في عالم البرمجيات الحديث، أصبحت نماذج الذكاء الاصطناعي (AI) هي القوة الدافعة وراء تحقيق الإنجازات التكنولوجية. ولكن، بالرغم من الطفرة الكبيرة في قدرات هذه النماذج، يظل التحدي أمام المهندسين الذين يسعون لتحقيق البرمجة الذاتية بكفاءة وموثوقية. هنا يأتي دور مفهوم "الهندسة الذكية للذكاء الاصطناعي".

يستند هذا المفهوم على فكرة أن فعالية نماذج الذكاء الاصطناعي لا تعتمد فقط على قدراتهم من حيث التعلم والتطبيق، بل تتطلب أيضًا بيئة عمل مناسبة تدعم التفاعل مع مشروع البرمجة. وفقًا لدراسة حديثة، هناك حاجة لبيئة أخرى تعمل كوسيط (runtime substrate) تُعرف بـ "الهارنز"، التي تتيح لنموذج الذكاء الاصطناعي مراقبة المشروع، التصرف بناءً على المعطيات، وتلقي ردود الفعل.

يمثل إطار عمل هذه الهندسة مُكوناً مهمًا يتضمن 11 مسؤولية أساسية تشمل تحديد المهام، اختيار السياق، وصول الأدوات، ذاكرة المشروع، حالة المهام، الرؤية، تحسين الأخطاء، التحقق، الأذونات، تدقيق الالتباس، وتسجيل التدخلات. يتم تصنيف هذا الإطار إلى أربعة مستويات (H0-H3) بحيث يتيح التعرض التدريجي لمستويات الدعم في بيئة العمل، مما يساهم في تحسين النتائج.

وما يجعل هذا الإطار ثوريًا هو أنه يعيد تشكيل الأسئلة الأساسية لتطوير البرمجيات الذاتية. بدلًا من السؤال عن قدرة النموذج الأساسي في إنتاج تصحيح، يتم طرح السؤال الآن: هل يمكن لنظام نموذج-هارنز-بيئة انتاج تغيير يمكن التحقق منه، متعلق ومُعتمد؟

تعتبر هذه الهندسة خطوة جوهرية نحو تحقيق أنظمة تشغيل موثوقة وفعالة للبرمجيات الذاتية، وفي هذا السياق، تبرز أهمية البحوث المستحدثة التي ستركز على بناء هذه الأنظمة وتعزيز تطوير البرمجيات.