الذكاء الاصطناعي الوكيل هو نظام ذكاء اصطناعي يمكنه تحقيق هدف محدد مع إشراف محدود. يتألَّف من وكلاء الذكاء الاصطناعي- نماذج التعلم الآلي التي تُحاكي عملية صنع القرار البشري لحل المشكلات في الوقت الفعلي. في نظام متعدد الوكلاء، يؤدي كل وكيل مهمة فرعية محددة مطلوبة للوصول إلى الهدف ويتم تنسيق جهودهم من خلال تنسيق الذكاء الاصطناعي.
على عكس نماذج الذكاء الاصطناعي التقليدية، والتي تعمل ضمن قيود محددة مسبقًا وتتطلب تدخلًا بشريًا، يتميز الذكاء الاصطناعي الوكيل بالاستقلالية والسلوك الموجَّه نحو الهدف والقدرة على التكيف. يشير مصطلح "الوكيل" إلى وكالة هذه النماذج، أو قدرتها على التصرف بشكل مستقل وهادف.
تتمتع الأنظمة الفاعلة بالعديد من المزايا مقارنةً بسابقاتها التوليدية، والتي تقتصر على المعلومات الواردة في مجموعات البيانات التي يتم تدريب النماذج عليها.
أهم تقدم في الأنظمة الفاعلة هو أنها تسمح بالاستقلالية في أداء المهام دون إشراف بشري مستمر. يمكن للأنظمة الفاعلة الحفاظ على أهداف طويلة الأجل وإدارة مهام حل المشكلات متعددة الخطوات وتتبع التقدم بمرور الوقت.
توفر الأنظمة الفاعلة مرونة النماذج اللغوية الكبيرة، والتي يمكن أن تولد استجابات أو إجراءات بناء على فهم دقيق يعتمد على السياق، مع الميزات المنظمة والحتمية والموثوقة للبرمجة التقليدية. يسمح هذا النهج للوكلاء "بالتفكير" و"العمل" بطريقة أكثر شبهاً بالبشر.
لا يمكن للنماذج اللغوية الكبيرة في حد ذاتهم التفاعل مباشرة مع الأدوات أو قواعد البيانات الخارجية أو إعداد أنظمة لمراقبة البيانات وجمعها في الوقت الفعلي، ولكن يمكن للوكلاء ذلك. يمكن للوكلاء البحث في الويب واستدعاء واجهات برمجة التطبيقات (APIs) والاستعلام عن قواعد البيانات، ثم استخدام هذه المعلومات لاتخاذ القرارات والإجراءات.
يمكن للوكلاء أن يتخصصوا في مهام محددة. بعض الوكلاء بسيطون ويؤدون مهمة متكررة واحدة بشكل موثوق به. ويمكن للآخرين استخدام الإدراك والاعتماد على الذاكرة لحل المشكلات الأكثر تعقيدًا. قد تتكون بنية الذكاء الاصطناعي الوكيل من نموذج "الموجِّه" المدعوم بنموذج لغوي كبير (LLM) الذي يُشرف على المهام والقرارات ويراقب وكلاء أبسط. تُعَد هذه البنى مثالية لسير العمل المتسلسل ولكنها معرضة للعوائق. أما البنى الأخرى فهي أكثر أفقية، حيث يعمل الوكلاء بتناغم على قدم المساواة بطريقة لا مركزية، ولكن هذه البنية يمكن أن تكون أبطأ من التسلسل الهرمي العمودي. تتطلب تطبيقات الذكاء الاصطناعي المختلفة بنيات مختلفة.
يمكن للوكلاء التعلم من تجربتهم وتلقي التعليقات وتعديل سلوكهم. باستخدام ضوابط الحماية المناسبة، يمكن أن تتحسن أنظمة الوكلاء باستمرار. تمتلك الأنظمة متعددة الوكلاء قابلية التوسع للتعامل في النهاية مع المبادرات واسعة النطاق.
نظرًا لأن الأنظمة الفاعلة مدعومة بنماذج لغوية كبيرة، يمكن للمستخدمين التفاعل معها من خلال موجهات اللغة الطبيعية. هذا يعني أنه يمكن استبدال واجهات البرامج بأكملها—فكر في العديد من علامات التبويب والقوائم المنسدلة والمخططات وأشرطة التمرير والنوافذ المنبثقة وعناصر واجهة المستخدم (UI) التي تتضمنها منصة SaaS التي يختارها المرء—بلغة بسيطة أو أوامر صوتية. من الناحية النظرية، يمكن الآن اختصار أي تجربة لمستخدم البرنامج إلى "التحدث" مع الوكيل، الذي يمكنه جلب المعلومات التي يحتاج إليها المرء واتخاذ الإجراءات بناءً على تلك المعلومات. لا يمكن المبالغة في تقدير فائدة الإنتاجية هذه، عند الأخذ في الاعتبار الوقت الذي يستغرقه العمال لتعلم وإتقان الواجهات والأدوات الجديدة.
كُن مطَّلِعًا دومًا على أهم -وأكثر- توجُّهات الصناعة إلهامًا في الذكاء الاصطناعي والأتمتة والبيانات وغيرها، من خلال رسالة Think الإخبارية التي يتم إرسالها مرتين أسبوعيًا.راجِع بيان الخصوصية لشركة IBM.
يمكن لأدوات الذكاء الاصطناعي الوكيل أن تتخذ أشكالًا عديدة، وتناسب أطر عمل مختلفة مشاكل متنوعة، ولكن إليك الخطوات العامة التي تتخذها الأنظمة الوكيلية لتنفيذ عملياتها.
يبدأ الذكاء الاصطناعي الفاعل بجمع البيانات من بيئته من خلال أجهزة الاستشعار أو واجهات برمجة التطبيقات أو قواعد البيانات أو تفاعلات المستخدم. تضمن هذه الخطوة أن النظام يحتوي على معلومات محدّثة لتحليلها والعمل عليها.
بمجرد جمع البيانات، يقوم الذكاء الاصطناعي بمعالجتها لاستخراج رؤى ذات مغزى. باستخدام معالجة اللغة الطبيعية (NLP) أو رؤية الكمبيوتر أو قدرات الذكاء الاصطناعي الأخرى، يفسِّر استعلامات المستخدم ويكتشف الأنماط ويفهم السياق الأوسع. تساعد هذه القدرة الذكاء الاصطناعي على تحديد الإجراءات التي يجب اتخاذها بناءً على الموقف.
يحدِّد الذكاء الاصطناعي الأهداف بناءً على أهداف محددة مسبقًا أو مدخلات المستخدم. ثم يطوِّر الاستراتيجية لتحقيق هذه الأهداف، غالبًا باستخدام أشجار القرار أوالتعلم المعزز أو خوارزميات التخطيط الأخرى.
يقيّم الذكاء الاصطناعي العديد من الإجراءات الممكنة ويختار الإجراء الأمثل بناءً على عوامل مثل الكفاءة والدقة والنتائج المتوقعة. يمكن أن يستخدم نماذج احتمالية، أو دوال منفعة، أو استدلالًا قائمًا على التعلم الآلي لتحديد أفضل مسار للعمل.
بعد تحديد إجراء ما، يقوم الذكاء الاصطناعي بتنفيذه، إما عن طريق التفاعل مع الأنظمة الخارجية (واجهات برمجة التطبيقات، والبيانات، والروبوتات) أو تقديم ردود للمستخدمين.
بعد تنفيذ الإجراء، يقوم الذكاء الاصطناعي بتقييم النتيجة، وجمع التعليقات لتحسين القرارات المستقبلية. من خلال التعلم المعزز أو التعلم الخاضع للإشراف الذاتي، يعمل الذكاء الاصطناعي على تحسين استراتيجياته بمرور الوقت، مما يجعله أكثر فعالية في التعامل مع المهام المماثلة في المستقبل.
تنسيق الذكاء الاصطناعي هو تنسيق وإدارة الأنظمة والوكلاء. تعمل منصات التنسيق على أتمتة سير عمل الذكاء الاصطناعي، وتتبُّع التقدم المحرَز نحو إكمال المهام، وإدارة استخدام الموارد، ومراقبة تدفق البيانات والذاكرة، والتعامل مع أحداث الفشل.مع البنية الصحيحة، يمكن لعشرات أو مئات أو حتى آلاف الوكلاء العمل معًا نظريًا في إنتاجية متناغمة.
يمكن نشر حلول الذكاء الاصطناعي الفاعل عبر أي حالة استخدام للذكاء الاصطناعي تقريبًا في أي نظام بنائي في العالم الحقيقي. يمكن للوكلاء التكامل ضمن مهام سير العمل المعقدة لأداء عمليات الأعمال بشكل مستقل.
يمكن لروبوت تداول مدعوم بالذكاء الاصطناعي تحليل أسعار الأسهم في الوقت الفعلي والمؤشرات الاقتصادية لإجراء تحليلات تنبؤية وتنفيذ عمليات التداول.
في المركبات ذاتية القيادة، يمكن لمصادر البيانات في الوقت الفعلي مثل نظام تحديد المواقع العالمي (GPS) وبيانات المستشعرات أن تحسن الملاحة والسلامة.
في مجال الرعاية الصحية، يمكن للوكلاء مراقبة بيانات المرضى وتعديل توصيات العلاج استنادًا إلى النتائج الجديدة وتقديم التعليقات في الوقت الفعلي للأطباء من خلال روبوت المحادثة.
في مجال الأمن السيبراني، يمكن للوكلاء مراقبة حركة مرور الشبكة وسجلات النظام وسلوك المستخدم باستمرار بحثاً عن الحالات غير الطبيعية التي قد تشير إلى وجود ثغرات أمنية في البرنامج الضار أو هجمات التصيد الاحتيالي أو محاولات الوصول غير المصرح بها.
يمكن للذكاء الاصطناعي تبسيط إدارة سلسلة التوريد من خلال أتمتة العمليات وتحسينها، حيث يقوم بتقديم الطلبات للموردين بشكل مستقل أو تعديل جداول الإنتاج للحفاظ على مستويات المخزون المثلى.
تتمتع أنظمة الذكاء الاصطناعي الوكيل بإمكانيات هائلة للمؤسسات. وتكمن فائدتها الأساسية في استقلاليتها، ولكن هذه الطبيعة المستقلة يمكن أن تؤدي إلى عواقب وخيمة إذا خرجت الأنظمة الوكيلية عن مسارها. تنطبق المخاطر المعتادة للذكاء الاصطناعي، ولكنها قد تتفاقم في الأنظمة الوكيلية.
تستخدم العديد من أنظمة الذكاء الاصطناعي الفاعل التعلم المعزز، والذي يتضمن تعظيم دالة المكافأة. إذا كان نظام المكافآت مصممًا بشكل سيئ، فقد يستغل الذكاء الاصطناعي الثغرات لتحقيق «درجات عالية» بطرق غير مقصودة.
ضع في اعتبارك بعض الأمثلة:
وكيل مُكلَّف بزيادة التفاعل على وسائل التواصل الاجتماعي، يُعطي الأولوية للمحتوى المثير أو المُضلِّل، وينشر المعلومات الخاطئة عن غير قصد
روبوت مستودع يُحسّن السرعة ويتلف المنتجات ليتحرك بشكل أسرع.
ذكاء اصطناعي للتداول المالي مصمم لزيادة الأرباح إلى أقصى حد، يمارس ممارسات تداول محفوفة بالمخاطر أو غير أخلاقية، مما يؤدي إلى زعزعة استقرار السوق.
ذكاء اصطناعي لمراقبة المحتوى مصمم للحد من الكلام الضار يفرض رقابة مفرطة على المناقشات المشروعة.
بعض أنظمة الذكاء الاصطناعي الفاعلة يمكن أن تصبح ذاتية التعزيز، وتصعد السلوكيات في اتجاه غير مقصود. تحدث هذه المشكلة عندما يقوم الذكاء الاصطناعي بالتحسين بشكل مفرط لمقياس معين دون ضمانات. ولأن الأنظمة الفاعلة غالبًا ما تتكون من العديد من الوكلاء المستقلين الذين يعملون معًا، فهناك فرص للفشل. ازدحام المرور، والاختناقات، والصراعات على الموارد - كل هذه الأخطاء لديها القدرة على أن تتفاقم وتتسلسل. من المهم أن يكون للنماذج أهداف محددة بوضوح وقابلة للقياس، مع وجود حلقات تعليقات لكي تتمكن النماذج من الاقتراب باستمرار من نية المؤسسة بمرور الوقت.
يعتمد الذكاء الاصطناعي الوكيل على الذكاء الاصطناعي التوليدي (gen AI) من خلال استخدام النموذج اللغوية الكبيرة (LLMs) للعمل في بيئات ديناميكية. في حين تركِّز النماذج التوليدية على إنشاء المحتوى بناءً على الأنماط المكتسبة، فإن الذكاء الاصطناعي الوكيل يوسِّع هذه القدرة من خلال تطبيق المخرجات التوليدية نحو أهداف محددة. قد يُنتج نموذج ذكاء اصطناعي توليدي مثل ChatGPT من OpenAI نصوصًا أو صورًا أو أكوادًا، ولكن نظام الذكاء الاصطناعي الوكيل يمكنه استخدام هذا المحتوى الذي تم توليده لإكمال مهام معقدة بشكل مستقل عن طريق استدعاء أدوات خارجية. يمكن للوكلاء، على سبيل المثال، أن يخبروك بأفضل وقت لتسلق جبل إيفرست بناءً على جدول عملك، كما يمكنهم حجز رحلة طيران وفندق لك.
يتطلب قياس عائد الاستثمار (ROI) من المبادرات القائمة على الوكلاء إطار عمل يقارن إجمالي تكاليف التطوير والتنفيذ بالمنافع، مثل مكاسب الكفاءة ونمو الإيرادات. وقد يكون ذلك معقدًا، لأن المنافع غالبًا ما تكون غير مباشرة ومجردة، وقد لا تتحقق على المدى القصير.
يعتمد الأمر على نوع الوكيل، لكن معالجة حالة تعذر وكيل الذكاء الاصطناعي عن مواصلة العمل تتطلب عادةً إنهاء العملية المتوقفة، ومسح ذاكرة الوكيل أو سياقه، وتحسين تعليمات الموجِّه لمساعدة الوكيل على تجنب الوقوع في حلقات منطقية.
تتطلب العملية تحديد مهام سير العمل المتكررة المناسبة بصورة مثالية للأتمتة، وإعداد اتصالات آمنة عبر واجهات برمجة التطبيقات (API)، والبدء ببرنامج تجريبي باستخدام أطر عمل وكلاء الذكاء الاصطناعي. وتفيد الهوية الفريدة للوكيل، التي توفرها منصات مثل IBM Verify، في تقليل مخاطر الأمن المصاحبة لعملية الدمج.
يصعب تحقيق شفافية كاملة في الذكاء الاصطناعي الوكيل بسبب الطبيعة المعقدة لعمل النماذج، لكن قدرًا من الشفافية يُعد غالبًا متطلبًا معماريًا للنشر الآمن والفعال في بيئات المؤسسات. تناولت إحدى فعاليات IBM Technology Summit، التي ركزت على Agent Ops والذكاء الاصطناعي المسؤول، التحديات التشغيلية وتحديات المخاطر والحوكمة التي يفرضها وكلاء الذكاء الاصطناعي.
تمكين المطورين من إنشاء وكلاء الذكاء الاصطناعي ونشرهم ومراقبتهم باستخدام استوديو IBM watsonx.ai.
حقِّق إنتاجية غير مسبوقة مع مجموعة من أكثر الحلول تكاملًا في القطاع لمساعدة الأعمال على بناء وتخصيص وإدارة وكلاء ومساعدي الذكاء الاصطناعي.
تحقيق وفورات في التكاليف تزيد على 90% باستخدام نماذج Granite الصغيرة والمفتوحة المصممة لتعزيز كفاءة المطوِّرين. تقدِّم هذه النماذج الجاهزة للمؤسسات أداءً استثنائيًا في معايير الأمان، وتتفوق في مجموعة واسعة من المهام المؤسسية من الأمن الإلكتروني إلى التوليد المعزز بالاسترجاع (RAG).