هذا الصندوق الأسود الصغير في المنتصف هو رمز التعلم الآلي. أتذكر أنني قرأت ديون تقنية مخفية من Google لعام 2015 في ورقة ML وفكرت في مدى ضآلة تطبيق التعلم الآلي الفعلي. كانت الغالبية العظمى من البنية التحتية وإدارة البيانات والتعقيد التشغيلي. مع فجر الذكاء الاصطناعي ، بدا أن نماذج اللغة الكبيرة ستستوعب هذه الصناديق. كان الوعد هو البساطة: إسقاط LLM ومشاهدته يتعامل مع كل شيء من خدمة العملاء إلى إنشاء التعليمات البرمجية. لا مزيد من المسارات المعقدة أو عمليات التكامل الهشة. ولكن في بناء التطبيقات الداخلية ، لاحظنا ديناميكية مماثلة مع الذكاء الاصطناعي. يحتاج الوكلاء إلى الكثير من السياق ، مثل الإنسان: كيف يتم تنظيم CRM ، وماذا ندخل في كل مجال - لكن المدخلات باهظة الثمن نموذج الذكاء الاصطناعي الجائع والجائع. يعني تقليل التكلفة كتابة برامج حتمية لتحل محل منطق الذكاء الاصطناعي. على سبيل المثال ، تعني أتمتة إدارة البريد الإلكتروني كتابة أدوات لإنشاء مهام Asana وتحديث CRM. مع زيادة عدد الأدوات إلى ما بعد عشر أو خمسة عشر أداة ، لم يعد استدعاء الأداة يعمل. حان الوقت لتدوير نموذج التعلم الآلي الكلاسيكي لتحديد الأدوات. ثم هناك مراقبة النظام مع إمكانية الملاحظة ، وتقييم ما إذا كان يعمل ، والتوجيه إلى النموذج الصحيح. بالإضافة إلى ذلك ، هناك فئة كاملة من البرامج حول التأكد من أن الذكاء الاصطناعي يفعل ما يفترض أن يفعله. حواجز الحماية تمنع الاستجابات غير المناسبة. يمنع تحديد السعر التكاليف من الخروج عن نطاق السيطرة عندما يتعطل النظام. يعد استرجاع المعلومات (RAG - التوليد المعزز للاسترجاع) أمرا ضروريا لأي نظام إنتاج. في تطبيق البريد الإلكتروني الخاص بي ، أستخدم قاعدة بيانات متجهة LanceDB للعثور على جميع رسائل البريد الإلكتروني من مرسل معين ومطابقة لهجتها. هناك تقنيات أخرى لإدارة المعرفة حول الرسم البياني RAG وقواعد بيانات المتجهات المتخصصة. في الآونة الأخيرة ، أصبحت الذاكرة أكثر أهمية. تحفظ واجهات سطر الأوامر لأدوات الذكاء الاصطناعي محفوظات المحادثات كملفات تخفيض السعر. عندما أنشر الرسوم البيانية ، أريد تسمية Theory Ventures في أسفل اليمين ، وخط وألوان وأنماط معينة. يتم الآن حفظ جميع هذه الملفات داخل ملفات .gemini أو .claude في سلسلة من الدلائل المتتالية. تم تضمين البساطة الأصلية لنماذج اللغات الكبيرة من خلال تعقيد الإنتاج على مستوى المؤسسة. هذا ليس مطابقا للجيل السابق من أنظمة التعلم الآلي ، لكنه يتبع تشابها واضحا. ما بدا أنه "صندوق سحري الذكاء الاصطناعي" بسيط تبين أنه جبل جليدي ، مع إخفاء معظم الأعمال الهندسية تحت السطح.