ندى سلام

مع انتقال الذكاء الاصطناعي من مرحلة روبوتات المحادثة إلى الوكلاء القادرين على تنفيذ مهام معقدة، يتكرر مصطلح Harness، أو «الهارنس»، بوصفه أحد أهم مكونات الجيل الجديد من أنظمة الـAI. والمقصود به ليس نموذج الذكاء الاصطناعي نفسه، بل المنظومة البرمجية التي تحيط به وتحدد كيف يعمل ويتفاعل مع العالم.

تعرّف أوبن إيه آي الـHarness بأنه البنية المواجهة للنموذج التي تضم التعليمات والأدوات والواجهات ومنطق التحكم والذاكرة وإعادة المحاولة وأدوات التحقق. أي أنه الطبقة التي تحول النموذج من عقل قادر على إنتاج النص إلى نظام يستطيع إنجاز العمل فعلياً. (OpenAI)

يمكن تشبيه النموذج بمحرك قوي، بينما يمثل الهارنس السيارة كاملة: نظام القيادة، والمكابح، وأجهزة الاستشعار، والخرائط، وقواعد الأمان. قوة المحرك مهمة، لكنها وحدها لا تحدد جودة السيارة. والأمر نفسه ينطبق على الذكاء الاصطناعي.

في الأنظمة الوكيلة، يقرر الهارنس المعلومات التي تصل إلى النموذج، والأدوات المتاحة له، وكيفية استدعائها، وما الذي يجب الاحتفاظ به في الذاكرة، ومتى يعاد تنفيذ خطوة فاشلة، ومتى يتوقف الوكيل أو يطلب تدخلاً بشرياً.

أنثروبيك تستخدم تعبير Agent Harness لوصف النظام الذي يسمح للنموذج بالتصرف كوكيل، من استقبال المدخلات إلى تنظيم استدعاءات الأدوات وإرجاع النتيجة. وتؤكد أن تقييم الوكيل لا يعني عملياً تقييم النموذج منفرداً، بل تقييم النموذج والهارنس معاً. (Anthropic)

وهنا تكمن أهمية المفهوم. قد يعمل النموذج نفسه بصورة مختلفة جذرياً داخل منتجين مختلفين بسبب اختلاف الهارنس. نظام يمنحه بحثاً على الإنترنت وملفات وذاكرة وطرفية لتنفيذ الأوامر ووكلاء فرعيين يمكن أن يتفوق في مهمة عملية على استخدام النموذج نفسه داخل نافذة محادثة بسيطة.

وتشير أنثروبيك إلى أن الأدوات، واسترجاع المعلومات، والذاكرة أصبحت من اللبنات الأساسية للنماذج المعززة، لكنها تحذر أيضاً من أن زيادة عدد الأدوات لا تعني تلقائياً أداء أفضل؛ فتصميم الأدوات وإدارة السياق وطريقة إرجاع المعلومات تؤثر مباشرة في أداء الوكيل. (Anthropic)

أهمية الهارنس تزداد أكثر مع المهام الطويلة. فالوكيل الذي يعمل على مشروع برمجي أو بحث يستمر ساعات أو أيام يحتاج إلى حفظ تقدمه، واستعادة السياق، ومراقبة النتائج، وتجنب إعادة تنفيذ العمل نفسه. أوبن إيه آي تقول إن وكلاءها الطويلة التشغيل يعتمدون على هارنس يدير السياق والأدوات والوكلاء الفرعيين وبيئة العمل، بينما طورت أنثروبيك آليات تساعد الوكلاء على استكمال العمل عبر جلسات متعددة. (Anthropic)

الخلاصة أن المنافسة في الذكاء الاصطناعي لم تعد تدور فقط حول من يملك النموذج الأذكى. جزء متزايد من الفارق بين المنتجات يتشكل حول السؤال الآخر: من يملك الهارنس الأفضل الذي يجعل هذا النموذج أكثر قدرة واعتمادية وأماناً في تنفيذ العمل؟