كسر أسطورة القياس: إعادة اكتشاف الأخطاء التقنية بذكاء اصطناعي متقدم

في عالم يتقدم بسرعة نحو الذكاء الاصطناعي، لم تخلُ الأبحاث من مغامرات مثيرة تتناول فعالية هذه التقنية في مجالات متعددة. في أحدث الدراسات التي نشرتها شركة Anthropic، تم الجمع بين ادعاءات قياسية وقصص واقعية حول اكتشاف الأخطاء عبر أنظمة التشغيل الشهيرة بما في ذلك OpenBSD، FreeBSD، Linux، FFmpeg، والمتصفحات.

تقرير هذه الورقة يروي تفاصيل تجربة تمت تحت إشراف دقيق لتقييم مدى قدرة نماذج الذكاء الاصطناعي على إعادة اكتشاف الملفات المستهدفة في ستة مهام تتعلق بأنظمة مرتبطة بمشروع Mythos. كل نموذج تلقى نفس الملف أو الملفات المستهدفة، مع أدوات مصدرية للقراءة فقط، وتم تكرار كل مهمة ثلاث مرات. تشدد التجربة على أن الموجهات تم استبعادها من أي تعريفات للأخطاء (CVE identifiers) أو نصوص للإعلانات أو أسماء المؤلفين.

أسفرت التجربة عن 54 محاولة مصنفة من نماذج مختلفة، حيث حقق نموذج GPT-5.5 xhigh تصنيفًا مرموقًا بست محاولات ناجحة من ثمانية عشر، بينما حقق نموذج Claude Opus 4.7 نجاحًا واحدًا، في حين لم تنجح نموذج Kimi K2 في اكتشاف أي أخطاء.

التحدي الرئيسي الذي تواجهه نماذج الذكاء الاصطناعي هو الالتزام المبكر بمرشحات محتملة ضمن الملف المعين، مما يعكس عجزها في قراءة البيانات بشكل دقيق واكتشاف ما يتطلبه الدليل العام لإصلاح الأخطاء المتوقعة. ورغم هذه النتائج، لا تدحض التجربة سير العمل السري لشركة Anthropic، بل تُظهر أن الطرق الخاصة بالنماذج تحديدًا ليست كافية في هذا السياق.

من الواضح أن البحث مستمر لتوسيع آفاق استخدام الذكاء الاصطناعي في تصحيح الأخطاء، مما يفتح المجال لابتكارات جديدة في العالم الرقمي.