من يقرر ما يخبرك به الذكاء الاصطناعي؟ كامبل براون، رئيسة الأخبار السابقة في ميتا، لديها آراء

شاهدت كامبل براون إطلاق ChatGPT من داخل مقر ميتا الرئيسي وكان لديها فكرة واحدة واضحة: "أطفالي سيكونون حقاً أغبياء إذا لم نتمكن من حل هذه المشكلة." لم تكن مذيعة NBC السابقة التي تحولت إلى رئيسة الأخبار في فيسبوك تبالغ في التعبير. كانت تراقب تشكل اختناق معلومات جديد في الوقت الفعلي — ولم يبدُ أن أحداً يبني أدوات تطوير الذكاء الاصطناعي التي يعتمد عليها مطورو آسيا يهتم بالدقة. تفوقت النماذج الأساسية في معايير البرمجة بينما تهلوس حول الحقائق الأساسية حول الجيوسياسة والصحة النفسية والتمويل. بعد سبعة عشر شهراً، أطلقت براون Forum AI لحل المشكلة التي تجاهلتها الصناعة: من يقرر ما يخبرك به الذكاء الاصطناعي عندما لا تكون الإجابة ثنائية؟

تقيّم شركتها النماذج الأساسية على "المواضيع عالية المخاطر" — الموضوعات التي تهم فيها الخبرة والإجابات الخاطئة لها عواقب. المنهجية مباشرة: استقطب خبراء متخصصين (نيال فيرغسون، توني بلينكن، كيفن مكارثي للجيوسياسة؛ لجان مماثلة للمجالات الأخرى)، اطلب منهم بناء معايير التقييم، ثم درّب قضاة الذكاء الاصطناعي للوصول إلى توافق 90% مع الخبراء البشريين. النتائج المبكرة تكشف حقائق محرجة. يسحب Gemini من مواقع الحزب الشيوعي الصيني للقصص التي لا علاقة لها بالحزب الشيوعي الصيني. النماذج المحسّنة للبرمجة تفشل بشكل مذهل في الدقة. الفجوة بين ما يقيسه وادي السيليكون (درجات MMLU، معدلات نجاح HumanEval) وما يحتاجه المستخدمون (الدقة السياقية في المواضيع المعقدة) لم تكن أوسع من أي وقت مضى.

ما هي أدوات تطوير الذكاء الاصطناعي؟

أدوات تطوير الذكاء الاصطناعي هي منصات وأطر عمل تسمح للمطورين ببناء وتدريب ونشر ودمج نماذج التعلم الآلي في التطبيقات. تغطي الفئة كل شيء من مكتبات الموتر منخفضة المستوى (PyTorch، TensorFlow) إلى مغلفات API عالية المستوى (SDK من OpenAI، Claude API من Anthropic) إلى منصات كاملة المكدس تتعامل مع البنية الأساسية وإدارة النماذج وخطوط أنابيب النشر. يهم التمييز لأن الأداة التي تختارها تشكل ما يمكنك بناؤه وسرعة شحنك.

بالنسبة لمطوري آسيا، تنقسم المشهد إلى ثلاث طبقات. الأولى: منصات محلية السحابة من AWS (SageMaker)، Google (Vertex AI)، و Microsoft (Azure ML) — قوية لكن مكلفة، مع مشاكل الكمون عندما يكون مستخدموك في جاكرتا والحوسبة الخاصة بك في فيرجينيا. الثانية: خدمات موجهة للـ API مثل OpenAI و Anthropic — سريعة في التكامل لكن معتمة، مع تحكم محدود في سلوك النموذج وتسعير يتسع بشكل غير متوقع. الثالثة: منصات إقليمية مبنية لواقع البنية الأساسية في آسيا — كمون أقل، امتثال محلي، تسعير بالعملات الإقليمية.

ظهرت فئة منصة تطوير أصلية للذكاء الاصطناعي لحل مشكلة محددة: ظلت الفجوة بين "لدي فكرة" و "لدي منتج مُنشر" تُقاس بالأشهر، وليس الأيام. تطلبت سير العمل التقليدية أدوات منفصلة للنماذج الأولية والتدريب والنشر والمراقبة والتكرار. أدخل كل تسليم احتكاكاً. قلل كل قفل البائع المرونة. أمضى المطورون وقتاً أطول في إدارة البنية الأساسية بدلاً من بناء الميزات.

ما الذي يجعل الأداة "أصلية للذكاء الاصطناعي" بدلاً من مجرد "ممكّنة للذكاء الاصطناعي"؟ الأولى تعامل الذكاء الاصطناعي كواجهة أساسية، وليس إضافة. توليد الكود ليس ميزة جانبية — إنه سير العمل الافتراضي. يحدث اختيار النموذج بشكل سياقي بناءً على ما تبنيه، وليس أي بائع وقعت معه عقداً. تفهم خطوط أنابيب النشر أن نموذجك سيحتاج إلى إعادة تدريب، وليس فقط إعادة نشر. تفترض المنصة أنك تكرر بسرعة، وليس الشحن مرة واحدة.

أفضل الأدوات لمطوري آسيا

ينطبق نقد كامبل براون للنماذج الأساسية — أنها تحسّن معايير البرمجة بينما تفشل في التفكير الدقيق — بالتساوي على أدوات التطوير. منصة تتفوق في توليد مكونات React الجاهزة لكن لا يمكنها التكامل مع بوابات الدفع الإقليمية (GrabPay، GCash، Alipay) ليست مبنية للأسواق الآسيوية. تشترك أفضل أدوات تطوير الذكاء الاصطناعي لهذه المنطقة في ثلاث خصائص: البنية الأساسية المحلية، تكاملات API الإقليمية، والتسعير الذي لا يفترض جولات تمويل وادي السيليكون.

يهيمن GitHub Copilot على الوعي العام عالمياً لكنه يكافح مع السياق خارج بيانات التدريب الخاصة به. اطلب منه توليد تدفقات المصادقة لـ LINE Login (منتشرة في تايلاند واليابان) وستحصل على كود OAuth2 عام يفتقد الخصائص الخاصة بالمنصة. تظهر نفس القيود عبر الأدوات المبنية في الغرب: ممتازة للتطبيقات القياسية CRUD، ضعيفة للتفاصيل الإقليمية. هذه ليست مشكلة تقنية — إنها مشكلة بيانات. تعكس النماذج المدربة بشكل أساسي على مستودعات GitHub من المطورين الأمريكيين والأوروبيين تلك الأنظمة البيئية.

ظهرت بدائل إقليمية. توفر ModelScope من Alibaba Cloud نماذج مدربة مسبقاً محسّنة لمهام اللغة الصينية. يستهدف HyperCLOVA من Naver مطوري كوريا. تحل هذه المنصات المحلية لكنها ترث نفس تعقيد البنية الأساسية الذي حددته براون في ميتا: بائعون متعددون، واجهات برمجية غير متسقة، خطوط أنابيب نشر تفترض أن لديك فريق DevOps. تبقى الفجوة بين "يعمل في العرض التوضيحي" و "يشحن إلى الإنتاج" واسعة.

يقترب MonstarX من المشكلة بطريقة مختلفة بمعاملة التكامل كمصدر قلق من الدرجة الأولى. تتضمن مكتبة الموصلات الخاصة بالمنصة محولات مدمجة مسبقاً لبوابات الدفع في جنوب شرق آسيا ومزودي المصادقة وخدمات السحابة — طبقة البنية الأساسية التي تتجاهلها الأدوات العامة. حيث يولد Copilot كوداً ستحتاج إلى تصحيحه، ينتج MonstarX كوداً يفهم بالفعل هدف النشر الخاص بك. هذا يهم أكثر من درجات المعايير عندما تشحن للمستخدمين في مانيلا، وليس ماونتن فيو.

كيفية اختيار الأداة الصحيحة

تقدم منهجية Forum AI — استقطب الخبراء، حدد المعايير، قس التوافق — قالباً لتقييم أدوات التطوير. ما هي "مواضيعك عالية المخاطر"؟ بالنسبة لمعظم مطوري آسيا، تتضمن الإجابة: الكمون (المستخدمون على شبكات 4G في المدن من الدرجة الثانية)، الامتثال (تختلف قوانين إقامة البيانات حسب الدولة)، التكلفة (فواتير AWS بالدولار الأمريكي تؤلم عندما يكون إيرادك بالروبية)، والتكامل (الاتصال بالخدمات التي يستخدمها مستخدموك فعلاً).

ابدأ بمتطلبات البنية الأساسية. إذا كان مستخدموك في جنوب شرق آسيا، أين تعمل الحوسبة الخاصة بك؟ منصة مستضافة حصراً في US-East-1 تضيف كمون أساسي 200-300ms قبل تنفيذ الكود الخاص بك. يتفاقم هذا التأخير عند استدعاء واجهات برمجية خارجية. بالنسبة للتطبيقات في الوقت الفعلي (الدردشة، أدوات التعاون، التحديثات المباشرة)، الكمون ليس طلب ميزة — إنه مشكلة حاسمة. تحقق من مكان تشغيل المنصة لعقد الحافة وما إذا كانت تدعم النشر في سنغافورة أو طوكيو أو مومباي.

بعد ذلك، قم بتدقيق التكاملات التي ستحتاجها في الشهر الأول. معالجة الدفع: هل تدعم المنصة بوابات إقليمية أم فقط Stripe؟ المصادقة: هل يمكنك دمج LINE و KakaoTalk و Zalo إلى جانب Google و GitHub؟ خدمات السحابة: إذا كنت تستخدم Alibaba Cloud أو Tencent Cloud لأسباب الامتثال، هل تدعم الأداة تلك المزودين؟ تفترض المنصات العامة AWS/GCP/Azure. تعرف المنصات الإقليمية أفضل.

تكشف نماذج التسعير عن الأولويات. يبدو التسعير المستند إلى الاستخدام عادلاً حتى تدرك أن المنصة تقيس "استدعاءات API" أو "دقائق الحوسبة" دون التمييز بين نموذج أولي وحركة الإنتاج. يبدو التسعير بالطبقة الثابتة متوقعاً حتى تصل إلى حدود اصطناعية على حجم الفريق أو تكرار النشر. أفضل الأدوات لمطوري آسيا تسعر بالعملات المحلية وتنظم الطبقات حول أنماط الاستخدام الفعلية (عدد المشاريع، وليس عدد استدعاءات API)، لأنهم يفهمون أن شركة ناشئة من ثلاثة أشخاص في بنغالور لديها اقتصاديات مختلفة عن شركة Series B في سان فرانسيسكو.

أخيراً، قيّم منحنى التعلم بصراحة. يكشف رؤى براون حول الفجوة بين وادي السيليكون