آخر الأخبار: «أسك مابس» يتحول إلى مساعد للرحلات والمواعيد في موسم الأعياد

٢٢ نوفمبر ٢٠٢٦
الذكاء الاصطناعي والأعمال

نظام داخلي من OpenAI يلاحق تباطؤ ChatGPT ويقترح إصلاحاته

كشفت OpenAI عن Performance Factory، وهو نظام يعتمد على Codex لمتابعة مشكلات الأداء في ChatGPT من لحظة ظهور التنبيه حتى التحقق من عودة الخدمة إلى مستواها المعتاد.

مهندس يراجع لوحة أداء تعرض تحقيقًا آليًا في تباطؤ خدمة سحابية واقتراح إصلاح برمجي
مهندس يراجع لوحة أداء تعرض تحقيقًا آليًا في تباطؤ خدمة سحابية واقتراح إصلاح برمجي

صورة تعبيرية مولّدة بالذكاء الاصطناعي

شارك الخبر

طورت OpenAI منظومة داخلية جديدة للتعامل مع تراجع أداء ChatGPT، في محاولة لتقليل الوقت الفاصل بين اكتشاف المشكلة وفهم سببها ومعالجة آثارها. وتحمل المنظومة اسم Performance Factory، وتجمع بين وكلاء برمجيين يعملون عبر Codex ومسارات عمل محددة مسبقًا، مع إبقاء القرارات الحساسة تحت مراجعة المهندسين.

تفاصيل الخبر

تبدأ العملية عندما يتجاوز أحد مؤشرات الأداء حدًا معينًا. عندها تُفتح مهمة آلية تتابع الحالة عبر مراحل متتابعة، تشمل تحديد وقت بدء التباطؤ، ومعرفة الطلبات المتأثرة، وفحص عمليات النشر وتغييرات الإعدادات، ثم مراجعة السجلات وآثار التنفيذ والشيفرة المرتبطة بالمشكلة.

وبحسب التفاصيل التي نشرتها الشركة في 19 نوفمبر 2026، تعامل مسار معالجة التراجعات مع أكثر من 1700 تحقيق خلال ما يزيد قليلًا على ثلاثة أشهر، وتمكن من تحديد السبب الجذري في أكثر من 600 حالة. ويعادل ذلك، وفق أرقام الشركة، نحو 17 تحقيقًا آليًا يوميًا، مع اختلاف حجم وتعقيد كل حالة.

لا يقتصر النظام على تشخيص الخلل؛ إذ يستطيع وكيل Codex اقتراح تعديل برمجي وفتح طلب لمراجعته. وبعد موافقة المهندس ونشر التغيير، يعود وكيل آخر إلى المهمة ليتحقق من أن الأداء اقترب من خط الأساس السابق. وإذا تحسن الوضع جزئيًا فقط، يمكن للنظام إغلاق المشكلة الأصلية وفتح مهمة جديدة لمتابعة السبب المتبقي.

يتكون Performance Factory من أربعة عناصر رئيسية: خدمة لتتبع المهام وتعريف مراحلها، وحلقة توزيع تسند الأعمال الجاهزة إلى الوكلاء، وواجهة تشغل جلسات Codex في البيئة السحابية، وآلية اشتراكات تعيد تنبيه الوكيل عند وقوع حدث جديد، مثل وصول تعليق على مراجعة الشيفرة أو اكتمال عملية نشر.

وتقول OpenAI إن نقل هذه العمليات إلى السحابة يسمح بتشغيل تحقيقات متعددة بالتوازي، مع منح الوكلاء هويات وصلاحيات محددة للوصول إلى المستودعات وأدوات المراقبة. وتشمل البيانات المتاحة لهم المقاييس والسجلات وآثار الطلبات وملفات تعريف استخدام المعالج والذاكرة، وهي مصادر يحتاجها مهندسو الأداء عادة لفهم أسباب التباطؤ.

أدخلت الشركة كذلك مراجعة مضادة للنتائج، بحيث يحاول وكيل منفصل دحض التشخيص الأول بدل الاكتفاء بأول تفسير يبدو منطقيًا. وتأتي هذه الخطوة بعد ملاحظات على أن بعض التحقيقات قد تتوقف عند سبب محتمل لا يفسر جميع الأعراض. وفي مراجعة يدوية لمئة اقتراح لتحديد الأسباب، صنفت الشركة 70% منها على أنها دقيقة، بينما احتاجت البقية إلى مزيد من التحقق أو لم تثبت العلاقة السببية كاملة.

وتظل الإصلاحات البرمجية أكثر تعقيدًا من تحديد مصدر المشكلة في بعض الحالات. فقد يقترح الوكيل تغييرًا واسعًا أو حلًا يسبب آثارًا جانبية، خصوصًا عندما يتطلب الأمر موازنة السرعة مع اعتبارات مثل اتساق البيانات أو القرارات المعمارية. لذلك تراجع الفرق البشرية طلبات التغيير قبل دمجها، فيما تعمل OpenAI على تحسين الاختبارات الاصطناعية وآليات تقييم الاقتراحات قبل عرضها على المهندسين.

تسعى الشركة لاحقًا إلى توسيع المنظومة من الاستجابة للتنبيهات إلى البحث الاستباقي عن الزيادات الصغيرة في استهلاك المعالج أو الذاكرة، حتى قبل أن تتحول إلى حادثة واضحة. كما تدرس إنشاء مسارات عمل متخصصة لاكتشاف فرص تحسين البنية التحتية وضبط السعة التشغيلية عبر خدماتها المختلفة، مع استمرار دور الإنسان في القرارات الأعلى مخاطرة.

هل تفضّل أن تتولى الوكلاء إصلاح مشكلات الأداء تلقائيًا، أم ترى أن مراجعة كل تغيير بشريًا ضرورية؟

هل تفضّل أن تتولى الوكلاء إصلاح مشكلات الأداء تلقائيًا، أم ترى أن مراجعة كل تغيير بشريًا ضرورية؟

شاركنا رأيك في التعليقات
العودة إلى جميع الأخبار

التعليقات

٠

كن أول من يشارك رأيه في هذا الخبر.