مشكلات وحلول في البرمجة بالذكاء الاصطناعي: الأسرار في المصدر المفتوح وبراءات اختراع Naia

مرحباً. أنا Luke من Nextain، الفريق الذي يبني Naia. بعد أن أعلنّا عن Naia-Sing في المنشور السابق، سألني بعضهم: "هل ستبثّ على الهواء؟" — الجواب: لا.

Naia-Sing هو بحث في الإطار المعرفي لنماذج الذكاء الاصطناعي الخاصة بـ Naia، وهو مشروع بحثي يجري في مستودع خاص.

أغاني المقارنة في Naia-Sing والنموذج ثلاثي الأبعاد VRM الافتراضي في Naia-OS يعكسان ذوقي في الثقافة الفرعية، لكن هذا ليس محور تركيزي. أعتقد أن المحتوى من اختصاص شركائنا والمبدعين المعنيين.

كثيرون يعرفونني كمتخصص في المحتوى لأن صورة ملفي الشخصي على GitHub مستوحاة من الأنيمي، ولأن أول مشاريعي الريادية كان في قصص المصوّرة بالواقع الافتراضي، كما عملت مديراً للمحتوى في Naver Webtoon. وأكتب هذا المنشور جزئياً لتصحيح هذه الانطباع لما فيه مصلحة Nextain مستقبلاً. (مرجع مثير للاهتمام: منشور مدونة Codeforces عن العلاقة بين صور الملف الشخصي للأنيمي ومهارات البرمجة https://codeforces.com/blog/entry/93498)

ذكرت من قبل أنني كنت أبحث في الذكاء الاصطناعي في Naver. في تلك الفترة، حصلت على المرتبة الأولى في براءات الاختراع الداخلية، وكانت تلك أيضاً مخرجات للذكاء الاصطناعي. وقد تناول ذلك موقع Boannews في تحليله لبراءات اختراع Naver.

"عند تحليل براءات اختراع هذه الشركة بحسب المخترع، يبرز اسم واحد بشكل لافت: 'يانغ بيونغ-سوك'. تتمحور رموز CPC لبراءاته حول G06Q (أنظمة معالجة البيانات للأغراض الإدارية والتجارية والمالية والتنبؤية) وG06F (معالجة البيانات الرقمية — أنظمة حاسوبية قائمة على نماذج حسابية محددة). وجميعها تقنيات تتعلق بـ'معالجة البيانات'."

https://m.boannews.com/html/detail.html?idx=125653

تخصصي الثانوي كان في دراسات الإعلام، لكن تخصصي الرئيسي هو علوم الحاسوب. في مرحلة البكالوريوس، تعلّمت على يد الأستاذ Jung Ki-cheol في جامعة Soongsil، الذي كان الأول في كوريا الذي طبّق CUDA على الذكاء الاصطناعي، وفكّرت جدياً في الانضمام إلى مختبره البحثي.

استناداً إلى هذه الخلفية الهندسية، أريد في هذا المنشور أن أشرح ما يسعى Naia OS إلى حلّه من خلال براءات اختراعنا التقنية — وهي الأوضح تعبيراً عن هوية Nextain.

تأسست Nextain في مارس 2026، وفي غضون ثلاثة أشهر تقريباً، راكمنا 12 براءة اختراع، 8 منها تعالج مشكلات نشأت خلال التطوير بمساعدة الذكاء الاصطناعي. معظمها مُنفَّذ بالفعل وتجاربه المعيارية منشورة في مستودعات Naia-OS وNaia-Agent وNaia-ADK وNaia-Memory مفتوحة المصدر. يمكنك استنساخ تلك المستودعات ثم سؤال أدوات برمجة AI مثل Claude أو Codex عن موضع تطبيق كل براءة وبنيتها التفصيلية — وستجيبك. مع ذلك، تجدر الإشارة إلى أن بعض الأجزاء لا تزال غير مكتملة.

دعنا ننتقل إلى الشرح.

ماذا يعني أن يقود الذكاء الاصطناعي تطوير البرمجيات فعلاً

لأكثر من سنتين كنت أبني البرمجيات يومياً بجانب عملاء الذكاء الاصطناعي. في البداية كان انطباعي مجرد: "الذكاء الاصطناعي يكتب الكود بسرعة معقولة." لكن نظرتي تغيّرت الآن كلياً.

تحليل المتطلبات، التصميم، التطبيق، التحقق، النشر، وحتى تأمين الملكية الفكرية — هذه هي المراحل الفعلية لـ SDLC (دورة حياة تطوير البرمجيات) التي يشغّلها فريقنا مع الذكاء الاصطناعي. أسمّيه "SDLC القائم على البرمجة بالذكاء الاصطناعي" — ليس مجرد مساعد، بل الذكاء الاصطناعي بوصفه المنفّذ الرئيسي.

لكن عندما تدفع هذا النهج بجدية، تصطدم بجدران ضخمة غير متوقعة. ليست مجرد أخطاء أو بطء. هذه نقاط ضعف بنيوية في البنية التحتية التشغيلية لا تُحلّ حتى لو أصبح GPT-5 أو GPT-6 "أكثر ذكاءً".

إليك بعض تلك الثغرات البنيوية التي واجهتها شخصياً والحلول التي طورتها Nextain.

الثغرة البنيوية 1. تبخّر السياق وتلوّث الذاكرة

دورة SDLC قد تمتد لأسابيع أو أشهر. في كل مرة تنتهي الجلسة، ينسى الذكاء الاصطناعي قرارات الهندسة من اليوم السابق، والبدائل التي جرى تقييمها ثم رفضها، والمخاطر التي يجب الانتباه إليها. مهما اتسعت نافذة السياق، الحدود قائمة، والأمر يتلخّص في: ماذا نحتفظ وماذا نتجاهل؟

الذكاء الاصطناعي الحالي لا يملك قدرة نسيان نشطة، فإما يتراكم كل شيء بما فيه غير المفيد، أو يضطر لاستدعاء LLM مكلف لتقييم الأهمية في كل مرة. وفي أسوأ الأحوال، إذا ضغط الذاكرة ميكانيكياً قبل انتهاء حلقة العمل، ينقطع الخيط في منتصف السياق.

حل Nextain: طبّقنا نموذج تصنيف الذاكرة في علم الأعصاب (الذاكرة العاملة / حلقية / دلالية) على نظام ذاكرة الذكاء الاصطناعي. نستخدم ثلاثة محاور إرشادية — الأهمية والمفاجأة والشدة العاطفية — للقيام بـ Gating للذاكرة دون استدعاء LLM. كذلك بنيّنا ضغط الذاكرة بحيث لا يُنفَّذ بأمان إلا بعد التحقق النظامي من اكتمال الحلقة. الهدف هو القدرة على جلب المعلومات اللازمة في اللحظة المناسبة دون فقدان النوايا الجوهرية للمشروع.

(براءات ذات صلة: إدارة الذاكرة طويلة الأمد للذكاء الاصطناعي المستندة إلى علم الأعصاب / الذاكرة المعرفية القائمة على Gating الأهمية / الضغط الآمن المستند إلى حالة تكامل الحلقة)

الثغرة البنيوية 2. التدهور الصامت لملفات التوجيه (Context Drift)

مع تقدّم المشروع، تبدأ ملفات السياق مثل AGENTS.md بالتناقض مع بعضها. يقول قسم أعلى "استخدم pnpm فقط"، ثم يُضاف تحته "npm مقبول أيضاً". حين يصل النظام إلى هذه الحالة، يتردد الذكاء الاصطناعي. وإذا طلبت من الذكاء الاصطناعي مراجعة هذه الملفات بنفسه، قد يتلوّث عميل المراجعة بـ prompt injection مخفية في الملفات مثل "تجاهل هذه القاعدة".

حل Nextain: العزل البنيوي هو الحل الوحيد لهذه المشكلة. نطبّق ثلاثة إجراءات متزامنة — تقييد صلاحيات الأدوات، وإعادة الإطار المعرفي، وإلغاء تنشيط الشخصية — لبناء "عميل فرعي مخصص للمراجعة" معزول تماماً عن بيئة العمل الأصلية للتحقق من سلامة السياق.

(براءة ذات صلة: التحقق من سلامة ملفات سياق مساحة عمل الذكاء الاصطناعي)

الثغرة البنيوية 3. الجلسات المتوازية المنحازة وغير القابلة للتحكم

أحكام عميل الذكاء الاصطناعي الواحد منحازة باستمرار بطريقة ثابتة. جعله يتحقق من نفسه لا يؤدي إلا إلى تعزيز تحيّز التأكيد. وفي بيئة تعمل فيها عدة عملاء في آنٍ واحد، يصعب معرفة ما إذا كان أحدهم قد توقف أو أصابه خطأ — سواء للعملاء الآخرين أم للإنسان — في الوقت الفعلي.

حل Nextain: نعالج تحيّز الأحكام بـ"التحقق المتقاطع" بين العملاء. صمّمنا هيكلاً للتحقق المتبادل متعدد العملاء يتراكم فيه رصيد الأخطاء حسب النطاق ويُقصي العملاء ذوي الموثوقية المنخفضة في الوقت الفعلي أثناء التحقق. كذلك ابتكرنا تقنية لمراقبة حالة (Active/Idle/Error/Stopped) جلسات متوازية عديدة من خلال أحداث نظام الملفات وحده (مثل تغيّرات الطوابع الزمنية) دون تعديل كود العميل. الهدف جعل Naia مُنسّق عملاء متعددين يعرفني جيداً ويشغّلها بكفاءة.

(براءات ذات صلة: التحقق المتبادل متعدد العملاء / مراقبة جلسات متعددة للذكاء الاصطناعي مستندة إلى أحداث نظام الملفات)

خط 8 براءات اختراع يغطي دورة SDLC كاملة

إضافة إلى التقنيات الأساسية المذكورة أعلاه، وحّدنا في وحدات منفصلة وحمينا ببراءات اختراع القدرات التفصيلية الضرورية للذكاء الاصطناعي كي يكون منفّذاً فعلياً في التطوير.

قائمة الـ 8 براءات ليست شظايا تقنيات متناثرة. إنها إجابة عضوية على سؤال واحد: "كيف يجب أن تتغير البنية التحتية كي يكون الذكاء الاصطناعي صاحب التطوير البرمجياتي الحقيقي؟"

البراءات الـ 4 المتبقية من أصل 12 تتعلق ببنية خدمتنا وتقنيات إطار عمل العميل الذكاء الاصطناعي المزوّد بقدرات إدراكية وتطوير النماذج.

Nextain ليست مجرد جهة تجمع واجهات برمجية للذكاء الاصطناعي لبناء خدمات. نبحث بالمنهج الهندسي في "المشكلات البنيوية" الجوهرية لعملية بناء البرمجيات بين الإنسان والذكاء الاصطناعي، ونجمع على ذلك بحثاً موازياً في آليات الإدراك والذاكرة الأصيلة للذكاء الاصطناعي.

Naia التي نبنيها ليست مجرد فتاة افتراضية للذكاء الاصطناعي أو أداة تكتب الكود بدلاً منك. هي كيان يمكن الثقة في توجيهاته، يتذكر التأملات الجادة من الأمس، يحكم بدقة، ويتحمّل مسؤولية SDLC معك. زميل ذكاء اصطناعي حقيقي يُنجز العمل ويجعل التعاون أقل وطأة.