لماذا يواصل الذكاء الاصطناعي التوليدي إرباك المنزل الذكي؟

وكل مرحلة إضافية تفتح باباً جديداً للالتباس: اسم جهاز فُهم خطأ، أو مُعامل غير صالح، أو معلومات قديمة عن حالة الجهاز، أو مهلة اتصال انتهت، أو تكامل لم يعمل. ووفقاً لمارك ريدل، الأستاذ في معهد جورجيا للتكنولوجيا، فإن النماذج اللغوية الكبيرة تفهم أشكالاً أكثر من التواصل، لكن هذا الانفتاح نفسه يزيد فرص أخطاء التفسير. كما يبرز تناول المشكلة في تقارير أخرى الفرق بين مطابقة القوالب القديمة والأنظمة الاحتمالية القائمة على نماذج المحوّلات، التي قد تنتج استجابات مختلفة لطلبات متشابهة.

لماذا تفضح الأوامر البسيطة هذا الخلل؟

يبدو طلب مثل «خفّف إضاءة المصباح» سهلاً لأن النتيجة المطلوبة واضحة. على النظام أن يختار جهازاً واحداً، ويطبق قيمة محددة، ثم يتأكد من أن الجهاز وصل فعلاً إلى الحالة المطلوبة. لا مجال هنا لإجابة تبدو مقنعة من الناحية اللغوية من دون أن يتغير المصباح، أو مع تغيّر جزء فقط من مجموعة الأجهزة.

هذا المعيار الحاسم يكشف عيوباً قد لا تظهر في المحادثات المفتوحة. فقد يتحدث النموذج بطلاقة، بينما يسيء فهم اسم جهاز، أو يختار قدرة غير صحيحة، أو يعلن نجاح العملية من دون التحقق من حالة الجهاز. وقد يتقبل المستخدم سؤالاً توضيحياً من مساعد حواري، لكنه لن يكون متسامحاً بالقدر نفسه عندما تفشل إضاءة غرفة النوم أو تبقى الأنوار مشتعلة بعد أن يؤكد النظام أنه نفذ الأمر.

وترتبط هذه الأخطاء أيضاً بتعقيد دمج نموذج لغوي مع خدمات قائمة وملايين الأجهزة المتوافقة مع Alexa؛ وهي مهمة وُصفت بأنها صعبة حتى عندما يكون النموذج أكثر قدرة ومرونة من سابقه.

ماذا يكشف اختبار ديفيد بوغ؟

قال الكاتب التقني ديفيد بوغ إنه طلب من Alexa+ تنفيذ 135 مهمة، وإن المساعد نجح في أقل بقليل من نصفها. هذا اختبار عملي، وليس دراسة مضبوطة تشمل جميع مستخدمي Alexa+ أو كل الأجهزة المدعومة؛ لذلك لا ينبغي اعتباره «نسبة نجاح عامة» للنظام.

ومع ذلك، يظل الاختبار مؤشراً مهماً على حالة المنتج. فمساعد منزلي يفشل في تنفيذ عدد قريب من ذلك من الطلبات سيكون من الصعب الوثوق به في تشغيل الأضواء، وضبط مفاتيح التعتيم، وإنشاء الروتينات، وتشغيل الموسيقى أو تنفيذ الإجراءات المتكررة. كما أشار بوغ إلى أن Alexa القديمة كانت أكثر اعتماداً في بعض المهام المألوفة، ومنها التحكم في الأضواء وضبط مستويات السطوع.

وهنا تكمن نقطة جوهرية: اتساع القدرات لا يعني بالضرورة ارتفاع الموثوقية. قد يتعامل المساعد مع أنواع أكثر من الطلبات، لكنه يصبح أقل قابلية للتوقع في مجموعة الأوامر المحدودة التي يستخدمها الناس يومياً.

التأخر الزمني يجعل المساعد أقل شبهاً بالأجهزة المنزلية

السرعة جزء من الموثوقية في المنزل الذكي. فمفتاح الإضاءة لا يحتاج إلى شرح طريقة تفكيره؛ المطلوب أن يستجيب. وعندما يستغرق المساعد عدة ثوانٍ، أو يصل في بعض اختبارات Alexa+ إلى 15 ثانية، يبدأ المستخدم في الشك: هل نُفذ الأمر أم لا؟

قد يعني الانتظار الطويل أن الطلب يمر عبر طبقات إضافية من الاستدلال عن بُعد، ومعالجة السياق، وتنسيق الأدوات، وتنفيذ الاستدعاءات البرمجية. وحتى إذا استجاب الجهاز في النهاية، فإن التجربة لم تعد تشبه تشغيل جهاز منزلي مباشر؛ بل تشبه انتظار خدمة كي تقرر أولاً ما الذي قصده المستخدم.

أبل تواجه المعضلة نفسها مع Siri

توضح التقارير المتعلقة بخطط أبل لـ HomePod وApple TV مدى ارتباط العتاد الجديد ببرمجيات المساعد. فقد ذكرت تقارير أن أبل تعمل على دعم Siri القائم على الذكاء الاصطناعي لهذه المنتجات، فيما تشير مراجع ظهرت في نسخ تجريبية من النظام إلى أن الشركة تجهز لدمج الجيل التالي من Siri في HomePod وApple TV.

كما ادعت تقارير أخرى أن أبل أرجأت تحديثات عتاد HomePod وApple TV إلى أن تلحق تجربة Siri الجديدة بالركب. لكن هذه المعلومات تظل تقارير صحفية وليست جدولاً زمنياً أكدته أبل، ولذلك ينبغي التعامل معها بحذر.

والدلالة الأوسع لا تتعلق بموعد إطلاق بعينه: عندما تصبح قيمة مكبر الصوت الذكي مرتبطة بمساعد ذكاء اصطناعي جديد، فإن عدم جاهزية المساعد قد يؤخر المنتج الذي يعتمد عليه. وهذا يرفع كلفة طرح نظام يبدو مبهراً في العروض التوضيحية، لكنه لا يعمل بثبات في الاستخدام المنزلي المتكرر.

التصميم الأفضل: الذكاء الاصطناعي في الواجهة، والتحكم الحتمي في الخلفية

لا يعني ذلك بالضرورة التخلي عن واجهات اللغة الطبيعية. فالنماذج التوليدية مفيدة في تحويل الكلام المرن إلى نية منظمة. لكن الخطر يبدأ عندما يُسمح لنموذج غير مقيد بأن يكون صاحب القرار النهائي في التنفيذ.

التصميم الأكثر اعتمادية ينبغي أن:

• يحوّل الطلب إلى مخطط صارم يحدد الجهاز والإجراء والمعاملات؛
• يقصر اختيار الأدوات على القدرات الموجودة فعلاً في المنزل؛
• يرفض الأوامر الغامضة أو غير الصالحة بدلاً من التخمين؛
• يتحقق من حالة الجهاز بعد التنفيذ؛
• يعود إلى مسار أوامر حتمي عندما يكون النموذج غير متأكد أو غير متاح.

وتؤكد الأبحاث المتعلقة باستخدام النماذج اللغوية الكبيرة في المنازل الذكية الحاجة إلى هذه الضوابط. ففي تقييم شمل 13 نموذجاً، سجل GPT-4o معدل نجاح بلغ 0% في سيناريو محدد للتعليمات غير الصالحة متعددة الأجهزة، حتى مع استخدام تقنيات مثل التعلم داخل السياق، والتوليد المعزز بالاسترجاع، والضبط الدقيق. تتعلق هذه النتيجة بإعداد تجريبي محدد، ولا تمثل أداء الاستخدام اليومي، لكنها توضح سبب ضرورة التحقق من مخرجات النموذج قبل السماح لها بالتحكم في أجهزة حقيقية.

أزمة هوية المساعد الصوتي الذكي

تحاول أمازون وأبل وغوغل جعل المنتج نفسه يؤدي وظيفتين مختلفتين جذرياً. فالمساعد الحواري يمكن أن يكون استكشافياً ومفصلاً ومتسامحاً مع الغموض. أما منصة التحكم المنزلية فعليها أن تكون هادئة وسريعة ومدركة لحالة الأجهزة ودقيقة إلى حد ممل.

كانت الأنظمة القديمة مزعجة لأنها أجبرت المستخدم على تعلم عبارات جامدة. أما الأنظمة الجديدة فتعد بإزالة هذا العبء، لكن اللغة الطبيعية ليست سوى الواجهة الأمامية للمشكلة. فخلف كل طلب عفوي توجد في النهاية عملية ملموسة: جهاز واحد، وتغيير واحد في الحالة، وتأكيد موثوق.

وإلى أن تحافظ الشركات على تنفيذ حتمي خلف الطبقة الحوارية، سيظل المساعد «الأذكى» معرضاً للتضحية بالشيء الذي جعل التحكم الصوتي مفيداً من الأساس: الثقة. قد يوفر إطلاق الأنظمة غير المكتملة ملاحظات مهمة لتحسينها، لكن عندما يحدث الاختبار داخل منازل العملاء الذين دفعوا ثمن المنتج، يتحمل المستهلكون كلفة بنية لم تثبت بعد قدرتها على تقديم موثوقية جهاز منزلي حقيقي.