بفضل التعلم المعزز، والاستدلال الإنتاجي، وقابلية مراقبة الوكلاء، والتحسين الذاتي الذي يعمل كحلقة مغلقة واحدة، لا يصبح الوكلاء أكثر موثوقية فحسب، بل تتضاعف قدراتهم بمرور الوقت.

حتى الآن، كان تدريب وكلاء الذكاء الاصطناعي الموثوق بهم يتطلب إجراء تقييمات مطولة خارج الإنترنت لعدة أشهر قبل إطلاقهم للمستخدمين الحقيقيين للاستدلال. لم تكن هذه العملية بطيئة فحسب، بل كان الوكلاء يفشلون في كثير من الأحيان لأن مجموعات بيانات التقييم لم تكن تغطي جميع سيناريوهات العالم الحقيقي المحتملة. ومع تسارع وتيرة الذكاء الاصطناعي نحو الذكاء الخارق، لم تعد هذه العملية مجدية. يزيل CoreWeave هذه العقبة، مما يُمكّن المؤسسات من إتمام عملية التدريب والاستدلال. الآن، يتعلم الوكلاء ويتحسنون أثناء عملهم في العالم الحقيقي.

إغلاق الحلقة بين التدريب والاستدلال

يدمج CoreWeave أربع قدرات في حلقة مغلقة واحدة:

التدريب بدون تكاليف إضافية: تُمكّن خدمة التعلم المعزز بدون خادم من CoreWeave المؤسسات من تدريب نماذج لغوية ضخمة لاحقًا لضمان موثوقيتها في مهام الوكلاء متعددة المراحل، دون الحاجة إلى توفير أو إدارة بنية تحتية. تتوسع الخدمة بمرونة مع أحمال التدريب، مما يقلل التكاليف بنسبة تصل إلى 40% ويسرّع التدريب بمقدار 1.4 ضعف تقريبًا دون أي فقدان للجودة. يتم تشغيل التدريب والاستدلال على مثيلات منفصلة تعمل باستمرار، لذا فإن دورات التكرار التي كانت تستغرق ساعات أصبحت الآن تستغرق ثوانٍ.
استدلال مُصمم للإنتاج: صُمم استدلال CoreWeave ليعمل كحمل عمل قابل للتحكم ومستمر التشغيل. يساعد هذا في الحفاظ على أداء موثوق، ومرونة في وقت التشغيل، وسلوك مستقر في ظل حركة مرور حقيقية واسعة النطاق. توفر أدوات المراقبة المدمجة معلومات حول أداء الاستدلال، وسلوك التوسع، وصحة النظام، مما يُمكّن الفرق من الحفاظ على أهداف مستوى خدمة الإنتاج مع نمو أحمال عمل الوكلاء.
رؤية شاملة لجميع العوامل على نطاق واسع: يعمل W&B Weave كطبقة مراقبة للحلقة المستمرة بين سلوك الإنتاج وتحسين العوامل لتحقيق الموثوقية والحفاظ عليها. وقد طورت CoreWeave قدرات Weave جديدة من الصفر مصممة خصيصًا لأنظمة العوامل: مراقبة الإنتاج بإشارات مدمجة ومخصصة تكشف عن أنماط الفشل، ونموذج بيانات مصمم خصيصًا لتحليل سير العمل متعدد العوامل، وإطار تقييم مرن يمنع التراجعات مع توسع الأنظمة.
التحسين الذاتي: تُحوّل مهارات W&B وخادم MCP وكلاء البرمجة العامة إلى باحثين في مجال الذكاء الاصطناعي وبناة وكلاء يعملون على مدار الساعة للمساعدة في إنشاء وكلاء موثوقين بشكل مستقل. تُمكّن مهارات W&B وكلاء البرمجة من إتقان أدوات الذكاء الاصطناعي الرائدة من Weights & Biases على الفور لتتبع التجارب وإدارة النماذج والتتبع والتقييم والمراقبة. يوفر خادم MCP الأدوات والموارد اللازمة للوصول إلى البيانات وإجراء التجارب باستخدام Weights & Biases.
"لقد تجاوزت وتيرة الذكاء الاصطناعي سرعة تطوير فرق العمل له. المفاضلة الحالية هي: إما دورات تطوير لا تستطيع مواكبة هذا التطور، أو إطلاق برامج ذكية واكتشاف أعطالها في بيئة الإنتاج"، هذا ما قاله تشين غولدبيرغ، نائب الرئيس التنفيذي للمنتجات والهندسة في شركة CoreWeave. وأضاف: "إن الشركات التي تُطلق برامجها الذكية في بيئة الإنتاج أولاً وتسمح لها بالتحسين المستمر من خلال تجارب العالم الحقيقي، لا تُسهم فقط في بناء ذكاء اصطناعي أكثر موثوقية، بل تُسرّع أيضاً الطريق نحو الذكاء الخارق".

قال نيك بيشينس، نائب الرئيس ورئيس قسم منصات الذكاء الاصطناعي في شركة فيوتوروم: "معظم المؤسسات عالقة في دوامة بناء واختبار الأنظمة الذكية قبل وصولها إلى المستخدمين الفعليين، وهذه الدوامة أصبحت بطيئة ومكلفة للغاية بحيث لا يمكن الاستمرار بها. إن المنصة التي تُغلق حلقة التغذية الراجعة من مرحلة الإنتاج إلى مرحلة التطوير، باستخدام الخبرة العملية لتحسين أداء الأنظمة الذكية تلقائيًا، تعالج عقبة حاسمة تقف بين المؤسسات والذكاء الاصطناعي الجاهز للاستخدام. وستتمتع الفرق التي تُسرّع هذه الدورة التكرارية بميزة كبيرة على تلك التي لا تستطيع ذلك."

الطريق إلى أساطيل وكلاء موثوقة

مع تزايد تعقيد مهام الذكاء الاصطناعي وأهمية الأعمال، باتت القدرة على تحسين الموثوقية والكفاءة والأداء بشكل مستقل ميزة تنافسية حاسمة. صُممت إمكانيات الذكاء الاصطناعي الموحدة من CoreWeave لإزالة العوائق التي حالت تاريخيًا دون تحقيق المؤسسات لهذه الميزة على نطاق واسع، مثل الأدوات المجزأة، وبنية التعلم المعزز التي تعتمد بشكل كبير على وحدات معالجة الرسومات، وعدم القدرة على ترجمة الخبرة العملية إلى تحسينات منهجية.