تسريع حركة البيانات وأحدث ما يتم تطويره في S3 – أندي وارفيلد من AWS يشارك رؤاه
عبر صناعة الحوسبة السحابية، أصبح الذكاء الاصطناعي يغيّر ما يتوقعه العملاء من منصات البيانات. فلم يعد التحوّل مقتصراً على تخزين المزيد من المعلومات، بل على جعل تلك المعلومات بشكل أسهل وتبسيط الوصول إليها بحيث يصبح ربطها بأنظمة الذكاء الاصطناعي، واستخدامها على نطاق واسع أسهل ولا يتطلب إضافة تعقيد غير ضروري.
في حدث AWS re:Invent 2025 المقام مؤخراً في لاس فيجاس، والذي حضرته مينا تك، كان هذا التوجه واضحاً. وبالنسبة لـ أندي وارفيلد، نائب الرئيس ومهندس مميز في أمازون ويب سيرفيسز (AWS)، والذي عمل في مجالات التخزين والبيانات والتحليلات، تتمثل الأولوية في مساعدة العملاء على التحرك بسرعة أكبر والحصول على قيمة أعلى من البيانات التي يمتلكونها أصلاً. ومن وجهة نظره، يُعد S3 Vectors واحداً من أهم الإعلانات المرتبطة بهذا الهدف.
في هذه المقابلة الحصرية، يشرح وارفيلد كيف أصبح S3 Vectors محورياً في مسارات عمل الذكاء الاصطناعي الحديثة، ولماذا تبني AWS هذه القدرة داخل Amazon S3، وكيف تتوسع حالات الاستخدام من RAG (الاسترجاع المعزّز بالتوليد) وفهم الفيديو إلى اكتشاف الحالات الشاذة على مستوى المؤسسات.
ما هو محور تركيز AWS فيما يتعلق بعملك خلال حدث re:Invent لهذا العام؟
في AWS، أقضي معظم وقتي في العمل على البيانات، وأحد أكبر محاور re:Invent 2025 هو التحرك بسرعة أكبر والحصول على قيمة أعلى من البيانات التي تعمل بها. حيث تتمحور أكبر الإعلانات لدينا حول هذه القدرة.
ما يدفع هذا التوجه هو التحول في طريقة استخدام العملاء للبيانات اليوم. إذ لم يعد كافياً أن تُخزّن البيانات بشكل رخيص أو آمن. الآن تريد فرق العمل تفعيل هذه البيانات واستغلالها للذكاء الاصطناعي والتحليلات واتخاذ القرار اللحظي دون الحاجة إلى بناء طبقات تقنية معقدة.
إحدى الإطلاقات المحددة التي أود تسليط الضوء عليها هي S3 Vectors. إنها قدرة جديدة تركز على «المتجهات» وهي مدمجة داخل Amazon S3. الفكرة هي جعل تخزين المتجهات امتداداً طبيعياً لتجربة S3، بحيث يمكن للعملاء تمكين البحث الدلالي والاسترجاع المدفوع بالذكاء الاصطناعي دون نقل بياناتهم إلى نظام متخصص منفصل.
بشكل عملي، ما الذي تعنيه عند الحديث عن البحث بالمتجهات؟
هناك مجال رائع في علوم الحاسوب شهد تقدماً كبيراً خلال العقد الماضي. فعندما بنينا نماذج تعلم آلي واسعة النطاق، وجدنا أن لها استخداماً إضافياً. يمكنها أخذ بيانات معقدة مثل الصور، والفيديو، والنصوص وتلخيص المعنى والعلاقات في شكل يمكن للنموذج معالجته.
تسمح نماذج التضمين لك بتلخيص هذا المحتوى إلى ما يُسمى «المتجه». إنه تركيب رياضي مكوّن من قائمة كبيرة من الأرقام. في فضاء عالي الأبعاد، تكون الأشياء المرتبطة أقرب إلى بعضها. وهذا مفيد عندما تحتاج إلى إيجاد المعلومة الصحيحة دون معرفة مصطلح البحث الدقيق.
لماذا تسعون لدعم المتجهات ضمن S3 بدل الاعتماد عليها في أنظمة مستقلة؟
قبل S3 Vectors، كانت هناك أنظمة قوية للبحث باستخدام المتجهات. ولكن من خلال معالجة الأمر كأنه جزء من S3، فإننا ننقله من نهج قواعد البيانات القائمة على الذاكرة والمكلفة إلى نموذج أكثر كفاءة من حيث التكلفة قائم على التخزين.
الهدف هو تمكين فهرسة كميات ضخمة من البيانات واسترجاع المعلومة الصحيحة بطريقة قابلة للتوسع وواقعية.
كيف تفيد هذه التقنية كلاً من الأفراد والمؤسسات؟
إنه مفيد للمستهلكين والشركات على حد سواء. أحد الأمثلة البسيطة التي تواجه المستهلك هي الاسترجاع المعزّز بالتوليد (RAG). فقد تمتلك نموذجاً أساسياً كبيراً تم تدريبه على كميات هائلة من البيانات، ولكن ليس على بياناتك الخاصة في المؤسسة أو بريدك الإلكتروني. لكن مع اعتماد الاسترجاع المعزز بالتوليد، تُصدر بحثاً باستخدام المتجهات ضد مجموعة بيانات منفصلة، وتسترجع المعلومات المناسبة إلى السياق، ثم يمكن للنموذج تحليل تلك البيانات أيضاً.
مثال آخر هو الفيديو. إذ يمكن لنماذج التضمين القوية فهرسة الفيديو على مستوى اللقطة أو المشهد. هذا يجعل التحرير وتجميع المحتوى أكثر قابلية للأتمتة. كما نرى فرصاً في بث الرياضات لبناء المقاطع المميزة بسرعة، وفي فيديوهات المنازل حيث يمكن للناس إنشاء مونتاجات ذات معنى بسهولة أكبر.
مثال مثير للشركات هو اكتشاف الشذوذات كذلك. عندما يقوم العملاء بتضمين الأحداث أو السجلات أو البيانات المالية داخل فضاء متجهي، يمكنهم استخدام قياس المسافة لرصد الأنماط غير المألوفة. هذا المؤشر يمكن أن يدعم حالات استخدام مثل كشف الاحتيال من خلال مقارنة سلوك العنصر بأنماط معروفة صالحة أو احتيالية.
مع النمو المستمر لأحجام البيانات، كيف تستمر AWS بالتوسع بشكل متناسب؟
إن حجم عمليات التخزين في AWS ما زال مدهشاً بالنسبة لي، حتى بعد سنوات من العمل على هذه الأنظمة. والواقع أن التحدي الأساسي لم يتغير. نحل المشكلات، ينمو النظام، ثم نواجه الموجة التالية من قيود التوسع. نتعامل مع هذا من خلال الانضباط والتركيز التشغيلي القوي والإبداع الهندسي المستمر للحفاظ على الأداء والموثوقية مع تسارع الطلب.
كيف تؤثر خلفيتك الأكاديمية على أسلوبك في القيادة؟
أثناء عملي في الجامعة، كنت أدرّس طلاب البكالوريوس وأشرف على طلاب الدراسات العليا الذين يجرون أبحاثاً. أحد الأمور التي تعلمتها هو أنك لا تستطيع دفع الناس إلى أداء عمل جيد بمجرد إخبارهم بما يجب فعله.
يمكنك الحصول على أفضل النتائج عندما تجد ما يثير اهتمامكما معاً وتكون متحمساً له. هذا التعاطف مع ما يحمس الناس بشأن عملهم هو شيء حملته معي إلى أسلوبي في الإدارة.
ما هي نصيحتك للمهندسين الراغبين بالانضمام إلى AWS؟
سأقدم نصيحتين. الأولى، أن تصبح متمكناً من هذه الأدوات الناشئة المعتمدة على الذكاء الاصطناعي في التطوير ومسارات العمل الأخرى. تعلّم ما هو ممكن وكيف يمكن أن يغيّر القوى العاملة.
الثانية، لا تستخدم هذه الأدوات لتجنب التفاصيل. إذا أصبحت هذه الأدوات ذريعة للانفصال أو لعدم الوعي بما تعمل عليه، فأنت تضر نفسك. الفائدة تأتي عندما تقلل هذه الأدوات الاحتكاك وتسمح لك بالتركيز على العمل التقني العميق مع تحسين فهمك للأنظمة.
كيف تحافظ AWS على قدرتها على الابتكار رغم حجمها الهائل؟
السبب هو أننا نجعل الابتكار جزءاً من كل ما نقوم به. تشغيلياً، نبقى قريبين من التفاصيل. نراجع ما يحدث أسبوعياً، ونستجيب للتصعيدات، وعندما يفاجئنا شيء ما، نستثمر الجهد اللازم لتحسين الأنظمة.
على جانب التطوير، عندما نكون في أفضل حالاتنا، يعرف المهندسون ما يريدون بنائه للعملاء ويتحدثون معهم مباشرة. تلك القربى تجعل الابتكار مركّزاً وسريعاً.
كيف تتطور تجربة السحابة اليوم بالتوازي مع تقدم المطورين وبناة الأنظمة؟
تستمر مساحة الخدمات في التوسع، وقبل بضع سنوات كان الأمر ليكون محبطاً. ولكن مع بيئات التطوير المعتمدة على الوكلاء، أصبحت القدرة على استكشاف مساحة أدوات كبيرة بشكل حواري نقطة قوة.
يمكن لبناة الأنظمة تجربة طرق مختلفة واختيار الأداة المناسبة للمهمة بسهولة أكبر. هذا التحول يحوّل ما كان سابقاً مخاطرة تعقيد إلى فرصة.
هل لديك أي أفكار ختامية حول حدث re:Invent لهذا العام؟
أنا أكثر حماساً لـ re:Invent هذا العام مما كنت عليه منذ سنوات. في الأشهر الستة الماضية، كتبت كوداً أكثر مما كتبت في السنوات القليلة السابقة مجتمعة. إنه وقت رائع، وأنا متحمس لرؤية ما سيحدث خلال الاثني عشر شهراً القادمة.
