بعد أربعين عاماً من تقديمه لقاعدة البيانات Postgres في جامعة بيركلي، لا يزال مايكل ستونبراكر، مخترعها والحائز على جائزة تورينج، من أشد المنتقدين للطريقة التي تُبنى بها مشاريع الذكاء الاصطناعي. برأينا، هذه دعوة للتفكير للمطورين الذين يعتمدون على أحدث تقنيات الذكاء الاصطناعي دون فهم عميق لقيودها العملية.
في حوارات قادمة ضمن برنامج «AI & Data Horizons» من EnterpriseDB، يؤكد ستونبراكر وبروس مومجيان، العضو المؤسس والمشارك في الفريق الأساسي لمجموعة PostgreSQL العالمية للتطوير، على أن المستقبل للأنظمة المرنة التي لا تنكسر، وللمجتمعات التي لا تتحكم فيها شركة واحدة.
الذكاء الاصطناعي والبيانات المؤسسية: تحديات وحلول
يتناول ستونبراكر مفهوم تحويل النص إلى SQL، وهو الوعد بأن يتمكن مستخدم الأعمال من طرح سؤال بلغة طبيعية والحصول على إجابة من مستودع البيانات. بينما تشير المعايير العامة مثل Spider و BIRD إلى دقة تزيد عن 80 بالمئة، أظهرت تجربة فريقه على مستودع بيانات MIT الخاص، الذي يحتوي على 1400 جدول، دقة بنسبة «صفر بالمئة». لم يرتفع هذا المستوى إلى أرقام تتجاوز 30 بالمئة حتى بعد إضافة وكلاء الذكاء الاصطناعي واسترجاع المعلومات وتصميم الأوامر (prompt engineering) وتزويد النموذج بكل معلومات الجدول وشروط الربط.
يُعزى هذا الفشل إلى عدة أسباب: غياب بيانات التدريب العلنية، طبيعة البيانات الفريدة للمؤسسات، وتدهور المخططات (schemas) إلى أسماء جداول وأعمدة مبهمة. يرى ستونبراكر أن المشكلة الأعمق مع نماذج اللغات الكبيرة (LLMs) هي معمارية: إنها ممتازة في التعامل مع النصوص، لكنها غير جيدة في إجراء عمليات الربط على البيانات المنظمة، وهو ما يشكل معظم ما تحتفظ به المؤسسات.
اقترح فريقه حلاً في نظام يُدعى Rubicon، حيث تُستخدم النماذج فقط على النصوص، ثم تُحوّل النتائج إلى جداول، وتُسلّم بقية المهمة إلى محرك جدولي. يؤكد ستونبراكر أن هذا النهج أقل تكلفة بعشرة أضعاف وأكثر دقة بكثير من الأطر المعمارية القائمة على وكلاء الذكاء الاصطناعي التي تركز على النموذج.
لماذا Postgres؟ والمرونة كمبدأ تصميم
يرى ستونبراكر أن Postgres هي «الإجابة الكونية للمصادر المفتوحة» لأنها «لا يتحكم فيها أي شركة واحدة». تساهم شركات مثل EDB و Microsoft و Google في مطورين، ولا تتحكم أي جهة في توجيهها. هذه الاستقلالية هي أساس السيادة بالنسبة للمؤسسات، حيث تحتفظ بالتحكم في كيفية ومكان تشغيل أنظمة بياناتها.
يصف مومجيان Postgres من الداخل، موضحاً أنها لا تملك مكتباً ولا أصولاً ولا كياناً قانونياً، ومع ذلك تنتج «برمجيات أفضل من شركات تقدر بمليارات الدولارات». ويشدد الخبراء على فلسفة تصميم تفضل المرونة على السرعة القصوى. بنى ستونبراكر Postgres لتكون قابلة للتوسع، وهذا هو سبب استيعابها لـ JSON، والبحث الكامل عن النصوص، ونظم المعلومات الجغرافية (GIS)، والآن الذكاء الاصطناعي دون إعادة كتابة.
أحد أبرز ما تقدمه PostgreSQL 19 هو إظهار هذا الانضباط. فبعض الميزات التي عُرضت سابقاً، مثل استعلامات الرسوم البيانية SQL property graph ودمج وتقسيم الأقسام، جرى التراجع عنها لأن الموثوقية تأتي أولاً. أما الميزات التي بقيت فهي عملية، مثل REPACK CONCURRENTLY للجداول المزدحمة، و autovacuum المتوازي الأكثر ذكاءً، ومزامنة التسلسلات للنسخ المتماثل المنطقي (logical replication).
يتفق ستونبراكر ومومجيان على أن الذكاء الاصطناعي يحتاج إلى نظام علائقي لمنحه الديمومة والذاكرة، وهو ما يصفه مومجيان بأنه «يغير قواعد اللعبة». بينما يختلفان حول سرعة قيام الذكاء الاصطناعي بكتابة SQL، فإن وجهة نظرهما الموحدة هي أن قواعد البيانات مثل Postgres ستظل محورية.
ماذا يعني هذا للمطورين؟
يدعونا هذا النقاش إلى تبني منظور واقعي حول دمج الذكاء الاصطناعي مع البيانات المؤسسية. برأينا، لا يمكننا الاعتماد بشكل أعمى على نماذج اللغات الكبيرة لأداء مهام تتطلب دقة عالية في البيانات المنظمة. يجب على المطورين التركيز على استغلال قوة الذكاء الاصطناعي في معالجة النصوص، ثم دمجها بذكاء مع أنظمة قواعد البيانات العلائقية القوية والموثوقة مثل Postgres التي توفر الضوابط الأمنية والشفافية المطلوبة. المرونة والجودة في بنية قواعد البيانات ستظل هي الأساس لأي تطبيقات ذكاء اصطناعي ناجحة في بيئات العمل الحقيقية.
المصدر: theregister.com