فيراري تستخدم ذكاء IBM الاصطناعي لإنشاء عشاق فورمولا 1 الحقيقيين

أعادت IBM وفريق Scuderia Ferrari HP صياغة طريقة تفكير فرق الفورمولا 1 في التفاعل مع المشجعين. يركز الشراكة، التي تم الإعلان عنها منذ سنتين، على استخدام الذكاء الاصطناعي لتحويل تطبيق فيراري للمشجعين إلى محرك تجربة مخصصة — لا يقتصر على دفع ملخصات السباقات، بل يتعلم ما يهتم به كل مشجع. وفقاً لنائب رئيس IBM لشراكات الرياضة والترفيه، كاميرين ستانهاوس، الهدف بسيط: مساعدة المشجعين على "رؤية كيف يخدمهم الذكاء الاصطناعي" من خلال سرد قصص رياضية. بالنسبة للمطورين الذين يبنون تطبيقات المستهلك عبر آسيا — حيث انفجرت مشاهدة الفورمولا 1 بفضل مسلسل Netflix "Drive to Survive" — تقدم هذه الشراكة خريطة طريق لما تحتاج فرق أدوات تطوير الذكاء الاصطناعي في آسيا إلى إتقانه: التخصيص في الوقت الفعلي على نطاق واسع.

ما تكشفه استراتيجية فيراري للذكاء الاصطناعي عن التطوير الحديث

وظفت فيراري ستيفانو بالارد كـ "رئيس تطوير المشجعين" — وهي وظيفة لم تكن موجودة قبل ثلاث سنوات — لحل مشكلة تواجهها كل منصة استهلاكية: الوصول إلى ملايين المستخدمين مع جعل كل واحد منهم يشعر بأنه مفهوم بشكل فردي. كان التطبيق الموجود يدفع تحديثات سباق عامة للجميع. النسخة الجديدة المدعومة من IBM تحلل أنماط السلوك لإظهار المحتوى ذي الصلة: إذا أعدت مشاهدة لقطات الكاميرا الموجودة على متن الطائرة من زوايا محددة، يتعلم التطبيق أنك تهتم بتقنية القيادة. إذا تخطيت مقاطع راديو الفريق لكنك تقرأ كل مقالة تنظيمية تقنية، فإنه يتكيف.

هذا ليس نظرية ذكاء اصطناعي جديدة. إنه تعلم آلي بدرجة الإنتاج مطبق على مجال حيث تكون الكمون مهماً — السباقات تحدث مباشرة، اهتمام المشجعين يصل ذروته في لحظات محددة، والتوصيات القديمة تقتل التفاعل. يعكس التحدي التقني ما تواجهه منصات التجارة الإلكترونية في جنوب شرق آسيا خلال المبيعات السريعة، أو ما تتعامل معه تطبيقات التكنولوجيا المالية الهندية خلال فترات التسوق في المهرجانات. تحتاج إلى سرعة الاستدلال، وخطوط أنابيب البيانات التي لا تختنق تحت الحمل، والنماذج التي تتكيف دون الحاجة إلى درجة دكتوراه في علوم البيانات للحفاظ عليها.

أحضرت IBM منصة watsonx الخاصة بها إلى الشراكة، والتي تتعامل مع معالجة اللغة الطبيعية لميزات المحادثة في فيراري ومحرك التوصيات الذي يدعم تخصيص المحتوى. التفصيل المثير للاهتمام: فيراري لم تعيد بناء مكدسها بالكامل. قاموا بدمج قدرات الذكاء الاصطناعي في البنية الأساسية الموجودة من خلال واجهات برمجية — نفس الأسلوب الذي يجعل منصات vibe coding قابلة للتطبيق للشركات الناشئة التي لا تستطيع تحمل مشاريع دمج الذكاء الاصطناعي لمدة ستة أشهر.

لماذا يجب أن يهتم مطورو آسيا بتكنولوجيا الرياضة

تكشف شراكات الفورمولا 1 التقنية عن المكان الذي يعمل فيه ذكاء المؤسسات بالفعل، وليس فقط حيث يتم الإشادة به. تدعم AWS محاكاة استراتيجية السباق لعدة فرق. تدير Oracle تحليلات البيانات لفريق Red Bull Racing. شكلت Anthropic مؤخراً شراكة مع Mercedes لأدوات الذكاء الاصطناعي المحادثة. هذه ليست برامج تجريبية — إنها أنظمة إنتاجية تتعامل مع ملايين المستخدمين المتزامنين خلال نهايات الأسبوع السباقة.

بالنسبة للمطورين في آسيا، تقدم شراكات الرياضة ثلاث دروس. أولاً، التخصيص على نطاق واسع يتطلب بنية أساسية تقلل معظم الفرق من شأنها. يخدم تطبيق فيراري المشجعين عبر المناطق الزمنية، بلغات عشرات، مع محتوى يتحدث كل بضع ثوان خلال السباقات. هذا أصعب مما يبدو عندما يحتاج نموذجك إلى معالجة سلوك المستخدم وقياس السباق والمشاعر الاجتماعية في نفس الوقت.

ثانياً، يجب أن تكون ميزات الذكاء الاصطناعي غير مرئية. أكد بالارد على أن المشجعين لا يجب أن يفكروا في الذكاء الاصطناعي — يجب أن يلاحظوا فقط أن التطبيق "يفهمهم". هذا يتطابق مع ما تعلمته التطبيقات الفائقة الآسيوية الناجحة: مستخدمو WeChat لا يهتمون بأن خوارزميات التوصية تدعم اقتراحات برنامجهم الصغير. يهتمون بظهور الخدمات ذات الصلة عند الحاجة. أفضل أدوات تطوير الذكاء الاصطناعي التي تستخدمها فرق آسيا تتبع نفس المبدأ: تجريد التعقيد، كشف القيمة.

ثالثاً، الشراكات بين العلامات التجارية القديمة ومنصات التكنولوجيا تعمل عندما يساهم كلا الطرفين بخبرة المجال. تفهم فيراري علم نفس المشجعين وثقافة السباق. تفهم IBM الأنظمة الموزعة ونشر النموذج. لا يمكن لأي منهما بناء المنتج النهائي وحده. هذا يعكس نموذج التعاون الذي تمكنه منصات التطوير الأصلية للذكاء الاصطناعي: يتعامل مقدمو البنية الأساسية التقنية مع تعقيد الذكاء الاصطناعي، ويركز خبراء المجال على تجربة المستخدم.

المكدس التقني خلف تخصيص المشجعين

بينما لم تنشر IBM العمارة الدقيقة لفيراري، يمكننا استنتاج المكونات من عمليات نشر تكنولوجيا رياضية مماثلة. يحتمل أن يتضمن النظام بث الأحداث في الوقت الفعلي (معالجة قياس السباق وبيانات التوقيت)، ومحرك التوصيات (مطابقة المحتوى مع تفضيلات المستخدم)، ومعالجة اللغة الطبيعية (التعامل مع أسئلة وتعليقات المشجعين)، وشبكة توصيل محتوى محسنة للفيديو.

محرك التوصيات هو حيث تعثر معظم الفرق. تحتاج إلى تصفية تعاونية للعثور على أنماط عبر المستخدمين، وتصفية قائمة على المحتوى لمطابقة المقالات مع الاهتمامات، والقطاعات السياقية للتعامل مع مشكلة البداية الباردة عندما ينضم مشجعون جدد. يتطلب تدريب هذه النماذج بيانات مصنفة — من المفترض أن تكون فيراري قد صنفت آلاف قطع المحتوى حسب الموضوع والسائق والعمق التقني والنبرة العاطفية.

النشر مهم بقدر جودة النموذج. خلال السباق، يفتح ملايين المشجعين التطبيق في نفس الوقت. يحتاج خط أنابيب الاستدلال الخاص بك إلى إرجاع توصيات مخصصة في أقل من 200 ميلي ثانية أو يرتد المستخدمون. يتطلب هذا تقنيات تحسين النموذج مثل التكميم، واستراتيجيات التخزين المؤقت الحذرة، والتوزيع الجغرافي لموارد الحوسبة. إنه نفس التحدي الذي تواجهه شركات الألعاب الآسيوية خلال إطلاقات الألعاب الجديدة، أو ما تتعامل معه منصات توصيل الطعام خلال ساعة الغداء.

يتعامل المكون اللغوي الطبيعي مع أسئلة المشجعين حول قواعد السباق وإحصائيات السائقين وتاريخ الفريق. هذا يحتمل أن يستخدم الجيل المعزز بالاسترجاع — يبحث النموذج في قاعدة معارف فيراري قبل توليد الإجابات، مما يقلل الهلوسات. يعمل الأسلوب لأن الفورمولا 1 لديها بيانات منظمة: أوقات اللفات، نقاط البطولة، وثائق التنظيم. قارن هذا مع دعم العملاء المفتوح النهاية، حيث تكون قواعس المعارف أكثر فوضى وترتفع معدلات الهلوسة.

بناء أنظمة مماثلة بدون ميزانية IBM

لا تستطيع معظم الشركات الناشئة الآسيوية تحمل عقود IBM للمؤسسات. لكن الأنماط المعمارية التي تستخدمها فيراري — التخصيص في الوقت الفعلي، والواجهات المحادثة، وتوصية المحتوى — يمكن الوصول إليها من خلال منصات التطوير الحديثة. المفتاح هو فهم المكونات التي تحتاج إلى بنائها مقابل المكونات التي يمكنك دمجها.

ابدأ بخط أنابيب البيانات الخاص بك. إذا كنت تخصص المحتوى، فأنت بحاجة إلى تتبع أحداث نظيف: ما يشاهده المستخدمون، كم من الوقت يتفاعلون، ما الذي يتخطونه. تتعامل أدوات مثل Segment أو Rudderstack مع المجموعة. للتخزين، يعمل PostgreSQL مع الفهرسة الصحيحة حتى تصل إلى ملايين الأحداث يومياً. ثم فكر في قواعس البيانات الزمنية مثل TimescaleDB أو ClickHouse.

للتوصيات، تتعامل مكتبات مفتوحة المصدر مثل LightFM أو Surprise مع التصفية التعاونية. إذا كنت بحاجة إلى المزيد من التطور، توفر منصات مثل Pinecone أو Weaviate قواعس بيانات متجهة للبحث الدلالي — مفيدة عند مطابقة المستخدمين مع المحتوى حسب المعنى، وليس فقط الكلمات الرئيسية. ميزة هذه الأدوات هي الاعتماد الإضافي: ابدأ بتصفية تعاونية أساسية، أضف البحث الدلالي عندما يكون لديك محتوى كافٍ، قدم التعلم المعزز عندما تفهم حلقات ملاحظات المستخدم.

الذكاء الاصطناعي المحادث هو حيث تتألق منصات التكامل. بناء روبوت محادثة بدرجة الإنتاج من الصفر يتطلب هندسة الفورات، وخطوط أنابيب الاسترجاع، ومرشحات السلامة، ولوحات معلومات المراقبة. تسمح المنصات التي تجمع هذه القدرات بالتركيز على معرفة المجال — تدريب النموذج على محتواك المحدد — بدلاً من البنية الأساسية. عادة ما تتضمن الوثائق لمنصات الذكاء الاصطناعي الحديثة