تم إصلاح قاعدة البيانات، لكن الموقع لم يوافق.
أدير موقعاً للسفر. تتتبع بياناتي قوانين القنب في 213 دولة. أي إدخال خاطئ ليس مجرد خطأ مطبعي، بل هو مسؤولية قانونية. إذا اعتمد المسافر على بيانات خاطئة، فسيواجه مخاطر قانونية حقيقية.
استخدمتُ وكيل ذكاء اصطناعي (AI agent) لمراجعة مجموعة بياناتي بالكامل. كنت أتوقع قائمة بالإدخالات القديمة، لكنني وجدت ثلاث مشكلات أكبر بكثير.
- خطر الإعدادات الافتراضية المتساهلة أظهرت العديد من الجزر الصغيرة حالة "طبي" (Medical). في الواقع، تفرض معظم هذه الأماكن حظراً صارماً. يبدو أن شخصاً ما قام بتوليد هذه البيانات بشكل جماعي؛ فعندما لم يكن النظام يعرف الإجابة، اختار "طبي" لأنها بدت منطقية.
إن الإعداد الافتراضي الذي يميل نحو السماح هو مسؤولية قانونية. فإذا وصفت مكاناً قانونياً بأنه "غير قانوني"، فسيضيع على المستخدم رحلة. وإذا وصفت مكاناً صارماً بأنه "طبي"، فسيخالف المستخدم القانون.
القاعدة: الإعدادات الافتراضية هي سياسة. إذا كنت لا تعرف قيمة معينة، فاستخدم الخيار الأكثر صرامة المتاح. لا ينبغي أبداً أن تتحول حالة "غير معروف" إلى "مسموح به".
- الفشل الصامت لعمليات دمج البيانات كانت قاعدة بياناتي صحيحة، لكن موقعي كان يعرض معلومات قديمة. يقوم الموقع بدمج صفوف قاعدة البيانات مع قائمة ثابتة أثناء التشغيل (runtime). ويعتمد التطابق على الأسماء مثل "Saint Lucia" مقابل "St Lucia".
ولأن التهجئة لم تكن متطابقة تماماً، تجاوز الكود قاعدة البيانات وعرض البيانات الثابتة القديمة بدلاً منها. لم تكن هناك أخطاء أو سجلات (logs). تطلب الإصلاح توحيد الأسماء (normalizing names) وإضافة اختبار لضمان عرض كل صف بشكل صحيح.
- التكلفة الخفية للنسخ المتعددة كان الموقع يحتفظ بالحالات القانونية في أربعة أماكن مختلفة:
- مصفوفة احتياطية ثابتة (static fallback array)
- قاعدة البيانات
- ملف ملفات تعريف غنية (rich profiles file)
- فهرس البحث في الموقع (site-search index)
كل نسخة من حقيقة ما هي مسؤولية قانونية. عندما يكون لديك أربع نسخ، يصبح انحراف البيانات (data drift) أمراً لا مفر منه.
كيف تراجع بياناتك:
- قم بتفريغ كل مصدر في ملفات مسطحة (flat files).
- قم بمحاكاة عملية الدمج. فالقيمة التي يراها المستخدم هي القيمة الوحيدة التي تهم.
- قارن النتيجة المعروضة بالمصادر الأولية.
- لا تثق في ذاكرة الذكاء الاصطناعي. فقد "يتذكر" نموذج لغوي كبير (LLM) قانوناً لم يُقرّ أبداً. استخدم النموذج للعثور على الفجوات، ولكن استخدم المصادر الأولية للتحقق منها.
لا ينتهي الإصلاح حتى يتم عرضه.
مجتمع تعليمي اختياري: https://t.me/GyaanSetuAi