في عصر التكنولوجيا المتقدمة، يعتمد العلماء بشكل متزايد على الحوسبة عالية الأداء (High Performance Computing - HPC) لتحقيق أهدافهم البحثية. إلا أن ترجمة تلك الأهداف إلى تنفيذات صحيحة على نطاق واسع لا تزال عملية معقدة وشاقة. هنا يأتي دور نموذج ECAS، وهو نظام متقدم للتحكم المدعوم بالذكاء الاصطناعي.

يستعرض نظام ECAS، الذي يمثل “E” للنظام المداري المبني على “C” للتحكم من حافة الشبكة و“A” لنموذج agentic، كيفية التغلب على عقبتين رئيسيتين في استخدام نماذج اللغات الضخمة (Large Language Models - LLM). أولهما هو المخاطر المرتبطة بإتاحة البيانات الحساسة للموديلات المستضافة على السحاب، والثانية هي الحاجة المستمرة للإشراف البشري عند حجب الوصول المباشر.

يعمل نظام ECAS على تنفيذ الدورة المغلقة للحملات العلمية مع الحد الأدنى من تدخل الإنسان، حيث يفصل بين reasoning (التفكير) وcontrol (التحكم) وexecution (التنفيذ). يقترح نموذج LLM الموجود في السحاب خططًا ومواد، بينما يحتفظ وكيل التحكم بالهامش (edge agent) بالبيانات الحساسة وسلطة التنفيذ في الموقع، مع تطبيق سياسات وقيود على الموارد.

من آليات ECAS الأساسية هي “التنفيذ المرتبط بالتحقق”، حيث تتجاوز المواد الناتجة الفحوصات الثابتة والتحقق من النطاق الصغير. عندما يحدث فشل، يتم تفعيل إصلاحات من التعليقات التنفيذية المخففة، ولا يُسمح بالتنفيذ على نطاق واسع إلا بعد اجتياز التحقق والفحص.

تظهر التجارب الأولية مع ثلاث تطبيقات علمية على نظامين إنتاجيين من ALCF تحسنًا ملحوظًا، حيث ارتفع معدل النجاح إلى 6/6 من عدم النجاح السابق. برهنت النتائج على إمكانية تفويض التفكير التكيفي إلى السحاب مع الحفاظ على السيطرة على التنفيذ في موقع الحوسبة.

تمثل ECAS خطوة نحو تسريع الأبحاث العلمية وجعلها أكثر كفاءة، مما يفتح الأبواب لمزيد من الابتكارات في هذا المجال. ما رأيكم في هذا التطور؟ شاركونا في التعليقات!