لقد أدى الذكاء الاصطناعي إلى تغيير الطريقة التي تتفاعل بها الآلات مع العالم، ما يمكِّنها من الإدراك والتفكير والتصرُّف بذكاء. في جوهر العديد من أنظمة الذكاء الاصطناعي يوجد وكلاء أذكياء، وهم كيانات مستقلة تتخذ قرارات وتنفذ مهامَّ بناءً على البيئة المحيطة بها.
يمكن أن يتراوح هؤلاء الوكلاء بين أنظمة بسيطة قائمة على قواعد محددة، إلى أنظمة تعلُّم متقدمة مدعومة بنماذج لغوية كبيرة (LLMs) تتكيف وتتطور بمرور الوقت.
يتم تصنيف وكلاء الذكاء الاصطناعي بناءً على مستوى ذكائهم وعمليات صناعة القرار وكيفية تفاعلهم مع محيطهم للوصول إلى النتائج المرجوة. يعمل بعض الوكلاء على قواعد محددة مسبقًا، بينما يستخدم البعض الآخر خوارزميات التعلُّم لتحسين سلوكهم.
هناك خمسة أنواع رئيسية من وكلاء الذكاء الاصطناعي: وكلاء الاستجابة البسيطون، ووكلاء الاستجابة القائمون على النماذج، والوكلاء القائمون على الأهداف، والوكلاء القائمون على المنفعة، والوكلاء المتعلمون. لكل نوع نقاط قوة وتطبيقات مميزة، تتراوح من أنظمة مؤتمتة بسيطة إلى نماذج ذكاء اصطناعي عالية التكيف.
يمكن نشر الأنواع الخمسة جميعها معًا ضمن نظام متعدد الوكلاء، حيث يتخصص كل وكيل في تنفيذ الجزء من المهمة الذي يتناسب مع قدراته.
النشرة الإخبارية الخاصة بالمجال
ابقَ على اطلاع دومًا بأهم—اتجاهات المجال وأكثرها إثارة للفضول—بشأن الذكاء الاصطناعي والأتمتة والبيانات وغيرها الكثير مع نشرة Think الإخبارية. راجع بيان الخصوصية لشركة IBM.
سيتم تسليم اشتراكك باللغة الإنجليزية. ستجد رابط إلغاء الاشتراك في كل رسالة إخبارية. يمكنك إدارة اشتراكاتك أو إلغاء اشتراكك هنا. راجع بيان خصوصية IBM لمزيد من المعلومات.
وكيل الاستجابة البسيط هو أبسط أنواع وكلاء الذكاء الاصطناعي، ويتم تصميمه للعمل استنادًا إلى استجابات مباشرةً لظروف البيئة. يتَّبِع هؤلاء الوكلاء قواعد محددة مسبقًا تُعرَف بقواعد "الشرط والفعل" لاتخاذ القرارات دون النظر إلى التجارب السابقة أو العواقب المستقبلية.
يطبِّق وكلاء الاستجابة الإدراك الحالي للبيئة من خلال أجهزة الاستشعار، ويتخذون إجراءات بناءً على مجموعة ثابتة من القواعد.
على سبيل المثال، يُعَد منظم الحرارة وكيل استجابة بسيطًا؛ إذ يشغِّل المدفأة عند انخفاض درجة الحرارة عن حد معين ويطفئها عند بلوغ الدرجة المطلوبة. وبالمثل، تقوم أنظمة إشارات المرور التلقائية بتغيير الإشارات استنادًا إلى مدخلات أجهزة استشعار حركة المرور، دون الاحتفاظ بسجل للحالات السابقة.
يُعَد وكلاء الاستجابة البسطاء فعَّالين في البيئات المنظمة والمتوقعة التي تكون فيها القواعد محددة بوضوح. ومع ذلك، فإنهم يواجهون صعوبات في السيناريوهات الديناميكية أو المعقدة التي تتطلب ذاكرة أو تعلمًا أو تخطيطًا طويل الأمد.
فنظرًا لعدم احتفاظهم بأي معلومات سابقة، قد يكررون الأخطاء نفسها إذا لم تكن القواعد المحددة مسبقًا كافية للتعامل مع الحالات الجديدة.
أما الوكيل القائم على النموذج، فهو نسخة أكثر تقدمًا من الوكيل البسيط. فبالرغم من اعتماده على قواعد شرطية لاتخاذ القرارات، إلا أنه يستخدم أيضًا نموذجًا داخليًا للعالم. يساعد هذا النموذج الوكيل على تتبُّع الحالة الحالية للبيئة وفهم كيفية تأثير التفاعلات السابقة عليها، ما يمكِّنه من اتخاذ قرارات أكثر استنارة.
وعلى عكس وكلاء الاستجابة البسطاء، الذين يستجيبون فقط للمدخلات الحسية الحالية، يستخدم وكلاء الاستجابة القائمون على النماذج نموذجًا داخليًا للتفكير في ديناميكيات البيئة واتخاذ القرارات بناءً على ذلك.
فعلى سبيل المثال، قد لا يتفاعل روبوت يتنقل في غرفة مع العوائق الموجودة في مساره المباشر فقط، بل يأخذ أيضًا في الاعتبار حركاته السابقة ومواقع العوائق التي مر بها بالفعل.
تمكِّن هذه القدرة على تتبُّع الحالات السابقة وكلاء الاستجابة القائمين على النماذج من العمل بشكل أكثر فاعلية في البيئات التي من الممكن ملاحظتها جزئيًا. يمكنهم التعامل مع المواقف التي تتطلب تذكُّر السياق واستخدامه في القرارات المستقبلية، ما يجعلهم أكثر قابلية على التكيُّف من الوكلاء البسيطين.
ومع ذلك، فالوكلاء القائمون على النماذج لا يزالون يختلفون في المرونة، ولكنهم لا يملكون قدرات الاستدلال أو التعلُّم المتقدمة اللازمة لحل المشكلات المعقدة حقًا في البيئات الديناميكية.
يوسِّع الوكيل القائم على الأهداف قدرات وكيل الاستجابة البسيط من خلال دمج نهج استباقي موجَّه نحو الهدف في حل المشكلات.
وعلى عكس وكلاء الاستجابة الذين يتفاعلون مع المحفزات البيئية باستخدام قواعد محددة مسبقًا، يأخذ الوكلاء القائمون على الأهداف في الحسبان أهدافهم النهائية ويستخدمون التخطيط والاستدلال لاختيار الأفعال التي تقرِّبهم من تحقيق تلك الأهداف.
يعمل هؤلاء الوكلاء من خلال تحديد هدف معين يوجِّه تصرفاتهم. فهم يقيِّمون مختلف الأفعال الممكنة ويختارون تلك التي من المحتمل أن تساعدهم على تحقيق الهدف.
على سبيل المثال، قد يكون لدى روبوت مبرمج للتنقل داخل مبنى هدف الوصول إلى غرفة محددة. فبدلًا من الاستجابة للعقبات الفورية فقط، يقوم بتخطيط مسار يقلل من الالتفافات ويتجنب العقبات المعروفة، استنادًا إلى تقييم منطقي للخيارات المتاحة.
قدرة الوكيل القائم على الأهداف على التفكير تمكِّنه من التصرف ببصيرة أكبر مقارنةً بوكلاء الاستجابة البسيطين. يأخذ في الاعتبار الحالات المستقبلية وتأثيرها المحتمل في تحقيق الهدف.
ومع ذلك، لا يزال الوكلاء القائمون على الأهداف محدودين نسبيًا من حيث التعقيد مقارنةً بأنواع أكثر تقدمًا، حيث إنهم غالبًا ما يعتمدون على استراتيجيات مبرمجة مسبقًا أو أشجار قرار لتقييم الأهداف.
يُستخدَم وكلاء الاستجابة القائمون على الأهداف على نطاق واسع في الروبوتات والمركبات ذاتية القيادة وأنظمة المحاكاة المعقدة، حيث يكون تحقيق هدف واضح أمرًا ضروريًا، إلى جانب الحاجة إلى التكيف واتخاذ القرارات في الوقت الفعلي.
يتجاوز وكيل الاستجابة القائم على المنفعة مجرد تحقيق الأهداف من خلال استخدام دالة منفعة لتقييم واختيار الأفعال التي تزيد من الفائدة الكلية.
فبينما يختار الوكلاء القائمون على الأهداف الأفعال بناءً على إذا ما كانت تحقق هدفًا محددًا، فإن الوكلاء القائمين على المنفعة يأخذون في الاعتبار مجموعة من النتائج المحتملة ويخصصون لكل منها قيمة منفعة، ما يساعدهم على تحديد المسار الأمثل للعمل. يسمح ذلك باتخاذ قرارات أكثر دقة، خاصةً في الحالات التي تتضمن أهدافًا متعددة أو تنازلات بين خيارات.
على سبيل المثال، قد تواجه سيارة ذاتية القيادة قرارًا يتطلب الموازنة بين السرعة وكفاءة استهلاك الوقود والسلامة أثناء التنقل. وبدلًا من السعي فقط للوصول إلى الوجهة، تقوم السيارة بتقييم كل خيار بناءً على الوظائف المساعِدة، مثل تقليل زمن الرحلة، أو تحسين كفاءة استهلاك الوقود، أو ضمان سلامة الركاب، وتختار الإجراء الذي يحقق أعلى درجة فائدة إجمالية.
وقد تستخدم شركة تجارة إلكترونية وكيلًا قائمًا على المنفعة لتحسين الأسعار وتقديم التوصيات. يقوم هذا الوكيل بتقييم خيارات متعددة، مثل سجل المبيعات، وتفضيلات العملاء، ومستويات المخزون، لاتخاذ قرارات مستنيرة بشأن تسعير المنتجات ديناميكيًا.
يُظهر وكلاء الاستجابة القائمون على المنفعة كفاءة في البيئات الديناميكية والمعقدة، حيث قد لا تكفي القرارات البسيطة المبنية على الأهداف الثنائية. وهم يساعدون على تحقيق التوازن بين الأهداف المتضاربة والتكيف مع الظروف المتغيرة، ما يضمن سلوكًا أكثر ذكاءً ومرونة.
ومع ذلك، قد يكون إنشاء دوال منفعة دقيقة وموثوق بها صعبًا لأنه يتطلب دراسة دقيقة لعوامل متعددة وتأثيرها في نتائج اتخاذ القرار.
يعمل الوكيل المتعلم على تحسين أدائه بمرور الوقت من خلال التكيف مع التجارب والبيانات الجديدة. وعلى عكس وكلاء الذكاء الاصطناعي الآخرين، الذين يعتمدون على قواعد أو نماذج محددة مسبقًا، يُحدِّث الوكلاء المتعلمون سلوكهم باستمرار بناءً على التعليقات من البيئة. وهذا يمكِّنهم من تعزيز قدراتهم على اتخاذ القرار والأداء بشكل أفضل في المواقف الديناميكية وغير المؤكَّدة.
يتكوّن الوكلاء المتعلمون عادةً من أربعة مكونات رئيسية:
عنصر الأداء: يتخذ القرارات بناءً على قاعدة معرفية.
عنصر التعلُّم: يضبط ويعزز معرفة الوكيل بناءً على التعليقات والتجربة.
الناقد: يقيّم تصرفات الوكيل ويقدِّم التعليقات، غالبًا في شكل مكافآت أو عقوبات.
مولِّد المشكلات: يقترح إجراءات استكشافية لمساعدة الوكيل على اكتشاف استراتيجيات جديدة وتحسين عملية التعلُّم.
على سبيل المثال، في التعلُّم المعزز، قد يستكشف الوكيل الاستراتيجية المختلفة، ويتلقى مكافآت على الإجراءات الصحيحة وعقوبات على الإجراءات غير الصحيحة. وبمرور الوقت، يتعلم الإجراءات التي تزيد من مكافآته ويحسِّن نهجه.
يتمتع الوكلاء المتعلمون بالمرونة العالية والقدرة على التعامل مع البيئات المعقدة والمتغيرة باستمرار. ويتم استخدام هؤلاء الوكلاء في تطبيقات مثل القيادة الذاتية، والروبوتات، والمساعدين الافتراضيين الذين يدعمون الوكلاء البشريين في دعم العملاء.
تجعل القدرة على التعلُّم من التفاعلات الوكلاء المتعلمين ذوي قيمة عالية في تطبيقات مثل روبوتات المحادثة المستمرة ووسائل التواصل الاجتماعي، حيث تعمل معالجة اللغة الطبيعية (NLP) على تحليل ودراسة سلوك المستخدم للتنبؤ بتوصيات المحتوى وتحسينها.
ومع تزايد تعقيد أنظمة الذكاء الاصطناعي، تبرز الحاجة إلى الوكلاء الهرميين. تم تصميم هؤلاء الوكلاء لتقسيم المشكلات المعقدة إلى مهام فرعية أصغر ويسهل إدارتها، ما يجعل من السهل التعامل مع المشكلات الكبيرة في السيناريوهات الواقعية. يركِّز الوكلاء من المستوى الأعلى على الأهداف العامة، بينما يتولى الوكلاء من المستوى الأدنى معالجة المهام الأكثر تحديدًا.
يُتيح تنسيق الذكاء الاصطناعي الذي يُدمج الأنواع المختلفة من وكلاء الذكاء الاصطناعي إنشاء نظام متعدد الوكلاء ذكي للغاية وقابل للتكيف قادر على إدارة مهام معقدة عبر مجالات متعددة.
يمكن لمثل هذا النظام أن يعمل في الوقت الفعلي، مستجيبًا للبيئات الديناميكية مع تحسين أدائه باستمرار استنادًا إلى الخبرات السابقة.
على سبيل المثال، في مصنع ذكي، قد يشمل نظام الإدارة الذكي وكلاء مستقلين انعكاسيين يتولون الأتمتة الأساسية من خلال الاستجابة لمدخلات أجهزة الاستشعار بقواعد محددة مسبقًا. يساعد هؤلاء الوكلاء على ضمان استجابة الآلات على الفور للتغيرات البيئية، مثل إيقاف الحزام الناقل في حالة اكتشاف خطر على السلامة.
في الوقت نفسه، يحتفظ وكلاء الاستجابة القائمون على النماذج بنموذج داخلي للعالم، ويتتبعون الحالة الداخلية للآلات ويعدِّلون عملياتها بناءً على التفاعلات السابقة، مثل التعرُّف على الحاجة إلى الصيانة قبل حدوث الأعطال.
على مستوى أعلى، يقوم الوكلاء القائمون على الأهداف بدفع الأهداف المحددة للمصنع، مثل تحسين جداول الإنتاج أو تقليل الهدر. يقوم هؤلاء الوكلاء بتقييم الإجراءات الممكنة لتحديد الطريقة الأكثر فاعلية لتحقيق أهدافهم.
يحسِّن الوكلاء القائمون على المنفعة هذه العملية من خلال النظر في عوامل متعددة مثل استهلاك الطاقة، وكفاءة التكلفة، وسرعة الإنتاج، واختيار الأفعال التي تؤدي إلى زيادة المنفعة المتوقعة.
وأخيرًا، يعمل الوكلاء المتعلمون على تحسين عمليات المصنع بشكل مستمر من خلال تقنيات التعلُّم المعزز والتعلُّم الآلي (ML). فهم يعملون على تحليل أنماط البيانات وتكييف سير العمل واقتراح الاستراتيجيات المبتكرة لتحسين كفاءة التصنيع.
من خلال دمج الأنواع الخمسة جميعًا من وكلاء الذكاء الاصطناعي، يعزز هذا التنسيق المدعوم بالذكاء الاصطناعي عمليات اتخاذ القرار، ويبسِّط تخصيص الموارد، ويقلِّل من تدخل الإنسان، ما يؤدي إلى نظام صناعي أكثر ذكاءً واستقلالية.
مع استمرار تطوُّر الذكاء الاصطناعي الوكيل، ستعزز التطورات في الذكاء الاصطناعي التوليدي قدرات وكلاء الذكاء الاصطناعي في مختلَف الصناعات. أصبحت أنظمة الذكاء الاصطناعي أكثر قدرة على التعامل مع حالات الاستخدام المعقدة وتحسين تجارب العملاء.
سواء في التجارة الإلكترونية أم الرعاية الصحية أم التشغيل الآلي، يعمل وكلاء الذكاء الاصطناعي على تحسين سير العمل وأتمتة العمليات وتمكين المؤسسات من حل المشكلات بشكل أسرع وأكثر كفاءة.
يمكنك إنشاء مساعدين ووكلاء ذكاء اصطناعي ووكلاء أقوياء يعملون على أتمتة مهام سير العمل والعمليات باستخدام الذكاء الاصطناعي التوليدي ونشرها وإدارتها.
يمكنك بناء مستقبل عملك باستخدام حلول الذكاء الاصطناعي الجديرة بالثقة.
تساعد خدمات IBM Consulting AI في إعادة تصور طريقة عمل الشركات باستخدام حلول الذكاء الاصطناعي من أجل النهوض بأعمالها.