمجية الصغيرة وذات التفاعلات المحدودة، لكن موثوقيتها تتراجع بصورة حادة كلما تعقدت شبكة التفاعلات، ويبرز هذا الإخفاق بوضوح عند محاولة التنبؤ بالحالة النهائية للنظام وعند التفكير في مسارات التفكيك والإغلاق المتعددة.

زيادة جهد التفكير تمنح بعض النماذج قفزات ملحوظة في دقة التنبؤ، غير أن هذه المكاسب تأتي بفاتورة تشغيلية ثقيلة؛ ففي مجموعة اختبار تضم 16 تفاعلًا، استهلك نموذج «جي بي تي 5.6 لونا» ما يقارب 3000 رمز تفكير لكل سؤال عند تشغيله بمستوى جهد متوسط. وتكشف الدراسة أن هذا الإنفاق الحوسبي المرتفع يمكن تفاديه بالكامل، بعدما أثبتت النتائج أن بناء دلالات إسناد متناهية ومستقلة على مستوى البنية البرمجية يتطابق مع تنفيذ بيئة «كوردس» في كل ملاحظة ونتيجة إجراء طوال 528 سؤالًا قابلًا للتنفيذ الفعلي، ما يعني أن حسم تسلسل العمليات ببرمجيات حتمية يتفوق كليًا على حرق الرموز التوليدية لمحاكاة المنطق البرمجي.

يحمل هذا الكشف بعدًا تطبيقيًا بالغ الأهمية للمهندسين وفرق التطوير في الخليج ومصر والشام الذين يعملون على بناء وكلاء ذكاء اصطناعي لإدارة الأنظمة والخدمات السحابية المعقدة. إن الاعتماد الكامل على النموذج التوليدي لتتبع دورات حياة المكونات وحساب مسارات الإغلاق والاعتمادية يرفع تكلفة الاستدلال بصورة هائلة، ويترك النظام عاجزًا عن ضمان الاستقرار عند وصول عدد التفاعلات إلى مستويات متقدمة. والحل الهندسي الرشيد هنا هو الفصل الصارم في البنية التحتية: إسناد إدارة دورة الحياة وحساب التبعات إلى طبقة برمجية حتمية مضبوطة القواعد، وإبقاء النموذج اللغوي مقتصرًا على المهام الإرشادية والتنسيقية العليا، ما يحمي الميزانيات التشغيلية من الاستنزاف ويمنع انهيار مسارات العمل المؤتمتة.