«أوتو تورينغ» يختبر فهم الوكلاء لمعمارية الحواسب: المعرفة الهندسية تختصر 70 في المئة من كلفة المحاكاة

أفحص في هذه القراءة ورقة بحثية جديدة نشرها باحثون على منصة «أركايف»، تضع قدرة وكلاء الذكاء الاصطناعي على تصميم عتاد الحوسبة تحت اختبار منهجي دقيق. تطرح الورقة تساؤلا جوهريا حول ما إذا كانت النماذج تمتلك فهما هندسيا حقيقيا لمعمارية الآلات، أم أنها تكتفي بممارسة بحث بارع بين متغيرات رقمية لا تدرك معناها. هذا التمييز يحسم مستقبل أتمتة العتاد الصلب، لأن الفهم المعماري وحده هو ما ينتقل مع الوكيل من معمارية إلى أخرى، بينما يتلاشى أثر البحث الإحصائي الأعمى بمجرد تغيير بيئة المعالجة.

صمم الباحثون أمبيكا شاران وجريجوري تشيركوف وسهيل عباسلو إطارا تجريبيا باسم «أوتو تورينغ»، وضعوا فيه الوكيل الذكي أمام فضاء تسريع معقد من 15 بعدا في حالتين متطابقتين تماما من حيث أداة التقييم والفضاء المتاح وأفضل النتائج الممكنة. في الحالة الأولى، عُرضت المعايير كمتغيرات معمارية ذات مسميات وظيفية دقيقة مقرونة بعدادات محاكاة، وفي الحالة الثانية قُدمت المعايير كأرقام مجهولة ومجردة ضمن المدى بين صفر وواحد، بحيث كان الفارق الوحيد بين التجربتين هو وجود الدلالة الهندسية أو غيابها.

أظهرت القياسات، التي استندت إلى حزمة من تسع نوى حوسبية لضرب المصفوفات العامة بنمط الدقة النصفية «FP16 GEMM»، أن إدراك الدلالة يحقق مكاسب حاسمة في الأداء واستهلاك الطاقة الحسابية. الوكيل المدرك للمصطلحات الهندسية تفوق على محاكاة معالج «H200» بنسبة 5.4 في المئة، وتجاوز نظيره الأعمى بنسبة 12.3 في المئة في المتوسط. والأهم من ذلك أن الوكيل المعماري أنجز هذه الكفاءة بعدد استدعاءات لمحاكي العتاد أقل بنسبة 70.1 في المئة مقارنة بالنموذج الذي يبحث بلا دلالات.

لكن التجربة كشفت عن مفارقة غير متوقعة عند تطبيق حلقات المراجعة النقدية المهيكلة. استعادت حلقة النقد المنضبطة معظم فجوة الأداء لصالح الوكيل الأعمى، بينما لم تقدم أي إضافة تذكر للوكيل المعماري. هذا السلوك يوضح أن المعرفة المعمارية الصريحة وحلقات التدقيق التكرارية تعملان كبدائل وظيفية لبعضهما وليستا أداتين مكملتين، مع تأكيد الباحثين على الطبيعة الأولية لتلك النتائج التي بنيت على خمس إلى ست جولات تجريبية لمسرع افتراضي مفرد، حيث تركز المساهمة على إطار القياس نفسه لا على تصميم الشريحة بحد ذاته.

هذا الكشف يعيد ترتيب أولويات مختبرات أشباه الموصلات وفرق هندسة النظم في الخليج ومصر، تزامنا مع التوسع الإقليمي في بناء المعالجات المخصصة ومراكز البيانات السيادية. إذا كنت تقود فريقا لتصميم مسرعات الذكاء الاصطناعي، فإن توفير أكثر من سبعين في المئة من استدعاءات المحاكاة يعني خفضا مباشرا في فواتير الحوسبة السحابية وساعات التشغيل على الخوادم الفائقة، مما يمنح الشركات الناشئة قدرة على محاكاة معالجاتها بميزانيات تشغيلية واقعية. كما يضع أمام المهندسين خيارا عمليا واضحا: إما الاستثمار في تزويد الوكلاء ببيانات معمارية دقيقة لاختصار زمن المحاكاة، أو بناء حلقات نقد آلية تعوض نقص التخصص الهندسي على حساب وقت تشغيل أطول.

تكمن القيمة الحقيقية للتجربة في تفكيك مقاييس الأداء السطحية، ووضع حد للخلط بين خوارزميات البحث الإحصائي والاستيعاب الهندسي للعتاد. ومع دخول الذكاء الاصطناعي مرحلة تصميم الشرائح التي سيعمل عليها مستقبلا، فإن امتلاك أطر تقييم تفصل بين الفهم والأتمتة العشوائية هو الأساس لبناء قدرات تقنية راسخة وقابلة للنقل والتطوير عبر أجيال المعالجات القادمة.