OpenAI تعرض نموذجًا للتصميم بمساعدة الحاسوب: 87.5% في BenchCAD 2.0 مقابل 59.4% لـ GPT-6 Astra

إذا سبق لك أن طلبت من نموذج لغوي توجيه مسارات لوحة إلكترونية، فأنت تعرف كيف ينتهي الأمر عادةً: المخطط يبدو مرتبًا، وعند أول تشغيل تفوح رائحة احتراق. تزعم OpenAI أنها وجدت طريقة لإصلاح ذلك. حتى الآن هذه مجرد ادعاءات من الشركة، لكن الأرقام مثيرة للاهتمام.

ما الذي عُرض بالضبط

كشفت OpenAI عن أولى تفاصيل نموذج غير معلن متخصص في المهام الهندسية ومهام العتاد. وقد جرى اختباره على BenchCAD 2.0. يقيس هذا الاختبار قدرة الذكاء الاصطناعي على إعادة إنشاء قطع ثلاثية الأبعاد من المخططات، وتجميع الوحدات الميكانيكية، وتوجيه الدارات الكهربائية.

نتيجة النموذج الجديد: 0.875 نقطة، أي 87.5%. أما النموذج الرائد GPT-6 Astra بأعلى مستوى من الاستدلال فحصل على 59.4%. الفارق يقارب 28 نقطة مئوية. وبالنسبة إلى المقارنة بين النماذج العامة والنماذج المتخصصة الضيقة، فهو فارق لافت جدًا.

لماذا ليس دمج خطوط التغذية أمرًا هيّنًا

يبرز المثال الوارد في الإعلان نفسه بشكل خاص. فقد ارتكب النموذج السابق أخطاء حرجة، مثل دمج خطوط 3.3 فولت و5 فولت والأرضي في شبكة واحدة.

بالنسبة إلى المبرمج، التشبيه واضح. تخيّل أن مساعدًا يدمج في commit واحد إعدادات الإنتاج والاختبار ويزيل في الوقت نفسه فصل الصلاحيات. الشيفرة تُترجم، والمراجعة تبدو سليمة، والمشكلة لا تظهر إلا في بيئة الإنتاج. أما في العتاد فالثمن أعلى: الخطأ يعني رقائق محترقة وأسابيع ضائعة، لا مجرد التراجع عن commit.

لذلك لا تكمن الأهمية في التصميم بمساعدة الحاسوب والإلكترونيات في الطلاقة، بل في قابلية التحقق الصارمة: كل دارة في مكانها، وكل قياس متطابق. وهذا بالضبط ما يستهدفه النموذج الجديد.

التجربة والشركاء

في تجربة داخلية، صمّم مهندسو OpenAI خلال أسبوع جهازًا ماديًا للتفاعل الصوتي مع Codex. حسب الذكاء الاصطناعي الهيكل الخارجي والبنية الداخلية، وصمّم اللوحة، وكتب البرمجيات. بعد ذلك استغرق الضبط اليدوي وإنتاج الدفعة الأولى من النماذج الأولية نحو شهر.

هذه النسبة تقول الكثير. فقد اختُصر التصميم إلى أسبوع، لكن بعد ذلك ظل الإنسان ومكواة اللحام والتصنيع حاضرين. الذكاء الاصطناعي يسرّع بداية الدورة، لكنه لا يلغيها.

إضافة إلى ذلك، تختبر OpenAI حلول التصميم التوليدي بمساعدة الحاسوب خارج المختبر:

• مع فريق السباقات Chip Ganassi Racing، يحوّل الذكاء الاصطناعي المسوحات ثلاثية الأبعاد للقطع إلى مخططات قابلة للتحرير؛
• ومع Mazda، يحسّن النموذج الديناميكا الهوائية للسيارات عبر محاكاة تدفق الهواء.

كلتا المهمتين واقعيتان تمامًا: استعادة المخطط من قطعة مادية، وتجربة أشكال متعددة عبر المحاكاة. وهذا ما يفعله المهندسون عادةً ببطء ويدويًا.

القيود

لنبدأ بما لا نعرفه. اسم النموذج وموعد إطلاقه سريّان. لم يُعلن عن واجهة API ولا الأسعار ولا طريقة الوصول. أرقام BenchCAD 2.0 قدّمتها الشركة نفسها حتى الآن، ولا يوجد تحقق مستقل. كما أنه من غير الواضح إلى أي مدى يعكس الاختبار مشاريع حقيقية ذات قيود معقدة: الاعتماد، وتوريد المكونات، وقابلية التصنيع.

ويجب أيضًا قراءة شهر الضبط اليدوي بعد أسبوع من التصميم بالذكاء الاصطناعي بواقعية. إنه نجاح، لكنه ليس «ضغطت زرًا فحصلت على منتج».

ماذا نفعل بهذا

بالنسبة إلى مؤسسي شركات العتاد الناشئة، الخلاصة بسيطة: تابعوا الإصدار وجهّزوا عمليات تخضع فيها مسودة الذكاء الاصطناعي لفحص صارم. قواعد الكهرباء (DRC/ERC) والمحاكاة ومراجعة المهندس لا تزول، بل تصبح المرشّح الرئيسي.

أما بالنسبة إلى مديري المنتجات ومطوّري الأدوات المرتبطة، فالإشارة أهم: المختبرات الكبرى تنتقل من النص والشيفرة إلى العالم المادي. وإذا كنتم تطوّرون إضافات للتصميم بمساعدة الحاسوب، أو مكتبات مكونات، أو أنظمة للتحقق من المخططات، فقد حصل هذا السوق للتو على لاعب ضخم. من الأفضل أن تقرروا مسبقًا في ماذا ستتفوقون على النموذج الشامل: في البيانات أم الفحوص أم التكامل في سير العمل.