في خطوة قد تعيد تعريف كيفية بناء وكلاء الذكاء الاصطناعي، كشف البروفيسور جايسون مارس من جامعة ميشيغان عن لغة برمجة جديدة طموحة تحمل اسم Jac، إلى جانب بيئة تشغيل تُسمى Jaseci. هذه اللغة مصممة لمعاملة الذكاء الاصطناعي ووكلاء الذكاء الاصطناعي ككيانات من الدرجة الأولى، بعكس معظم لغات البرمجة التي كُتبت بالأساس للمبرمجين البشر.
نرى أن السبب الرئيسي وراء هذه المبادرة هو التحديات التي يواجهها المطورون حاليًا في بناء وكلاء AI. فقد ذكر مارس خلال حديثه في مؤتمر All Things Open أن الأدوات الحالية، من لغات البرمجة إلى سلاسل أدوات البناء، صُممت للاستهلاك البشري وليست مناسبة لاحتياجات الوكلاء الذكية. ويؤكد أن الوكلاء يغرقون حاليًا في تعقيد التعدد اللغوي، وأننا لم نعد نستخدم هذه الأدوات بأنفسنا، بل يستخدمها الوكلاء.
لغة واحدة تبتلع الكل؟
تتميز Jac بكونها لغة شبيهة بـ Python، ولكنها مصممة «لابتلاع» اللغات الأخرى. فهي تدمج بيئات تشغيل وأدوات TypeScript و Python، ويمكنها التحويل البرمجي إلى Python bytecode و JavaScript وحتى native machine code. وهذا يسمح لها بالاستفادة الكاملة من أي مكتبات موجودة في بيئتي PyPI و npm.
المثير للإعجاب أيضًا أن Jac دمجت مترجم LLVM، مما يمكّنها من تطبيق قواعد التحقق من الملكية والاستعارة (borrow checking and ownership semantics) على غرار Rust. هذا يعود بالنفع على كود Jac من حيث قواعد أمان الذاكرة وزيادة الأداء. وبفضل نفس تكامل LLVM، يمكنها أيضًا استيراد مكتبات C و C++. كما أن هناك «وظيفة إخراج» (eject function) يمكنها عكس تجميع كود Jac الخاص بالمستخدم إلى TypeScript أو Python أو C لتلبية متطلبات الامتثال للشركات.
بالإضافة إلى تبسيط التعقيد اللغوي، تحاول Jac توحيد التجزئة المعمارية عن طريق تعريف هياكل البيانات كرسوم بيانية. بدلاً من بناء جداول قواعد البيانات أو إنشاء كائنات من فئة ما، تُعرف سمات البيانات تحت الكلمات المفتاحية «node» (العقدة)، وتُعرف العلاقات بين العقد المختلفة بواسطة «edge connections» (اتصالات الحافة). هذا النهج يقلل من عبء العمل على الوكلاء في استخراج البيانات من قواعد البيانات أو الكائنات أو سلاسل JSON، مما يسمح لهم بالتركيز على المهمة الفعلية.
ماذا يعني هذا للمطورين؟
بالنسبة للمطورين، فإن Jac تعد بتجربة أكثر سلاسة وفعالية في بناء وكلاء الذكاء الاصطناعي. فقد أظهر مارس في عرضه أن استخدام Jac في بناء نسخة من Greptile (أداة لمراجعة كود AI) أدى إلى تطبيق متعدد المراحل ومتطور يمكنه استدعاء أدوات متعددة بالتوازي، بينما أنتجت أطر عمل أخرى مثل LangGraph آلة حالات خطية بدائية لا يمكنها العمل بالتوازي. استنتاج مارس هنا واضح: الأدوات التي نوفرها للذكاء الاصطناعي تحدد جودة المخرجات.
لقد استُخدمت Jac بالفعل في عدد من الخدمات التجارية الصغيرة المتعلقة بالذكاء الاصطناعي، مثل منصة AI متعددة الوكلاء GraphClaw، ومجدول Skooch، ومنصة الذاكرة الشخصية Tobu. نرى أن هذه اللغة يمكن أن تصبح منافسًا قويًا لأطر عمل وكلاء Python الحالية، وربما تمهد الطريق لمستقبل أكثر بساطة وفعالية في تطوير أنظمة الذكاء الاصطناعي المعقدة.
المصدر: theregister.com