تشهد التكنولوجيا الحديثة تقدمًا ملحوظًا في نظم الذكاء الاصطناعي، حيث أصبحت نماذج اللغات الضخمة (Large Language Models) قادرة على توليد إجراءات سير العمل، والإصلاحات، والخطط بدقة متزايدة. إلا أن هذه الإجراءات المتولدة قد تكون صحيحة نحويًا لكنها قد تواجه صعوبات في التنفيذ أو تكون متعارضة أو حتى مدمرة للأدلة الداعمة للإصلاح.

في هذا السياق، قدم الباحثون نموذجًا جديدًا يحمل اسم "معالجة المعاملات الوكيلة" (Agentic Transaction Processing - ATP)، والذي يعامل الاقتراحات المُولّدة كأنها مقترحات غير موثوقة حتى تمرر تحت مجموعة من القيود القابلة للتنفيذ المعروفة مسبقًا.

تعتمد هذه العملية على مبدأ مزدوج؛ حيث أن الاقتراح لا يُعتبر حقيقة، ولا يمكن لأي اقتراح أن يتنبأ بكل الاضطرابات المحتملة. يعترض على أي اقتراح، لكن فقط أثناء التشغيل يُقبل ويُسجل. وعندما تحدث اضطرابات غير متوقعة، تُجرى الإصلاحات بشكل تفاعلي ضمن الحدود المحددة، بدلاً من الوثوق في اقتراح جديد.

تُظهر الأبحاث أن نموذج ATP يحقق أربع خصائص أمان أساسية أمام مجموعة القيود C، تشمل فصل السلطة، والقبول التوليدي المتسلسل، والإصلاح الذي يحفظ الأدلة، وحدود الالتزام.

تستند Mnemosyne، وهي بيئة تشغيل مفتوحة المصدر، إلى سجل انتقالات قابل للإضافة فقط، مما يسهل التوقعات الفعالة ودعم التعويض الآمن من الاعتماد. أظهرت الاختبارات التي أُجريت عليها أن معدلات الانتهاك المستهدفة كانت أقل من 6%، مما يضمن قبول الأعمال الصالحة مع حاجز أعلى بشكل كبير للإصلاحات المحلية مقارنةً بالحسابات العالمية.

إذا كنت من مهتمين بالتكنولوجيا والحلول الذكية، فإن Mnemosyne تمثل خطوة كبيرة للأمام في كيفية التعامل مع الأعمال التي تعتمد على الذكاء الاصطناعي. للمزيد من التفاصيل حول هذا المشروع، يمكنك زيارة هذا الرابط. ما رأيكم في هذه التقنية الجديدة؟ شاركونا أفكاركم في التعليقات!