كشفت شركة Gremlin، الرائدة في مجال «هندسة الفوضى» (Chaos Engineering)، عن إضافة جديدة لخدماتها تدعى Foresight AI. تهدف هذه الإضافة إلى استخدام الذكاء الاصطناعي لكسر البنى التحتية البرمجية بشكل مستقل، للكشف عن الأخطاء الخفية قبل أن تظهر في بيئات الإنتاج. تأسست Gremlin على يد Kolton Andrus، أحد المهندسين الذين طبقوا هندسة الفوضى في Netflix منذ أكثر من عقد مضى.
هندسة الفوضى، التي اشتهرت بها Netflix، هي ممارسة تتمثل في إدخال أعطال متحكم بها عمداً في أنظمة عاملة لاختبار مرونتها. وقد صرح Andrus لموقع The Register بأن إضافة الذكاء الاصطناعي تسرّع العملية بشكل كبير، حيث تقوم بأتمتة العديد من المهام التحضيرية ومرحلة ما بعد الاختبار التي كانت تُنفذ يدوياً.
كيف يعمل Foresight AI؟
تعتمد Gremlin على تثبيت وكلاء (agents) على نظام المستخدم، والذين يمكنهم حقن التأخير، أو إيقاف الحاويات (pods)، أو استنفاد الذاكرة. ثم تقوم خدمة Gremlin السحابية بمراقبة التنبيهات الناتجة عن القياس عن بعد (telemetry) لتحديد علامات الضعف في النظام. يتميز Foresight AI بقدرته على تحديد السبب الجذري للعطل، ثم توليد الكود أو التغيير في التكوين الذي يُعتقد أنه سيصلح المشكلة، ويمكنه تطبيق الحل مباشرة أو إعداد تقرير لمهندس موثوقية الموقع (SRE).
السر وراء فعالية Gremlin يكمن في «Failure Atlas» الخاص بها، وهو مستودع يضم ملايين من تجارب هندسة الفوضى التي أجرتها الشركة على مدار العقد الماضي على «عشرات الآلاف من الأنظمة». تربط Gremlin نموذج لغة كبير (LLM) بهذا الأطلس، مما يسمح له بتوليد إجابات أكثر دقة وواقعية حول أسباب الأعطال، ويقلل من «هلوسات» النماذج اللغوية، بحسب Andrus. تستخدم Gremlin مجموعة متنوعة من نماذج LLM المغلقة والمفتوحة المصدر.
لماذا يهم هذا للمطورين؟
يستفيد عملاء Gremlin، وهم في الغالب شركات كبيرة تعتمد على الحوسبة في قطاعات مثل الخدمات المالية، التجزئة، وخدمات SaaS للمؤسسات، من هذه التقنية لاختبار خطط التعافي من الكوارث، وضمان التشغيل الصحيح تحت الظروف غير المثالية، والتأكد من قابلية توسع Kubernetes بشكل صحيح. تُعد هذه الأنظمة الموزعة المعقدة صعبة التشخيص بشكل خاص عند تعطلها، ويمكن لهندسة الفوضى الكشف عن الأخطاء التي يصعب اكتشافها بالاختبارات التقليدية.
برأينا، في عصر تتسارع فيه الشركات لتوظيف الذكاء الاصطناعي في كتابة التطبيقات ونشر البنية التحتية، تظهر مجموعة جديدة من التعقيدات. يعمل الذكاء الاصطناعي بسرعة تجعل من المستحيل على المراجعين البشر مواكبة ذلك، كما يمكن للذكاء الاصطناعي ارتكاب أخطاء فادحة. لذلك، فإن أدوات مثل Foresight AI التي تقدم قدرة على اختبار واكتشاف نقاط الضعف بشكل آلي، يمكن أن تصبح ضرورية للحفاظ على موثوقية الأنظمة.
ينبغي على المطورين ومهندسي موثوقية الموقع (SREs) أن ينظروا إلى هذه الأدوات كجزء لا يتجزأ من استراتيجياتهم الأمنية والتشغيلية. ففهم كيفية استغلال الذكاء الاصطناعي لاكتشاف نقاط الضعف يمكن أن يساعد في بناء أنظمة أكثر قوة ومرونة، خاصة مع تزايد تعقيد البنى التحتية التي يتم بناؤها وتطويرها.
المصدر: theregister.com