في عصر الذكاء الاصطناعي الحديث، يقوم الكثير من الوكلاء البرمجيين الذكيين بتزويد أنفسهم بأدوات متقدمة لفحص أعمالهم، مثل المدققين (Linters)، وأدوات الاختبار، وأدوات لقطة الشاشة (Screenshot Tools). تُعرف هذه المجموعة باسم "سطح التحقق" (Verification Surface) الخاص بالوكيل.

لقد أجريت دراسة جديدة تهدف إلى استقصاء ما إذا كانت زيادة هذا السطح، مع بقاء كافة المتغيرات الأخرى ثابتة، تؤدي إلى زيادة مماثلة في جودة البرمجيات التي يتم إنتاجها. تم بناء وكيل برمجي بسيط ليكون المتغير المُتحكّم فيه الوحيد، واستخدامه لتنفيذ 1,116 تطبيق ويب عبر ستة نماذج وثمانية تكوينات أدوات.

تم تقييم كل تطبيق من قِبَل مُقيّم بشري غير مُطلع، باستخدام معايير ثابتة، حيث خضعت التطبيقات لاختبارات قاسية من خلال بروب آلي لفحص السلوكيات القابلة للملاحظة عبر واجهات برمجة التطبيقات (APIs).

أظهرت النتائج أن أول فائدة بسيطة من أدوات التحقق تُحقق من قابلية تشغيل التطبيق، حيث أنه بدون أي أدوات، يفشل نحو واحد من كل سبعة مشاريع في الظهور أصلاً. تُظهر الدراسة أن استخدام بروب بدء التشغيل يمكن أن يُقلل من هذه النسبة الفاشلة إلى حد كبير، بتكلفة تعادل 35% فقط من تكلفة استخدام أداة شل (Shell) كاملة.

كما أن لقطات الشاشة تُسهم في تحسين النتائج عندما تكون الأخطاء مرئية، مثل مواقع العناصر أو تفاعلات المستخدم، إلا أن الزيادة هنا متواضعة، ولا تستمر عندما يتم تصحيح المقارنات الإحصائية المتعددة. في الحالات التي تتعذر فيها الملاحظة كفشل سلس التمرير لقائمة تضم 100,000 صف، فإن لقطات الشاشة لا تضيف شيئًا.

يؤكد البحث أن أداة التحقق تُحسن من جودة المنتج النهائي فقط عندما تغطي الأخطاء التي تُحدث في التطبيق فعلاً. لذا، فهل تعتقد أن أدوات التحقق هي المفتاح لجودة عالية في تطبيقات الذكاء الاصطناعي؟ شاركونا آرائكم في التعليقات!