ChatGPT يساعد في تصميم وحدة تحكم لآلة بيع عصائر بـ 32 نوعًا

نشر موقع Habr منشورًا دالًّا عن استخدام ChatGPT لا في كتابة النصوص أو الشيفرة، بل في الدراسة الأولية لمكوّنات العتاد، وتحديدًا وحدة تحكم لآلة بيع عصائر. لا يعرض الكاتب جهازًا جاهزًا، لكن المحادثة نفسها توضح كيف يمكن لنموذج لغوي كبير (LLM) أن يجري مقابلة هندسية ويصوغ المواصفات الفنية خطوة بخطوة.

كيف صيغت المواصفات الفنية

بدأ الكاتب بطلب مباشر: هل يمكن تطوير مخطط ملفات Gerber لوحدة تحكم لآلة بيع عصائر؟ لم يتجه ChatGPT فورًا إلى «رسم اللوحة»، بل سأل أولًا عن المعطيات الأساسية: طرق الدفع، وعدد قنوات الجرعات، ومتطلبات التبريد، ونوع واجهة المستخدم، وصيغة الاتصال بالخادم، والتفضيلات المتعلقة بمنصة المعالجة. وهذه نقطة مهمة في المهام المتعلقة بالعتاد: فالنموذج لم يتصرف كمولّد حلول عشوائية، بل كمهندس في مرحلة جمع المتطلبات.

وبعد التوضيحات، أصبحت الصورة أكثر تحديدًا. يجب أن يقبل الجهاز بطاقات NFC، ويمزج المشروبات من 32 نوعًا من العصائر، ويصبّ كوبًا قياسيًا، ويعمل مع نظام تبريد، ويملك شاشة تعمل باللمس، ويرسل بيانات القياس عن بُعد إلى نظام سحابي عبر السوكيتات (sockets). ثم حدّد المستخدم اتجاهًا ملموسًا لا مجرد فكرة مجردة: فصل لوحة القدرة عن لوحة الواجهة، واستخدام Orange Pi وشاشة TFT مقاس 10 بوصات ووحدة PN532 واتصال LTE للعمل مع خادم Linux.

ما الذي اقترحه النموذج

استنادًا إلى هذه المتطلبات، قسّم ChatGPT النظام إلى وحدات واقترح بنية أولية. وتتضمن المحادثة أفكارًا عامة، وكذلك كتلًا عملية يحتاجها هذا النوع من الأجهزة فعلًا:

• لوحة قدرة منفصلة للتحكم في المشغّلات (actuators) والتغذية الكهربائية
• لوحة واجهة مستخدم مبنية على Orange Pi
• وحدة NFC من طراز PN532 لقبول البطاقات
• شاشة TFT مقاس 10 بوصات لسيناريوهات اختيار المشروب
• مودم LTE وتبادل البيانات مع الخادم عبر السوكيتات

واقترح النموذج بشكل منفصل خيارات للتحكم في ضخّ السوائل والتبريد. في البداية جرى الحديث عن المحركات الخطوية والصمامات اللولبية (solenoid)، وحتى عن خيارات مثل Raspberry Pi وSTM32 وESP32 في أدوار مختلفة. وبالنسبة للتبريد، ذكر ChatGPT إما عناصر بيلتييه (Peltier) مع مراوح، وإما نظامًا يعتمد على ضاغط، أي إنه لم يختزل الأمر في حل نمطي واحد.

ومن المفيد أيضًا أن النموذج واصل طرح الأسئلة بدل التظاهر بأن كل المعاملات معروفة. فقد استوضح ما إذا كانت هناك حاجة إلى مراقبة مستوى العصير، وأي حزمة اتصال مع الخادم أنسب، وهل ستوجد عدة أنواع من الأكواب، وأي مشغّلات (drivers) ينبغي اختيارها. وفي مثل هذه التفاصيل تحديدًا تتعثر عروض الذكاء الاصطناعي المتفائلة أكثر من اللازم.

كيف تغيّر المخطط

خلال الحوار، راجع الكاتب أحد الأجزاء الرئيسية: فبدل المحركات الخطوية، طلب استخدام مضخات تمعجية صغيرة من AliExpress لأنها أرخص. وافق ChatGPT على هذا التنازل، وحدّد فورًا القيد المصاحب له: هذه المضخات أسهل في التحكم وأرخص، لكنها عادةً أقل دقة في الجرعات.

«المضخات التمعجية أسهل في التحكم وأرخص، رغم أن دقة الجرعات فيها أقل قليلًا».

بعد ذلك اقترح النموذج تسلسلًا منطقيًا للأعمال: تصميم لوحة القدرة أولًا، ثم الانتقال إلى التوصيلات (routing) وملفات Gerber. وأكد الكاتب هذا الترتيب. ولا تتضمن المقاطع المنشورة المخططات نفسها، ولا ملفات PCB أو ملفات التصنيع. أي إن الأمر لا يتعلق حتى الآن بوحدة تحكم جاهزة بالكامل، بل بمرحلة مبكرة من الدراسة الهندسية، حيث يساعد ChatGPT في تحويل الفكرة إلى هيكل نظام، وتحويل طلب فضفاض إلى مواصفات فنية أكثر رسمية.

ولهذا السبب تحديدًا لا يُعدّ المنشور مثيرًا للاهتمام بوصفه دليلًا على أن النماذج اللغوية الكبيرة حلّت محل مطوّري الإلكترونيات، بل بوصفه مثالًا على سيناريو مختلف. فالنموذج يؤدي دور محاور يساعد على عدم إغفال الكتل الحرجة في النظام، وينظّم اختيار المكوّنات، ويستعرض الخيارات المعمارية بسرعة قبل بدء التصميم الفعلي.

ماذا يعني ذلك

تُظهر مثل هذه الحالات أن ChatGPT أصبح مفيدًا بالفعل في مهام العتاد (hardware) كأداة للتصميم الأولي وجمع المتطلبات. لكن القيمة لا تظهر حين ينجز النموذج «كل شيء بنفسه»، بل حين يستخدمه الإنسان لتسريع التكرارات الهندسية الأولى، ويتحقق من كل قرار قبل الإنتاج.