وكيل ذكي

في مجال الذكاء الاصطناعي ، يُعرَّف العامل الذكي بأنه كيان يُدرك بيئته ، ويتخذ إجراءات مستقلة لتحقيق أهدافه، وقد يُحسِّن أداءه من خلال التعلّم الآلي أو اكتساب المعرفة . وتُعرّف كتب الذكاء الاصطناعي هذا المجال بأنه "دراسة وتصميم العوامل الذكية"، مؤكدةً أن السلوك الموجه نحو تحقيق الأهداف هو جوهر الذكاء.

تقوم مجموعة فرعية متخصصة من العوامل الذكية، وهي الذكاء الاصطناعي العامل (المعروف أيضًا باسم عامل الذكاء الاصطناعي أو ببساطة العامل)، بتوسيع هذا المفهوم من خلال السعي الاستباقي لتحقيق الأهداف واتخاذ القرارات والقيام بالإجراءات على مدى فترات طويلة.

يمكن أن تتراوح العوامل الذكية من البسيطة إلى شديدة التعقيد. يُعتبر منظم الحرارة الأساسي أو نظام التحكم عاملاً ذكياً، وكذلك الإنسان ، أو أي نظام آخر يستوفي المعايير نفسها - مثل شركة أو دولة أو نظام بيئي . ^{[ 1 ]}

تعمل الأنظمة الذكية وفقًا لدالة هدف تُجسّد غاياتها. وهي مُصممة لإنشاء وتنفيذ خطط تُعظّم القيمة المتوقعة لهذه الدالة عند اكتمالها. ^{[ 2 ]} على سبيل المثال، يمتلك نظام التعلم المعزز دالة مكافأة، تُمكّن المبرمجين من تحديد سلوكه المطلوب. ^{[ 3 ]} وبالمثل، يُوجّه سلوك الخوارزمية التطورية بواسطة دالة لياقة. ^{[ 4 ]}

ترتبط العوامل الذكية في الذكاء الاصطناعي ارتباطًا وثيقًا بالعوامل في الاقتصاد ، ويتم دراسة نسخ من نموذج العامل الذكي في العلوم المعرفية والأخلاق وفلسفة العقل العملي ، وكذلك في العديد من النمذجة الاجتماعية المعرفية متعددة التخصصات والمحاكاة الاجتماعية الحاسوبية .

غالبًا ما تُوصف الأنظمة الذكية بشكل تخطيطي بأنها أنظمة وظيفية مجردة تُشبه برامج الحاسوب ^{[ 5 ]} . ولتمييز النماذج النظرية عن التطبيقات العملية، تُسمى الأوصاف المجردة للأنظمة الذكية بالأنظمة الذكية المجردة. كما ترتبط الأنظمة الذكية ارتباطًا وثيقًا بالأنظمة البرمجية - وهي برامج حاسوبية مستقلة تُنفذ مهامًا نيابةً عن المستخدمين. ويُشار إليها أيضًا بمصطلح مُستعار من علم الاقتصاد : " النظام العقلاني ". ^{[ 1 ]}

يُوفّر مفهوم العوامل الذكية إطارًا أساسيًا لتعريف الذكاء الاصطناعي وفهمه. فعلى سبيل المثال، يصف كتاب " الذكاء الاصطناعي: منهج حديث " (راسل ونورفيج) ما يلي:

• العامل: أي شيء يستشعر بيئته (باستخدام أجهزة الاستشعار) ويتفاعل معها (باستخدام المحركات). على سبيل المثال، روبوت مزود بكاميرات وعجلات، أو برنامج حاسوبي يقرأ البيانات ويقدم توصيات.
• الوكيل العقلاني: هو وكيل يسعى لتحقيق *أفضل نتيجة ممكنة* بناءً على معرفته وخبراته السابقة. ويُحدد "الأفضل" بمقياس أداء - أي طريقة لتقييم مدى جودة أداء الوكيل.
• الذكاء الاصطناعي (كمجال): دراسة وإنشاء هذه العوامل العقلانية.

تستند تعريفات وباحثون آخرون إلى هذا الأساس. يؤكد بادغام ووينيكوف على ضرورة استجابة الأنظمة الذكية للتغيرات البيئية في الوقت المناسب، وسعيها الحثيث لتحقيق أهدافها، ومرونتها وقدرتها على التعامل مع المواقف غير المتوقعة. ويشير البعض أيضًا إلى أن الأنظمة المثالية ينبغي أن تكون "عقلانية" بالمعنى الاقتصادي (أي اتخاذ الخيارات المثلى) وقادرة على التفكير المعقد، كامتلاك المعتقدات والرغبات والنوايا ( نموذج BDI ). ويقدم كابلان وهاينلين تعريفًا مشابهًا، يركز على قدرة النظام على فهم البيانات الخارجية، والتعلم منها، واستخدام ما تم تعلمه لتحقيق الأهداف من خلال التكيف المرن.

إن تعريف الذكاء الاصطناعي من حيث العوامل الذكية يوفر العديد من المزايا الرئيسية:

• يتجنب هذا النهج الجدالات الفلسفية: فهو يتجنب الخوض في النقاشات حول ما إذا كان الذكاء الاصطناعي "ذكيًا" أو واعيًا "فعليًا"، كتلك التي أثارها اختبار تورينج أو تجربة الغرفة الصينية لسيرل . ويركز على السلوك وتحقيق الأهداف ، لا على محاكاة الفكر البشري.
• الاختبار الموضوعي: يوفر طريقة علمية واضحة لتقييم أنظمة الذكاء الاصطناعي. يستطيع الباحثون مقارنة المناهج المختلفة من خلال قياس مدى نجاحها في تحقيق أقصى استفادة من "دالة الهدف" المحددة. وهذا يتيح المقارنة المباشرة بين التقنيات ودمجها.
• التواصل متعدد التخصصات: فهو يخلق لغة مشتركة لباحثي الذكاء الاصطناعي للتعاون مع مجالات أخرى مثل التحسين الرياضي والاقتصاد ، والتي تستخدم أيضًا مفاهيم مثل "الأهداف" و"الوكلاء العقلانيين".

تحدد دالة الهدف (أو دالة الغاية ) أهداف الوكيل الذكي. ويُعتبر الوكيل أكثر ذكاءً إذا اختار باستمرار إجراءات تُحقق نتائج تتوافق بشكل أفضل مع دالة هدفه. في الواقع، تُعد دالة الهدف بمثابة مقياس للنجاح.

قد تكون دالة الهدف كالتالي:

• ببساطة: على سبيل المثال، في لعبة غو ، قد تحدد دالة الهدف قيمة 1 للفوز و 0 للخسارة.
• معقد: قد يتطلب الأمر من الفاعل تقييم الأفعال السابقة والتعلم منها، وتكييف سلوكه بناءً على الأنماط التي أثبتت فعاليتها.

تُجسّد دالة الهدف جميع الأهداف التي صُمم النظام لتحقيقها. وبالنسبة للأنظمة العقلانية، فإنها تتضمن أيضًا المفاضلات بين الأهداف التي قد تتعارض. على سبيل المثال، قد تُوازن دالة الهدف لسيارة ذاتية القيادة بين عوامل مثل السلامة والسرعة وراحة الركاب.

تُستخدم مصطلحات مختلفة لوصف هذا المفهوم، وذلك بحسب السياق. وتشمل هذه المصطلحات ما يلي:

• دالة المنفعة: تستخدم غالباً في الاقتصاد ونظرية القرار، وتمثل مدى استصواب حالة معينة.
• دالة الهدف: مصطلح عام يستخدم في التحسين.
• دالة الخسارة: تستخدم عادة في التعلم الآلي، حيث يكون الهدف هو تقليل الخسارة (الخطأ).
• وظيفة المكافأة: تُستخدم في التعلم المعزز .
• وظيفة اللياقة: تُستخدم في الأنظمة التطورية .

يمكن أن تكون الأهداف، وبالتالي دالة الهدف، كما يلي:

• مُعرّف بشكل صريح: مُبرمج مباشرة في الجهاز.
• مُستحث: مكتسب أو متطور بمرور الوقت.
  • في التعلم المعزز ، توفر "دالة المكافأة" تغذية راجعة، تشجع السلوكيات المرغوبة وتثبط السلوكيات غير المرغوبة. ويتعلم النظام كيفية تعظيم مكافأته التراكمية.
  • في الأنظمة التطورية ، تحدد "دالة اللياقة" أي الكائنات الحية لديها احتمالية أكبر للتكاثر. وهذا مشابه للانتقاء الطبيعي، حيث تتطور الكائنات الحية لزيادة فرص بقائها وتكاثرها إلى أقصى حد. ^{[ 6 ]}

تعتمد بعض أنظمة الذكاء الاصطناعي، مثل نظام الجوار الأقرب ، على القياس بدلاً من أن تكون موجهة نحو هدف محدد. ومع ذلك، حتى هذه الأنظمة قد تتضمن أهدافًا ضمنية في بيانات التدريب الخاصة بها. ^{[ 7 ]} ويمكن تقييم أداء هذه الأنظمة من خلال اعتبار النظام غير الموجه نحو هدف محدد هو إنجاز مهمة التصنيف المحددة له. ^{[ 8 ]}

تُدرج أحيانًا في هذا النموذج أنظمةٌ لا تُعتبر تقليديًا عوامل، مثل أنظمة تمثيل المعرفة ، وذلك بتصويرها كعوامل تهدف، على سبيل المثال، إلى الإجابة عن الأسئلة بدقة. هنا، يُوسّع مفهوم "الفعل" ليشمل "فعل" تقديم الإجابة. وكامتدادٍ إضافي، يمكن تصوير الأنظمة القائمة على المحاكاة كعوامل تُحسّن "دالة الهدف" بناءً على مدى دقة محاكاة العامل للسلوك المطلوب. ^{[ 2 ]} في الشبكات التوليدية التنافسية (GANs) التي ظهرت في العقد الثاني من الألفية، يحاول مُكوّن "المُشفّر"/"المُولّد" محاكاة وارتجال كتابة النصوص البشرية. ويسعى المُولّد إلى تعظيم دالة تُمثّل مدى قدرته على خداع مُكوّن "المُتنبئ"/"المُميّز" المُعاكس. ^{[ 9 ]}

بينما تستخدم أنظمة الذكاء الاصطناعي الرمزية غالبًا دالة هدف صريحة، ينطبق هذا النموذج أيضًا على الشبكات العصبية والحوسبة التطورية . يمكن للتعلم المعزز توليد وكلاء أذكياء يبدو أنهم يتصرفون بطرق تهدف إلى تعظيم "دالة المكافأة". ^{[ 10 ]} في بعض الأحيان، بدلًا من جعل دالة المكافأة مساوية مباشرةً لدالة التقييم المعيارية المطلوبة، يستخدم مبرمجو التعلم الآلي تشكيل المكافأة لمنح الآلة مكافآت مبدئية مقابل التقدم التدريجي. ^{[ 11 ]} صرّح يان ليكان في عام 2018 قائلًا: "تتألف معظم خوارزميات التعلم التي ابتكرها الناس أساسًا من تقليل دالة هدف ما". ^{[ 12 ]} كانت لعبة الشطرنج AlphaZero ذات دالة هدف بسيطة: نقطة واحدة لكل فوز، ونقطة واحدة ناقصة لكل خسارة. ستكون دالة هدف السيارة ذاتية القيادة أكثر تعقيدًا. ^{[ 13 ]} يمكن للحوسبة التطورية تطوير وكلاء أذكياء يبدو أنهم يتصرفون بطرق تهدف إلى تعظيم "دالة اللياقة" التي تؤثر على عدد النسل المسموح لكل وكيل بتركه. ^{[ 4 ]}

طُرحت الصيغة الرياضية لـ AIXI كوكيل ذكي للغاية في هذا النموذج. ^{[ 14 ]} ومع ذلك، فإن AIXI غير قابل للحساب . في الواقع، يواجه الوكيل الذكي قيودًا تتعلق بالوقت المحدود وموارد الأجهزة، ويتنافس العلماء لإنتاج خوارزميات تحقق نتائج أعلى تدريجيًا في اختبارات الأداء باستخدام الأجهزة المتاحة. ^{[ 15 ]}

يمكن وصف سلوك العامل الذكي رياضياً بواسطة دالة العامل . تحدد هذه الدالة ما يفعله العامل بناءً على ما رآه .

يشير مصطلح " الإدراك الحسي " إلى المدخلات الحسية التي يتلقاها النظام في لحظة زمنية محددة. على سبيل المثال، قد تتضمن إدراكات السيارة ذاتية القيادة صورًا من الكاميرا، وبيانات ليدار، وإحداثيات نظام تحديد المواقع العالمي (GPS)، وقراءات السرعة في لحظة معينة. يستخدم النظام هذه الإدراكات الحسية، وربما سجل إدراكاته الحسية السابقة، لاتخاذ قرار بشأن الإجراء التالي (مثل التسارع، أو الكبح، أو الانعطاف).

تقوم دالة الفاعل، والتي غالباً ما يُشار إليها بالرمز f ، بربط تاريخ الإدراكات الكامل للفاعل بفعل ما . ^{[ 16 ]}

رياضياً، يمكن تمثيل ذلك على النحو التالي

${\displaystyle f\colon P^{*}\rightarrow A,}$

أين:

• ${\displaystyle {\boldsymbol {P^{*}}}}$يمثل هذا مجموعة جميع تسلسلات الإدراك الممكنة (تاريخ الإدراك الكامل للفاعل). تشير علامة النجمة (*) إلى تسلسل يتكون من صفر أو أكثر من الإدراكات.
• ${\displaystyle {\boldsymbol {A}}}$يمثل مجموعة جميع الإجراءات الممكنة التي يمكن للوكيل اتخاذها.
• ${\displaystyle {\boldsymbol {f}}}$هي دالة الوكيل التي تربط تسلسل الإدراك بفعل ما.

من الضروري التمييز بين وظيفة الوكيل (مفهوم رياضي مجرد) وبرنامج الوكيل (التنفيذ الملموس لتلك الوظيفة).

• وظيفة الوكيل هي وصف نظري.
• برنامج الوكيل هو الكود الفعلي الذي يُنفذ على الوكيل. يأخذ برنامج الوكيل الإدراك الحالي كمدخلات ويُنتج إجراءً كمخرجات.

يمكن لوظيفة الوكيل أن تتضمن مجموعة واسعة من أساليب صنع القرار، بما في ذلك: ^{[ 17 ]}

• حساب فائدة (استحسان) الإجراءات المختلفة.
• باستخدام القواعد المنطقية والاستنتاج.
• استخدام المنطق الضبابي.
• طرق أخرى.

يمكن تنظيم العوامل الذكية بشكل هرمي في "عوامل فرعية" متعددة. تتولى هذه العوامل الفرعية وظائف المستوى الأدنى، وتشكل مع العامل الرئيسي نظامًا كاملاً قادرًا على تنفيذ المهام المعقدة وتحقيق الأهداف الصعبة.

عادةً، يُبنى النظام الفاعل بتقسيمه إلى مستشعرات ومحركات. يجمع نظام الإدراك المدخلات من البيئة عبر المستشعرات، ويُرسل هذه المعلومات إلى وحدة تحكم مركزية، تُصدر بدورها الأوامر إلى المحركات. غالبًا ما يكون من الضروري وجود تسلسل هرمي متعدد المستويات من وحدات التحكم لتحقيق التوازن بين الاستجابات السريعة المطلوبة للمهام البسيطة والتفكير المتأني اللازم للأهداف المعقدة. ^{[ 25 ]}

يُستخدم مصطلح "الوكيل الذكي" أحيانًا بشكل فضفاض، ويُستخدم أحيانًا كمرادف لمصطلح " المساعد الشخصي الافتراضي ". ^{[ 26 ]} تُعرّف بعض تعريفات القرن العشرين الوكيل بأنه برنامج يُساعد المستخدم أو يعمل نيابةً عنه. ^{[ 27 ]} تُعرف هذه الأمثلة باسم وكلاء البرمجيات ، ويُشار أحيانًا إلى "وكيل البرمجيات الذكي" (أي وكيل البرمجيات الذي يتمتع بالذكاء) باسم "الوكيل الذكي".

وفقًا لنيكولا كاسابوف في عام 1998، يجب أن تُظهر أنظمة الوكلاء الأذكياء الخصائص التالية: ^{[ 28 ]}

• استيعاب قواعد حل المشكلات الجديدة تدريجياً.
• التكيف عبر الإنترنت وفي الوقت الفعلي .
• قادرون على تحليل أنفسهم من حيث السلوك والخطأ والنجاح.
• التعلم والتطور من خلال التفاعل مع البيئة ( التجسيد ).
• تعلم بسرعة من كميات كبيرة من البيانات .
• تمتلك قدرات تخزين واسترجاع نماذج قائمة على الذاكرة .
• يجب أن تتضمن المعايير تمثيل الذاكرة قصيرة المدى وطويلة المدى، والعمر، والنسيان، وما إلى ذلك.

نوقش مفهوم النمذجة القائمة على الوكلاء للسيارات ذاتية القيادة منذ عام 2003. ^{[ 49 ]} استكشف هالرباخ وزملاؤه استخدام مناهج قائمة على الوكلاء لتطوير أنظمة القيادة الآلية والتحقق من صحتها. تضمنت طريقتهم إنشاء توأم رقمي للمركبة قيد الاختبار ومحاكاة دقيقة لحركة المرور باستخدام وكلاء مستقلين. ^{[ 50 ]} طورت شركة وايمو بيئة محاكاة متعددة الوكلاء تُسمى كاركرافت، لاختبار خوارزميات السيارات ذاتية القيادة . ^{[ 51 ] [ 52 ]} يحاكي هذا النظام التفاعلات بين السائقين البشريين والمشاة والمركبات الآلية. تحاكي الوكلاء الاصطناعيون السلوك البشري باستخدام بيانات من العالم الحقيقي.

تُعدّ منصة Agentforce التابعة لشركة Salesforce منصة ذكاء اصطناعي وكلاء تسمح ببناء وكلاء مستقلين لأداء المهام. ^{[ 53 ] [ 54 ]}

تعمل إدارة أمن النقل على دمج الذكاء الاصطناعي الآلي في التقنيات الجديدة، بما في ذلك الآلات المستخدمة للتحقق من هويات الركاب باستخدام القياسات الحيوية والصور، وكذلك للاستجابة للحوادث. ^{[ 55 ]}

في مارس 2026، أطلقت أمازون ويب سيرفيسز منصة أمازون كونكت هيلث، وهي أول منصة وكلاء ذكاء اصطناعي متوافقة مع قانون HIPAA في مجال الرعاية الصحية، مصممة لأتمتة سير العمل الإداري بما في ذلك جدولة المواعيد، والتوثيق السريري، والتحقق من هوية المرضى لمقدمي الرعاية الصحية. ^{[ 56 ]}

• دومينغوس، بيدرو (22 سبتمبر 2015). الخوارزمية الرئيسية: كيف سيعيد البحث عن آلة التعلم المثالية تشكيل عالمنا . دار بيسيك بوكس ​​للنشر . رقم ISBN 978-0-465-06570-7.
• راسل، ستيوارت جيه ؛ نورفيج، بيتر (2003). الذكاء الاصطناعي: منهج حديث (  الطبعة الثانية). أبر سادل ريفر، نيو جيرسي: برنتيس هول. الفصل 2. ISBN 0-13-790395-2.
• كاسابوف، ن. (1998). "مقدمة: الأنظمة التكيفية الذكية الهجينة" . المجلة الدولية للأنظمة الذكية . 13 (6): 453-454 . doi : 10.1002/(SICI)1098-111X(199806)13:6 < 453::AID-INT1 > 3.0.CO ; 2-K . S2CID 120318478 . 
• فايس، ج. (2013). أنظمة متعددة العوامل (  الطبعة الثانية). كامبريدج، ماساتشوستس: مطبعة معهد ماساتشوستس للتكنولوجيا. ISBN 978-0-262-01889-0.