ما أنواع الذكاء الاصطناعي التطبيقي التي يجري الحديث عنها؟
يمكن تصنيف المجالات الرئيسية لتطوير الذكاء الاصطناعي التطبيقي الحديث، وما يرتبط بها من مسارات للتهديد، ضمن أربع مجموعات رئيسية.
أولاً، هناك الأنظمة السحابية المركزية المبنية على ما يُعرف بـ«نماذج اللغة الكبيرة» (LLMs)، والتي يجري تطويرها في الولايات المتحدة، مثل OpenAI ChatGPT وAnthropic Claude وGoogle Gemini وLlama وGrok، وفي الصين، مثل DeepSeek وQwen وKimi وGLM. وغالباً لا تكون القدرات الكاملة لهذه الأنظمة متاحة إلا عبر خدمات ويب مستضافة خارج روسيا.
ووفقاً لبعض تصنيفات الأداء، لا تزال الأنظمة الروسية التي تطورها شركتا Sber، مثل GigaChat، وYandexGPT، مثل Alice AI، متأخرة حالياً عن الخدمات الأجنبية. ولذلك، سيركز الجزء الرئيسي من هذا المقال على الثورة التي شهدها هذا القطاع خلال السنوات القليلة الماضية، وعلى الفرص والمخاطر التي يطرحها.
ثانياً، هناك الأنظمة الروبوتية المستقلة القادرة على تنفيذ المهام الموكلة إليها من دون مشغّل، على سبيل المثال في ظروف التشويش أو عندما يكون الاتصال بمركز التحكم مستحيلاً من حيث المبدأ أو غير عملي في موقف معين.
وقد جرى تناول هذه الأنظمة ومتطلباتها في مراجعة سابقة. وتؤكد الأخبار الأخيرة أهمية هذا المجال، ولا سيما الإعلان الصادر في سبتمبر/أيلول 2026 عن بدء إنتاج نوع جديد من الطائرات الهجومية المسيّرة ذاتية التشغيل في ألمانيا.
وبناءً على المعلومات المحدودة المتاحة، لا تزال هذه الأنظمة بعيدة عن الكمال، لكنها تُصمم وتُطور بنشاط، رغم الجهود غير الناجحة التي بذلتها عدة جماعات ضغط من أجل فرض حظر دولي على تطوير أنظمة الأسلحة الفتاكة ذاتية التشغيل (LAWS).
وفي الوقت الراهن، يتمثل العائق الرئيسي أمام تطويرها في المتطلبات العالية للموارد التي تفرضها بنى الذكاء الاصطناعي الحديثة القائمة على الشبكات العصبية، إذ تحتاج إلى قدر كبير من الذاكرة وتستهلك كميات كبيرة من الطاقة. ومن شأن تجاوز هذه القيود عبر بنى حوسبة جديدة، مثل البنى العصبية الشكلية، أن يجعل التحديات المرتبطة بالأنظمة المستقلة أكثر إلحاحاً.
ثالثاً، هناك ما يسمى أنظمة «الأسراب» المبنية على الأنظمة المستقلة المذكورة أعلاه.
وتسمح هذه الأنظمة للعوامل المستقلة، مثل الطائرات المسيّرة والمركبات البرية والسطحية وتحت المائية، بتنفيذ المهام الموكلة إليها ليس فقط بصورة مستقلة، بل أيضاً بالتعاون فيما بينها ومن دون مشغّلين.
ووفقاً للمعلومات المتاحة علناً، يجري تطوير كل من الأنظمة المستقلة وأنظمة الأسراب بوتيرة نشطة، ولا سيما في الصين، التي يبدو أنها تراهن عليها بوضوح في صراعات محتملة مستقبلاً.
رابعاً، هناك الأنظمة الهجينة، التي يجري فيها تعويض القدرات الذكية المحدودة للأنظمة في المجموعتين الثانية والثالثة، أو استكمالها، من خلال التحكم بواسطة نظام مركزي من المجموعة الأولى، شريطة وجود اتصال بمركز البيانات المسيطر، سواء بمشاركة بشرية أو من دونها.
وتنتمي معظم الأنظمة المستخدمة اليوم إلى هذه الفئة. وأشهر نظام يستخدم تقنيات متقدمة قائمة على نماذج اللغة الكبيرة هو النظام الأمريكي Palantir.
ما نماذج اللغة الكبيرة التي نعرفها؟
ننتقل الآن إلى دراسة الوضع الحالي للفئة الأولى من الأنظمة، التي تستخدم بنى «المحوّلات» القائمة على الشبكات العصبية العميقة. ويمكن لأعلى النماذج الأجنبية أداءً أن تضم مئات المليارات من المعلمات، أي أكثر من عدد الخلايا العصبية في القشرة المخية البشرية، الذي يبلغ نحو 100 مليار، ولكن أقل من عدد الوصلات التشابكية العصبية، الذي يزيد على ذلك بعدة مراتب من حيث الحجم.
وتتطلب معالجة الاستفسارات وتوليد الإجابات بكفاءة باستخدام الشبكات العصبية، ولا سيما أثناء التدريب، عناقيد حوسبة قوية من وحدات معالجة الرسوميات المتخصصة (GPUs) القادرة على تنفيذ عمليات حسابية متوازية بدرجة عالية. ولا تنتج هذه المعالجات بالمواصفات التقنية المطلوبة سوى شركات أمريكية هي Nvidia وAMD وIntel. وتحاول شركات صينية مثل Huawei تطوير بدائل، لكنها لا تزال متأخرة في هذا السباق. وتعتمد تقريباً جميع أنظمة الذكاء الاصطناعي المعروفة والمستخدمة على نطاق واسع اليوم، بما في ذلك الأنظمة الصينية، على وحدات معالجة الرسوميات التي تنتجها شركة أمريكية واحدة هي Nvidia.
ويتغير باستمرار ترتيب المتصدرين في سباق تطوير أفضل أنظمة الذكاء الاصطناعي أداءً، وفقاً لمعياري أعلى دقة في الإجابات وأقل نسبة من الردود المعيبة. ووفقاً لتقييم الكاتب، يتقاسم ChatGPT من OpenAI وClaude من Anthropic حالياً المركز الأول في معظم المهام التطبيقية. أما النماذج الصينية فما تزال في مرحلة اللحاق، ووفقاً للمعلومات المتاحة للكاتب، فإن حتى مطوري البرمجيات الصينيين يستخدمون في كثير من الأحيان حلولاً أمريكية. أما الحلول الروسية فهي في وضع أضعف بدرجة أكبر.
ويرجع هذا التأخر أساساً إلى الفجوة التكنولوجية وشدة المنافسة في الولايات المتحدة، في حين تسير الشركات الصينية والروسية في أعقاب الشركات الأمريكية، وغالباً ما تستعير مناهجها من المنشورات الأكاديمية المتاحة علناً والمشروعات مفتوحة المصدر. وإضافة إلى ذلك، تحد ضوابط التصدير والعقوبات الأمريكية من وصول الدول المنافسة إلى المعالجات الأعلى أداءً، ما يؤدي إلى اتساع الفجوة بصورة أكبر.
كما تؤثر المتطلبات العالية للطاقة التي تحتاج إليها نماذج الشبكات العصبية في تكلفة الخدمات بالنسبة إلى المستخدمين النهائيين. فقد تتراوح تكلفة استخدام النماذج السحابية من عشرات الدولارات إلى عشرات الآلاف من الدولارات للمشروع الواحد، تبعاً لأنماط الاستخدام، كما توضح تقديرات الاستخدام المكثف للنماذج المقدمة في ندوة AGI Russia.
ويواجه المطورون الروس قيوداً أمريكية على الوصول إلى النماذج المتقدمة، إذ تقوم OpenAI وAnthropic بصورة منهجية بحظر حسابات المستخدمين الروس. وفي سبتمبر/أيلول 2026، سُجلت أيضاً حالات لفرض قيود على الوصول من داخل روسيا نفسها.
ولتجاوز هذه القيود، يضطر مستخدمو الخدمات الأمريكية في روسيا إلى استخدام أدوات برمجية غير مصرح بها على نطاق واسع. ومن ناحية، يعقد ذلك عمليات الإنتاج ويخلق مخاطر تتعلق بعدم الالتزام بالمواعيد النهائية للمشروعات إذا أصبحت الإجراءات التقييدية أكثر صرامة. ومن ناحية أخرى، فإن الاستخدام الواسع للنماذج الأجنبية لا يمثل أقل من عملية نقل جماعي غير مصرح بها وغير مشروعة عبر الحدود للمعلومات الداخلية والملكية الفكرية الخاصة بالجهات الروسية إلى شركات مرتبطة بهيئات حكومية ومؤسسات عسكرية أمريكية.
ويمكن معالجة المتطلبات العالية للطاقة والموارد التي تحتاج إليها النماذج السحابية المتقدمة، إلى جانب مخاطر تسرب المعلومات والبيانات، جزئياً من خلال الانتقال إلى بدائل سحابية محلية، أو استخدام نسخ «خفيفة» متاحة من نماذج «الأوزان المفتوحة»، أو اللجوء إلى حلول متخصصة «مفتوحة المصدر».
وفي الحالة الأخيرة، يمكن تقليل مخاطر تسرب البيانات من خلال تشغيل النماذج في بيئة معزولة مع الالتزام الصارم ببروتوكولات الأمن السيبراني. لكن هذا النهج سيأتي، للأسف، على حساب انخفاض كبير في جودة وأداء العمليات المعنية.
ماذا تقدم نماذج اللغة الكبيرة هذه؟
أشارت مراجعة سابقة نُشرت قبل عامين إلى تقرير تحليلي أعده ليوبولد آشنبرينر، الموظف السابق في OpenAI، وتوقع فيه أن تصل تقنيات الذكاء الاصطناعي خلال ثلاث سنوات إلى عتبة التحسين الذاتي، وهي المرحلة التي يصبح فيها الذكاء الاصطناعي قادراً على تطوير شفرته البرمجية بنفسه من دون مساعدة بشرية، وبكفاءة وسرعة تفوقان البشر بما لا يقاس. ويمكن الاطلاع على نقاش مفصل للتقرير.
وبمجرد وصول الذكاء الاصطناعي إلى هذه المرحلة من التطور، ستحصل الدول، أو الشركات الوطنية، التي تمتلك هذه التقنيات على تفوق جيوستراتيجي لا جدال فيه. وكان وزير الخارجية الأمريكي الأسبق هنري كيسنجر ومؤسس Google إريك شميت، الذي أصبح الآن أحد أبرز المسؤولين المنخرطين في تطوير الذكاء الاصطناعي العسكري في الولايات المتحدة، قد قدما توقعاً مشابهاً في وقت سابق في كتابهما.
ومن اللافت، استناداً إلى أسلوبه، أن تقرير آشنبرينر يبدو موجهاً إلى صناع القرار في وزارة الخارجية الأمريكية ووزارة الحرب. فهو لا يقترح فقط وقف النشر المفتوح لنتائج أبحاث الذكاء الاصطناعي بصورة كاملة، وهي خطوة بدأت كبرى الشركات الأمريكية بالفعل في تطبيقها جزئياً، بل يدعو أيضاً إلى تقييد سفر المتخصصين في هذا المجال إلى الخارج، وهو إجراء طبقته الصين في عام 2026.
وعلاوة على ذلك، اقترح التقرير، من أجل ضمان تفوق استراتيجي أمريكي في مجال الذكاء الاصطناعي، رفع القيود على إنتاج النفط المحلي، وهو إجراء يجري تنفيذه بالفعل، إلى جانب إعطاء الأولوية لتطوير الطاقة النووية لتزويد مراكز البيانات بالطاقة.
ويشكك بعض الخبراء والمعلقين في مثل هذه التوقعات، مشيرين إلى ما يسمى «فقاعة الذكاء الاصطناعي»، ومتوقعين أن «تنفجر» كما حدث مع «فقاعة الدوت كوم» عام 2001. بينما يشدد آخرون على ضعف الكفاءة في استهلاك الطاقة للحلول الحالية، ويصفونها بأنها «ديناصورات محكوم عليها بالانقراض» ستستبدل بها تقنيات أكثر اقتصاداً وتقدماً.
ومع ذلك، أصبح من الواضح بالفعل أنه في العديد من المجالات العلمية وفي تطوير التقنيات الجديدة، بما في ذلك الأجهزة والبرمجيات، تحولت نماذج الذكاء الاصطناعي المتقدمة إلى أداة لا غنى عنها لزيادة الإنتاجية وتقليص الوقت اللازم للعمل الفكري لكل وحدة من المخرجات العلمية عدة مرات، بشرط أن يحتفظ المستخدمون، بطبيعة الحال، بالقدرة على التقييم النقدي للنتائج التي يساعد الذكاء الاصطناعي على إنتاجها. ويمكن الاطلاع على نقاش حول قدرات الذكاء الاصطناعي الحديثة في أتمتة العمل العلمي.
وتواصل هذه القدرات تطورها. ففي أغسطس/آب 2026، قدمت Anthropic نسخة بحثية تجريبية من «معيار عتاد النماذج» (MHS) لدمج الوكلاء القائمين على نماذج اللغة الكبيرة مع مجموعة واسعة من أدوات المختبرات ومعدات التصنيع، بهدف تنفيذ الدورة البحثية الكاملة في العالم المادي بصورة مستقلة.
كما يعمل الذكاء الاصطناعي على إحداث تحول في المجالات التطبيقية مثل تطوير البرمجيات.
والاستنتاج الرئيسي الذي برز من النقاشات في مؤتمرات الصناعة هذا العام هو أن الشفرة البرمجية ستُكتب في المستقبل حصرياً بواسطة وكلاء الذكاء الاصطناعي، بينما يتولى البشر تحديد المهام، والإشراف على الوكلاء، ومراجعة الشفرة.
وبناءً على ذلك، ستحتاج صناعة تطوير البرمجيات إلى مديرين ومحللين لتحديد المهام، وإلى مبرمجين ذوي خبرة لمراجعة الشفرة.
وقد توصل مؤلفو التقرير المنشور حديثاً بعنوان «التكلفة الخفية للذكاء الاصطناعي: عملية تطوير البرمجيات في عصر الذكاء الاصطناعي» إلى استنتاجات مماثلة.
وكما قال أحد المشاركين في مؤتمر عُقد مؤخراً: «لقد حدثت للتو ثورة في تطوير البرمجيات. لم نكن نتوقعها، ولا نعرف ماذا نفعل بعد ذلك.»
ما المشكلات التي يخلقها ذلك؟
لننتقل الآن إلى دراسة المخاطر والتهديدات المحتملة في مجال تطوير البرمجيات، ثم إسقاطها على تطوير المنتجات الإلكترونية، والعمل التحليلي والعلمي، واتخاذ القرار في الأعمال والإدارة العامة وغيرها من المجالات.
لنفترض أن الذكاء الاصطناعي يزيد الإنتاجية عدة مرات، ما يلغي الحاجة إلى المهندسين والفنيين ذوي المهارات المنخفضة أو المتوسطة في عمليات الإنتاج، مع الإبقاء فقط على الحاجة إلى متخصصين ذوي مهارات عالية قادرين على تكليف وكلاء الذكاء الاصطناعي بالمهام واستلام العمل الذي ينجزونه. لكن في مثل هذه الحالة، كيف سيطور المهندسون والمتخصصون التقنيون، مثل المبرمجين، خبراتهم المتقدمة إذا لم يمروا بالمراحل الأولى من العمل التطبيقي ويكتسبوا الخبرة العملية المرتبطة بها؟
ومن المشكلات المعروفة في شركات تطوير البرمجيات نقص الموظفين الذين يظلون متحمسين لمراجعة شفرات الآخرين وتصحيحها وتحسينها، إذ يفضل معظم المتخصصين «كتابة شفرتهم الخاصة».
وعندما تبدأ الوكلاء القائمة على نماذج اللغة الكبيرة في إنتاج كميات هائلة من الشفرات بسرعة كبيرة، وبجودة تتجاوز جودة المبرمجين متوسطي المستوى الذين تستغني الشركة عنهم، سيجد الموظفون المهرة المتبقون أنفسهم أمام «تراكم» كبير من أعمال مراجعة المشروعات، واختبارات القبول، والتعديلات.
وهنا يتحول نقص الموظفين ذوي المهارات العالية إلى «عنق زجاجة» في العمل على المشروعات.
وبعد 5 أو 10 أو 20 عاماً، عندما يغادر المتخصصون المتبقون الشركة لأسباب مختلفة، لن يكون هناك من يحل محلهم، لأن الأشخاص الذين كان يمكن أن يتطوروا من وظائف المبتدئين إلى هذا المستوى سيكونون قد فقدوا بالفعل فرصة اكتساب هذه المهارات.
وتزداد المشكلة تعقيداً بسبب استمرار ظاهرة ما يسمى «الهلوسات»، أي الحلول الخاطئة التي تقترحها الوكلاء القائمة على نماذج اللغة الكبيرة، حتى عندما تستخدم نماذج متقدمة.
وأحد الحلول العملية لهذه المشكلة هو التطوير التكراري، حيث ينتج «الوكيل» نسخاً متتالية من الشفرة، بينما يوجّه «المبرمج الخبير» العملية تدريجياً نحو نسخة خالية من الأخطاء.
لكن حتى مع هذا النهج، فإن السرعة والحجم الكبيرين لنسخ الشفرة التي يولدها «الوكيل» يجعلان «المبرمج الخبير»، أي الشخص الذي يقوم بالمراجعة، هو «الحلقة الأضعف».
كما تمثل الطبيعة الغامضة للنماذج العصبية الحالية وضعف قابليتها للتفسير مشكلة أكثر عمومية في استخدامها.
فمن ناحية، أصبح الذكاء الاصطناعي عملياً ومريحاً إلى درجة أنه بدأ يحل محل البشر في عمليات الإنتاج.
ومن ناحية أخرى، لا تزال الحدود الفعلية لما تعرفه نماذج الشبكات العصبية وما لا تعرفه غير واضحة عملياً، فيما تكلف «هلوساتها» الشركات عشرات المليارات من الدولارات سنوياً.
ومن بين الأساليب المطروحة لمعالجة هذه المشكلة التحقق الشكلي من نماذج الشبكات العصبية أو من الشفرة التي تولدها، وهو مجال يجري تطويره بنشاط في الغرب.
وفي مجال تطوير البرمجيات تحديداً، قد تساعد أساليب التحقق الشكلي من الشفرة على معالجة مشكلة الهلوسات، وهو نهج تعمل عليه أمازون وغيرها من الجهات.
وتتمثل مشكلة أخرى في تسرب المعلومات عبر الحدود.
وربما تكون هذه المشكلة أقل خطورة في البحث الأكاديمي، لأن الأفكار والوثائق والشفرة التي «تتسرب» تصبح في نهاية المطاف جزءاً من المعرفة العلمية العامة المتاحة للجميع.
لكن حتى في المجال العلمي، يوجد خطر محتمل يتمثل في أن يتمكن «الطرف الآخر» من الادعاء بأنه صاحب الأولوية في تطوير علمي أو تكنولوجي معلن.
أما عند التعامل مع معلومات حساسة تخص الشركات أو الجهات الحكومية، فإن الموظف أو المسؤول الروسي يواجه خياراً صعباً: إما أ) أن يخفض إنتاجيته عمداً من خلال التخلي عن التقنيات الجديدة أو حصر أدواته في النماذج المحلية أو النسخ «الخفيفة» من النماذج الأمريكية أو الصينية، أو ب) أن يستخدم أدوات «موضع شك» من منظور أمني لتجاوز قيود الوصول والعمل «على أحدث مستوى»، مع «تسريب» وثائق العمل والشفرة إلى خوادم في الولايات المتحدة أو الصين.
وقد ظهر وضع مشابه قبل نحو عقدين مع وسائل التواصل الاجتماعي، عندما تعلمت شركات تجميع البيانات الشخصية، ولا سيما في الولايات المتحدة، كيفية تحقيق أرباح من البيانات الشخصية والمحتوى الذي ينتجه مستخدمو شبكات التواصل الاجتماعي حول العالم، وذلك من خلال بيع ملفات سلوكية عن المستخدمين.
واستغرق الأمر نحو عقدين حتى يُعترف دولياً بأهمية هذه المشكلة، وحتى بدأت دول منفردة اتخاذ خطوات لحماية بيانات المستخدمين، سعياً إلى حماية مواطنيها من استغلال بياناتهم تجارياً من قبل الشركات العابرة للحدود، ومن احتمالات التلاعب بسلوكهم عبر هذه الخدمات الإلكترونية.
والآن، يمكن أن يتحول أي نشاط مهني إلى مصدر بيانات تُجمع لصالح شركات أمريكية أو صينية، بما في ذلك الأعمال التي ينفذها موظفو الشركات والمؤسسات الحكومية باستخدام الوثائق الداخلية والمعلومات التقنية في أماكن العمل.
ومن اللافت أن تراخيص المؤسسات للخدمات السحابية القائمة على الذكاء الاصطناعي في الولايات المتحدة تتضمن التزامات من مقدمي الخدمات بعدم استخدام بيانات المستخدمين وتعليماتهم في تدريب الإصدارات اللاحقة من النماذج.
لكن الممارسة الحالية للوصول إلى هذه الخدمات في روسيا على أساس فردي تستبعد، حتى من الناحية النظرية، وجود ضمانات حقيقية للسرية، فضلاً عن تطبيقها عملياً.
ما الذي ينبغي فعله؟
في عام 2017، صرح فلاديمير بوتين بضرورة احتلال موقع ريادي في مجال الذكاء الاصطناعي. واليوم، فإن مجرد مواكبة التطورات وتجنب الاعتماد التكنولوجي على الأطراف الأخرى في «سباق الذكاء الاصطناعي» يتطلب إحلالاً محلياً لتقنيات الذكاء الاصطناعي باعتبارها بنية تحتية حيوية، بما يشمل العتاد والبرمجيات والنماذج نفسها، وهي مهمة باتت ضرورية منذ وقت طويل.
ويشير عدد من الباحثين، من بينهم الباحثون الروس إي. فيتيايف، وإس. شومسكي، وإيه. كولونين، إلى إمكانية تطوير بنى للذكاء الاصطناعي أكثر كفاءة في استخدام الموارد من نماذج اللغة الكبيرة، وتوفر في الوقت نفسه قابلية للتفسير، بخلاف البنى القائمة على الشبكات العصبية العميقة والمحولات.
وقد تكون قابلية التفسير مهمة بصورة خاصة عند بناء أنظمة ذكاء اصطناعي «شفافة» أو «موثوقة» مخصصة للبنية التحتية الحيوية والمهام الحساسة. ويتطلب ذلك إجراء بحوث تطبيقية لتطوير واختبار مثل هذه البنى المحلية، بما في ذلك البنى الهجينة «العصبية-الرمزية»، باعتبارها بدائل محتملة أقل تكلفة وأكثر قابلية للتفسير مقارنة بنماذج اللغة الكبيرة الأجنبية الحالية.
ويتطلب إحلال الواردات في تطوير البرمجيات والعتاد إنشاء أطر عمل محلية قائمة على وكلاء نماذج اللغة الكبيرة، تكون معتمدة ومدرجة في سجل البرمجيات الروسي، وتدعم دورة تطوير البرمجيات بأكملها، بما في ذلك إعداد المواصفات والتحقق منها، وتوليد الشفرة والاختبارات، والتحقق من الشفرة ومراجعتها.
ويجب أن تكون هذه الأطر قادرة على استخدام كل من الخدمات السحابية، عندما يبرر التوازن بين الكفاءة والأمن ذلك، والنماذج المحلية التي تعمل في بيئة معزولة لمنع تسرب المعلومات عبر الحدود. وقد اقتُرح أحد هذه الأطر خصيصاً لتصميم الدوائر المتكاملة فائقة الكثافة (VLSI) خلال منتدى الإلكترونيات الدقيقة في عام 2025.
ويتطلب ضمان أمن وموثوقية كل من نماذج الشبكات العصبية والبرمجيات المطورة باستخدامها مزيداً من تطوير أساليب التحقق الشكلي للبرمجيات ولنُظم الذكاء الاصطناعي نفسها، استناداً إلى الأعمال المحلية القائمة في هذا المجال.
ومن شأن التقدم في هذه التكنولوجيا أن يخفف بدرجة كبيرة العبء عن «عنق الزجاجة» المتمثل في المتخصصين ذوي المهارات العالية المطلوبين لمراجعة الشفرة التي يكتبها وكلاء الذكاء الاصطناعي والتحقق منها. كما يمكن أن يجعل نماذج الذكاء الاصطناعي نفسها أكثر «شفافية» و«موثوقية»، من خلال استخدام أدوات التحقق لتحديد نطاقات كفاءتها وحدود قابليتها للتطبيق.
كما يتطلب تحسين كفاءة التفاعل بين وكلاء الذكاء الاصطناعي والمحللين الخبراء، في إطار النهج المذكور سابقاً، مزيداً من التطوير العملي والتطبيق الأوسع لأساليب تطوير البرمجيات القائمة على المواصفات الشكلية، أي النماذج الدلالية للتطبيقات، إلى جانب تقنيات تنفيذ هذه المواصفات مباشرة.
ويُستخدم هذا النهج على نطاق واسع في أنظمة التحكم الآلي في العمليات (APCS). ويمكن استخدام المواصفات القائمة على معياري IEC 61131 وIEC 61499 لتوليد الشفرة وكذلك للتنفيذ المباشر بواسطة مفسر، كما يمكن تطبيق هذا النهج في مجالات أخرى.
وتمتلك روسيا متخصصين لديهم خبرة في تطوير مثل هذه المعايير والأنظمة لأنظمة التحكم الآلي في العمليات (APCS)، وتطبيقات الأعمال، وغيرها من المجالات.
ولمنع تسرب البيانات في مجالي التصنيع والأعمال، ينبغي التعامل مع الاستخدام غير المصرح به للخدمات الأجنبية السحابية القائمة على الذكاء الاصطناعي، بما في ذلك من خلال أدوات تتجاوز قيود الوصول، باعتباره تهديداً للأمن السيبراني.
وتتطلب معالجة هذا التهديد تنفيذ أمرين في الوقت نفسه: توفير بدائل محلية وتطبيقات تعمل محلياً تتمتع بقدرة تنافسية، حيثما كان ذلك متاحاً، وتنظيم مسارات خاصة لحركة البيانات وآليات تصفية للاتصالات التي تكون غير مصرح بها رسمياً، لكنها ضرورية لمهام التصنيع والتشغيل التي تعتمد على خدمات أجنبية، إذا كان ذلك مسموحاً.
وإلى أن تُحل المشكلة الأولى الواردة في هذه القائمة، أي إحلال البدائل المحلية لوكلاء نماذج اللغة الكبيرة، فمن المستحسن تجنب فرض قيود وطنية إضافية على استخدام خدمات الذكاء الاصطناعي الأجنبية.
وينبغي معالجة قضايا أمن الذكاء الاصطناعي من خلال تدابير مستهدفة تُحدد لكل حالة على حدة، وعلى مستوى الشركات والمؤسسات الفردية.
