Карты, معفيет и Claude: как прعنмпты убили клаمعمعичеمعкую تطوير في IoT

كثيرون لا يزالون يحاولون إدراج الشبكات العصبية في أي مكان، فقط لوضع علامة اختيار "يعتمد على الذكاء الاصطناعي" في تقرير المستثمرين. إن العثور على مهمة حقيقية لنموذج في القطاع الصناعي الصارم يشكل تحديًا حقيقيًا. عادة ما ينتهي الأمر بقراءة عشرات المقالات على موقع Habr التي لا توفر سوى النظرية. لكن في بعض الأحيان يحدث اختراق عندما يقرر المطور تقليب عقله رأسًا على عقب والتوقف عن توقع حتمية 100% من النظام. هذا بالضبط ما حدث في حالة الإنترنت الصناعي للأشياء (IoT) لأنظمة إضاءة الشوارع.

تخيل مهمة نموذجية: لديك آلاف خزائن التحكم والمتحكمات المتناثرة في جميع أنحاء المدينة. لكل منها عشرات المعاملات وتركيباته الخاصة من الحالات وشبكة شبكية معقدة حيث تتواصل الأجهزة مع بعضها البعض. يتطلب النهج التقليدي إنشاء خريطة تفاعلية بطبقات متعددة. قضى المطورون سنوات في محاولة حزم مصفوفة البيانات هذه في مخطط عملي، لكن النتيجة كانت دائمًا إما ثقيلة جدًا أو مرنة بشكل غير كافٍ. كان التطوير الكلاسيكي لطبقات الخريطة ببساطة غير قادر على مواكبة ديناميكيات الأجهزة الحقيقية.

تغير كل شيء عندما تمت إضافة كلود و n8n إلى المعادلة. بدلاً من ترميز كل تفصيل من تفاصيل النظام، قرر المهندسون استخدام المحفزات. يبدو هذا بمثابة هرطقة للمدرسة القديمة، لكن الانتقال إلى منطق الاحتمالات سمح بأتمتة ما كان يستغرق أسابيع من البرمجة. بدأت وكلاء الذكاء الاصطناعي بمعالجة طلبات بيانات الخرائط، وتشكيل التمثيلات المطلوبة على الفور. تم حل مشكلة تصور الشبكة الشبكية، التي بدت سابقًا غير قابلة للحل بسبب عدم خطيتها، من خلال وصف العلاقات باللغة الطبيعية.

لماذا هذا مهم الآن؟ نحن على أعتاب لحظة يصبح فيها "كتابة الأكواد" طريقة مكلفة جدًا وبطيئة جدًا لحل مهام الواجهة. في إنترنت الأشياء الصناعي، حيث تكون تكلفة الخطأ عالية وهناك الكثير من البيانات، تبدأ مرونة المحفز في الفوز على جمود الخوارزمية. استخدام نماذج اللغات الكبيرة لإدارة طبقات الخريطة هو فقط الخطوة الأولى. يوضح أن الأنظمة البصرية المعقدة يمكن أن تكون قابلة للتكيف دون إعادة كتابة الواجهة كل ستة أشهر.

بالطبع، يتطلب هذا النهج جرأة معينة. تحتاج إلى قبول أن النظام قد يرتكب أخطاء والتعلم على التعامل مع هذه الأخطاء. لكن عندما ترى كلود يهيكل البيانات في ثوان قضت فريق شهورًا في العمل عليها، تختفي الأسئلة بمفردها. لم نعد نبني هياكل صارمة، بل نقوم بتدريب نظام لفهم ما بالضبط نريد أن نراه على الخريطة في هذه اللحظة. هذا هو الانتقال الحقيقي من البرمجة إلى إدارة الذكاء.

الخلاصة: دخل هندسة المحفزات رسميًا التطوير الصناعي. إذا كنت لا تزال ترسم كل طبقة من طبقات الخريطة يدويًا، فقد تكون مجرد تضييع وقت الشركة. هل أنت مستعد لتكليف تصور البنية التحتية الحرجة إلى ذكاء "احتمالي"؟