مقابلة تصميم الأنظمة لمهندس الذكاء الاصطناعي: دليل عملي
بقلم Aaron Cao · آخر تحديث
تطلب منك تصميم نظام تعلم آلي من البداية إلى النهاية: البيانات والميزات (features)، التدريب والتقييم، التقديم (serving) وزمن الاستجابة (latency)، والمراقبة والانحراف (drift). تميل الجولات الحديثة بشدة نحو التوليد المعزز بالاسترجاع (RAG) وتقديم النماذج. يعتمد التقييم على المفاضلات (trade-offs) التي يمكنك الدفاع عنها، لا على معمارية واحدة صحيحة.
ما الذي تختبره الجولة فعليًا
يبدو السؤال واسعًا بشكل مستحيل أول مرة تسمعه فيها: صمّم نظام توصيات، أو صمّم روبوت محادثة يعمل على مستندات الشركة الداخلية. يشرح هذا القسم ما الذي يقيّمه القائم بالمقابلة، بحيث يتوقف الاتساع عن كونه المشكلة. باختصار، يقيّمون ما إذا كنت قادرًا على تحويل طلب منتج غامض إلى نظام مرتبط بأرقام محددة.
أربعة أمور تحمل معظم الدرجة:
- تحديد النطاق (Scoping). هل تسأل عن من هم المستخدمون، وكم عدد الاستعلامات في الثانية، وما معيار الجودة الذي يُعدّ نجاحًا، قبل أن ترسم أي شيء؟
- الحكم على البيانات. من أين تأتي بيانات التدريب، وكيف يتم تصنيفها (labeled)، وما الذي يتسرب بين التدريب والتقديم (serving)؟
- التقييم. مقاييس دون اتصال (offline) إلى جانب حاجز حماية عبر الإنترنت (online guardrail). الإجابة التي تخلو من خطة تقييم تُقرأ كإجابة مبتدئ مهما كانت المعمارية جيدة.
- الحس الإنتاجي (Production sense). ميزانية زمن الاستجابة، والتكلفة لكل طلب، ووتيرة إعادة التدريب، وما يحدث عندما يخطئ النموذج.
الأسئلة التي تتكرر باستمرار
خمسة أسئلة تغطي معظم جولات تصميم الأنظمة لمهندس الذكاء الاصطناعي:
- التوليد المعزز بالاسترجاع (RAG) على مستندات خاصة. استراتيجية التقطيع (chunking)، اختيار نموذج التضمين (embedding)، الفهرس المتجهي (vector index)، إعادة الترتيب (reranking)، وما تفعله عندما لا يُعيد الاسترجاع أي نتيجة ذات صلة.
- تقديم النماذج على نطاق واسع. التجميع في دفعات (batching)، التكميم (quantization)، إبقاء وحدات معالجة الرسوميات (GPUs) مشغولة، التخزين المؤقت (caching)، وهدف زمن الاستجابة p99 الذي التزمت به أثناء تحديد النطاق.
- التوصية أو الترتيب (ranking). توليد المرشحين ثم ترتيبهم، مخزن الميزات (feature store)، الانحراف بين التدريب والتقديم (training and serving skew)، البداية الباردة (cold start).
- خط أنابيب الميزات (feature pipeline). البث (streaming) مقابل الدفعات (batch)، الصحة عند نقطة زمنية معينة (point in time correctness)، إعادة التعبئة (backfills).
- سير عمل وكيلي (agentic workflow). استدعاء الأدوات (tool calling)، حدود الخطوات، أسقف التكلفة، وكيف يتدخل الإنسان. توجد قائمة أسئلة أوسع في قسم أنواع المقابلات.
لكل من هذه الأسئلة جزء صعب واحد ينتظره القائم بالمقابلة. بالنسبة للاسترجاع، هو التقييم، لأن الجميع يستطيع تسمية قاعدة بيانات متجهية (vector database) بينما قلة يستطيعون قول كيف سيقيسون ما إذا كان الاسترجاع قد تحسّن. بالنسبة للتقديم، هو المفاضلة بين التكلفة وزمن الاستجابة مقابل حجم النموذج.
هيكل يصمد لمدة 45 دقيقة
اقضِ الدقائق الخمس الأولى في تحديد المتطلبات والأرقام، واكتبها حيث يمكن للقائم بالمقابلة رؤيتها: عدد الاستعلامات في الثانية، زمن الاستجابة المقبول، معيار الجودة، الميزانية. كل ما يأتي بعد ذلك يعود إلى هذه الأرقام الأربعة، وهذا ما يجعل الإجابة تبدو كهندسة حقيقية بدلًا من جولة في الأدوات.
بعد ذلك، ابدأ بالاتساع أولًا: مخطط يضم مصادر البيانات، والتدريب دون اتصال (offline)، ومخزن الأصول (artifact store)، ومسار التقديم (serving)، وحلقة تغذية راجعة (feedback loop). فقط بعد اكتمال الصورة الكاملة تتعمق في التفاصيل، واترك القائم بالمقابلة يختار المكوّن. اختم بذكر نمطي فشل وما الذي ستراقبه لرصد كل منهما.
طُلب من مهندسة تعلم آلي تجري مقابلة لدور أول في شركة بحث تصميم بحث دلالي (semantic search) على تذاكر الدعم. أمضت أربع دقائق في تحديد النطاق، والتزمت بـ 200 ميلي ثانية عند p95 وميزانية استدلال شهرية ثابتة، ثم استخدمت الرقمين لرفض مُعيد ترتيب (reranker) كبير لصالح مشفّر متقاطع (cross-encoder) صغير على أفضل 50 مرشحًا. المفاضلة، لا اختيار النموذج، هي ما تم تقييمه.
أين يساعد المساعد المباشر في جولة تصميم
تصميم الأنظمة شفهي وبصري، لذا يساعد المساعد هنا بدرجة أقل مما يساعد في جولات أخرى. ما يمكنه فعله هو إبقاء القائمة المرجعية أمامك. يستمع SubcueAI إلى صوت الاجتماع ويضع هيكلًا على طبقة تراكب (overlay) محلية: أسئلة تحديد نطاق لم تطرحها بعد، قسم التقييم الذي تجاوزته، أنماط الفشل الجديرة بالذكر. يلتقط تطبيق سطح المكتب على macOS و Windows صوت النظام بالإضافة إلى صوت الميكروفون الخاص بك؛ أما اللوحة الجانبية لإضافة المتصفح فتلتقط صوت تبويب الاجتماع فقط، لذا فهي تسمع القائم بالمقابلة دون تفريغ حديثك أنت. لا ينضم أي بوت إلى المكالمة.
القيود مهمة في هذه الجولة أكثر من معظم الجولات الأخرى. إذا كنت تشارك شاشتك لرسم مخطط، فإن طبقة التراكب تقع ضمن ما تشاركه. التقييمات المُراقَبة (proctored) والأجهزة التي تديرها الشركة خارج النطاق، ولا توجد أداة غير قابلة للاكتشاف عالميًا. كما لا يمكن للمساعد اختراع الحكم المعماري الذي يتم تقييمه. التدرب على هذه الأسئلة أمام قائم مقابلة بالذكاء الاصطناعي على صفحة المقابلة التجريبية يبني تلك المهارة؛ طبقة التراكب لا تفعل سوى منعك من نسيان التقييم عند الدقيقة 30.