في عالم الذكاء الاصطناعي، قد تنجح الأنظمة في العروض التجريبية ولكنها قد تواجه عقبات كبيرة عند تطبيقها بشكل دائم. تفيد التقارير الصناعية بأن معظم المشاريع التجريبية لا تصل إلى الإنتاج، وأن الأنظمة المطبقة نادراً ما تحتفظ بالتغذية الراجعة أو تُحسن مستوى الأداء مع مرور الوقت. هذه الظواهر مشكلة شائعة تعود إلى الجذور المعمارية نفسها، حيث تعمل الأنظمة بناءً على بيانات مُهيكلة لتناسب البشر وتطبيقاتهم التقليدية، بدلاً من نماذج اللغات الضخمة (Large Language Models) التي تُشغلها.

يُظهر مقاله الجديد أن الشركات التي تسعى لتطبيق أنظمة الذكاء الاصطناعي بشكل دائم تحتاج إلى إعادة بناء البنية المعرفية الخاصة بها، وهي البيئة المشتركة التي تعمل فيها هذه الأنظمة، بحيث تُناسب متطلبات المعالجة العقلية للذكاء الاصطناعي. وهذا يعني تقليل الاعتماد على أنظمة التصنيف والتوجهات التقليدية.

تقدم الورقة رؤية تتضمن إطار عمل مؤلف من أربعة طبقات (البيانات، المعرفة، الذكاء، الحوكمة)، مع وجود "وكيل مزامنة" يعمل على تعزيز الحدود التشغيلية وضمان جودة الأداء بشكل ثابت. كما تتناول الورقة العقبات والتهديدات المرتبطة بهذه الأنظمة، بما في ذلك التهديدات غير المباشرة التي قد تؤثر سلباً على الأداء.

بينما يتم استعراض الأسس التاريخية للتصميم الشائع، يُثير هذا الاقتراح مجموعة من التساؤلات حول كيفية تنفيذ هذه التحسينات في الحياة الحقيقية. في النهاية، تثير هذه البحوث الآمال في إمكانية إحداث تحول جذري في تصميم الأنظمة الذكية وتحقيق نجاح مستدام.