AR
English
Deutsch
Español
Français
Italiano
Português
Nederlands
Polski
Bahasa Indonesia
Русский
Українська
עברית
日本語
한국어فهم بنية Agentic AI: من أنظمة الذكاء الاصطناعي إلى Agentic AI
By Mirko Peters · · Updated
فهم بنية Agentic AI، بما في ذلك النماذج والأدوات والذاكرة والتنسيق وRAG والتقييم والأمان والحوكمة البشرية.
Automatically translated with AI from the original post. Read the English original
أهلاً بكم في استكشاف بنية Agentic AI. يتناول هذا المقال المفاهيم الأساسية التي يقوم عليها الانتقال من أنظمة الذكاء الاصطناعي التقليدية إلى أنظمة Agentic AI المتقدمة term. نهدف إلى توضيح أهمية بنية الذكاء الاصطناعي، وتتبع تطور أنظمة الذكاء الاصطناعي، وفي النهاية تحديد ما يُعد Agentic AI. إن فهم هذه العناصر ضروري لكل من يسعى إلى بناء هذه الأنظمة وتنفيذها، أو حتى لمجرد استيعاب الإمكانات التحويلية لـ Agentic AI في تطبيقات الذكاء الاصطناعي الحديثة.
مقدمة في Agentic AI
تعريف Agentic AI
يمثل Agentic AI تحولاً جوهرياً عن الذكاء الاصطناعي التقليدي، إذ يركز على إنشاء وكلاء ذكاء اصطناعي مستقلين قادرين على اتخاذ القرار والتصرف باستقلالية. وعلى خلاف أنظمة الذكاء الاصطناعي التقليدية التي تنفذ مهام محددة استناداً إلى قواعد مُعرّفة مسبقاً، صُممت أنظمة Agentic AI للتفاعل مع الأنظمة الخارجية والتعلم والتكيف ديناميكياً term. والنظام الوكيلي نظام موجّه نحو الأهداف، يدرك فيه وكلاء الذكاء الاصطناعي بيئتهم بشكل مستقل، ويتخذون القرارات وينفذون الإجراءات لتحقيق أهداف محددة. وهذا الاستقلال هو ما يميز Agentic AI عن الأنظمة القائمة على القواعد وعن عمليات نشر نماذج الذكاء الاصطناعي التقليدية. يكمن جوهر فهم Agentic AI في إدراك قدرته على السلوك المستقل داخل منظومات معقدة.
أهمية بنية الذكاء الاصطناعي
بنية الذكاء الاصطناعي ذات أهمية بالغة في تحديد كفاءة أي نظام ذكاء اصطناعي وقابليته للتوسع وأمانه. توفر بنية الذكاء الاصطناعي الفعّالة مخططاً واضحاً لكيفية تفاعل المكونات المختلفة لمنصة الذكاء الاصطناعي، بما في ذلك النموذج ونظام الذاكرة وطبقات اتخاذ القرار term. تعالج البنية المصممة جيداً جوانب رئيسية مثل زمن الاستجابة، وتحسين التكاليف، والامتثال، بما يضمن أن تكون حلول الذكاء الاصطناعي فعّالة ومستدامة في آن واحد. علاوة على ذلك، تدعم بنية الذكاء الاصطناعي تنسيق وكلاء الذكاء الاصطناعي سواء في نظام وكيل واحد أو في نظام متعدد الوكلاء أكثر تعقيداً. ولذلك فإن بنية ذكاء اصطناعي متينة ضرورية لنجاح تطبيقات الذكاء الاصطناعي.
تطور أنظمة الذكاء الاصطناعي
تطورت أنظمة الذكاء الاصطناعي من الأنظمة البسيطة القائمة على القواعد إلى أنظمة مستقلة متطورة تعمل بقوة التعلم الآلي والتعلم العميق. كانت أنظمة الذكاء الاصطناعي التقليدية في الغالب ثابتة، وكانت تتطلب تحديثات يدوية للتكيف مع الظروف المتغيرة. غير أن ظهور الذكاء الاصطناعي التوليدي والخوارزميات المتقدمة أتاح إنشاء أنظمة Agentic AI تُظهر سلوكاً ديناميكياً واتخاذ قرارات مستقلة. ينطوي هذا التطور على الانتقال نحو وكلاء ذكاء اصطناعي قادرين على التعلم من الخبرة، وتحسين إجراءاتهم بناءً على التغذية الراجعة، والتفاعل مع بيئتهم في الوقت الفعلي. إن فهم هذا التطور ضروري لاستيعاب أهمية بنية Agentic AI في تطوير الذكاء الاصطناعي الحديث.
مكونات بنية Agentic AI
المكونات الرئيسية لنظام الذكاء الاصطناعي
فيما يلي عدد من المكونات الرئيسية التي تشكل جوهر أي نظام ذكاء اصطناعي. وتشمل هذه المكونات term:
- نموذج الذكاء الاصطناعي، وهو غالباً نموذج تعلم آلي أو تعلم عميق، ويعمل بوصفه المحرك الذي يتخذ القرارات.
- نظام ذاكرة قوي لتخزين المعلومات واسترجاعها، بما يتيح التعلم والتكيف.
فهم هذه المكونات ضروري لكل من يسعى إلى هندسة تطبيقات Agentic AI أو بنائها.
الطبقات في بنية Agentic AI
تتكون بنية Agentic AI في الغالب من عدة طبقات، تؤدي كل منها وظيفة مميزة في تشغيل الوكيل. وتشمل هذه الطبقات عادةً وظائف مثل term:
- الإدراك، الذي يتيح لوكيل الذكاء الاصطناعي التفاعل مع الأنظمة الخارجية واستشعار بيئته.
- اتخاذ القرار، حيث يستخدم الوكيل المعلومات التي جمعها لصياغة الإجراءات استناداً إلى النهج المحددة مسبقاً والأهداف.
- التنفيذ، الذي يحوّل هذه القرارات إلى إجراءات ملموسة داخل البيئة.
- قابلية الملاحظة (Observability) والأمان، وهما أمران بالغا الأهمية لمراقبة سلوك الوكيل والتأكد من أنه يعمل ضمن القيود المحددة.
يجب تصميم كل طبقة من هذه الطبقات بعناية لضمان أن يتصرف نظام الوكلاء على النحو المقصود وأن يلتزم باللوائح ذات الصلة term.
شرح أنظمة الوكلاء المتعددين
تمثل أنظمة الوكلاء المتعددين امتدادًا معقدًا لكنه قوي للذكاء الاصطناعي الوكيل، إذ تتضمن عدة وكلاء للذكاء الاصطناعي يتفاعلون ويتعاونون لتحقيق أهداف مشتركة أو فردية. وفي نظام متعدد الوكلاء، يجب على وكلاء الذكاء الاصطناعي تنسيق إجراءاتهم، والتفاوض فيما بينهم، وقد يتنافسون أحيانًا، وهو ما يتطلب بروتوكولات اتصال متطورة وخوارزميات متقدمة لاتخاذ القرار. وغالبًا ما تتضمن بنية الذكاء الاصطناعي الوكيل في هذه الأنظمة مُنسِّقًا (orchestrator) لإدارة تفاعلات الوكلاء وضمان تخصيص الموارد بكفاءة. إن فهم طريقة عمل هذه الأنظمة أمر ضروري لتطبيقات مثل الأنظمة الموزعة، والروبوتات التعاونية، والمحاكاة واسعة النطاق، ويُظهر تطور الانتقال من الأنظمة ذات الوكيل الواحد إلى أنظمة مستقلة أكثر تعقيدًا.
بناء نظام ذكاء اصطناعي وكيل
تطبيق البنية الوكيلية
لتطبيق البنية الوكيلية بفعالية، ابدأ بفهم المكونات الأساسية للذكاء الاصطناعي الوكيل. يجب أن تدعم بنية الذكاء الاصطناعي الوكيل الطبيعة الديناميكية لوكلاء الذكاء الاصطناعي المستقلين. ويتطلب ذلك دراسة متأنية لكيفية تفاعل وكيل الذكاء الاصطناعي مع الأنظمة الخارجية، واتخاذه للقرارات، وتنفيذه للإجراءات. كما أن اختيار منصة الذكاء الاصطناعي أمر بالغ الأهمية. سواء كانت منصة سحابية للذكاء الاصطناعي أو نظامًا وكيلًا محليًا، تأكد من أن البنية قابلة للتوسع وآمنة وتتوافق مع متطلبات نهجك. وسيحتاج ذلك إلى نظام ذاكرة متين.
عمليات اتخاذ القرار في وكلاء الذكاء الاصطناعي
اتخاذ القرار في وكلاء الذكاء الاصطناعي عملية متعددة الطبقات تعتمد على خوارزميات متطورة ونماذج ذكاء اصطناعي. يستخدم وكيل الذكاء الاصطناعي طبقة الإدراك لجمع المعلومات من المنظومة المحيطة، ثم تُمرَّر هذه المعلومات إلى طبقة القرار. وهذا term النهج والأنظمة الموجهة نحو الأهداف لتحديد أفضل مسار للعمل. وغالبًا ما تُستخدم تقنيات التحسين، مثل البرمجة القائمة على القيود وخوارزميات البحث الشجري، للتنقل عبر فضاءات القرار المعقدة. ويتضمن فهم عملية اتخاذ القرار في الذكاء الاصطناعي الوكيل التعمق في هذه الخوارزميات وكيفية إسهامها في السلوك المستقل.
تنسيق مكونات الذكاء الاصطناعي
التنسيق هو العمود الفقري لأي نظام ذكاء اصطناعي وكيل، إذ يضمن عمل جميع مكونات الذكاء الاصطناعي الوكيل معًا بسلاسة term. يدير المُنسِّق التفاعلات بين نموذج الذكاء الاصطناعي ونظام الذاكرة وطبقات القرار وطبقات التنفيذ. ويتولى مهام مثل توجيه الطلبات، وتخصيص الموارد، ومراقبة سلوك وكلاء الذكاء الاصطناعي. وفي الأنظمة متعددة الوكلاء، ينسق المُنسِّق أيضًا التفاعلات بين عدة وكلاء للذكاء الاصطناعي، بما يضمن عملهم معًا بفعالية. إن بنية التنسيق المصممة جيدًا أمر بالغ الأهمية لتحقيق زمن استجابة منخفض وإنتاجية عالية في تطبيقات الذكاء الاصطناعي term. وهذا الجزء ضروري لبناء أنظمة وكيلة.
نشر الذكاء الاصطناعي الوكيل وإدارته
الحوكمة في أنظمة الذكاء الاصطناعي الوكيل
الحوكمة في أنظمة الذكاء الاصطناعي الوكيل ضرورية لضمان سلوك مسؤول وأخلاقي. تحدد أطر الحوكمة الفعالة نهجًا وإرشادات واضحة تقيّد إجراءات وكلاء الذكاء الاصطناعي المستقلين، وتمنع انحرافهم عن الأهداف المقصودة. وتتناول هذه الأطر المخاطر المحتملة، مثل النتائج غير المقصودة، والتحيز، والثغرات الأمنية. إن إرساء آليات حوكمة متينة أمر أساسي لبناء الثقة وضمان توافق تطبيقات الذكاء الاصطناعي الوكيل مع القيم المؤسسية والمتطلبات التنظيمية. الأمر يتعلق بوضع نهج واضح منذ البداية وضمان الامتثال.
تبعات التشغيل والتكاليف
تُعد اعتبارات وقت التشغيل والتكاليف عاملين مهمين في نشر أنظمة الذكاء الاصطناعي الوكيل وإدارتها. فالطبيعة الديناميكية لوكلاء الذكاء الاصطناعي المستقلين قد تؤدي إلى تفاوت في استهلاك الموارد والتكاليف على المدى الطويل. ومراقبة استخدام الموارد وزمن الاستجابة والإنتاجية ضرورية للتحسين. وتوفر منصات الذكاء الاصطناعي المعتمدة على السحابة قابلية التوسع، لكنها تطرح في المقابل تحديات في إدارة التكاليف. التخطيط الدقيق والمراقبة المستمرة ضروريان لضمان أن تعمل تطبيقات الذكاء الاصطناعي الوكيل بكفاءة وضمن الميزانية على المدى الطويل. ومن المهم أيضاً تقييم ما إذا كانت التكلفة الإضافية لتشغيل الذكاء الاصطناعي الوكيل مقارنةً بأنظمة الذكاء الاصطناعي التقليدية تستحق الفائدة المتحققة.
إجراءات الأمان في منصات الذكاء الاصطناعي
إجراءات الأمان ذات أهمية بالغة في منصات الذكاء الاصطناعي التي تستضيف أنظمة الذكاء الاصطناعي الوكيل. فحماية الأنظمة من الهجمات العدائية وخروقات البيانات والوصول غير المصرح به أمر بالغ الأهمية للحفاظ على سلامة تطبيقات الذكاء الاصطناعي الوكيل وموثوقيتها. ويُعد تطبيق ضوابط وصول قوية وتشفير وأنظمة مراقبة أمراً ضرورياً. كما أن تقييم بروتوكولات الأمان وتحديثها بانتظام يساعد على التخفيف من الثغرات المحتملة. ونظراً للطبيعة المستقلة لوكلاء الذكاء الاصطناعي، يجب أن تعالج إجراءات الأمان أيضاً خطر الإجراءات غير المقصودة أو السلوك الضار. البنية الأمنية المصممة جيداً تضمن أن يظل نظام الذكاء الاصطناعي مرناً وجديراً بالثقة.
استكشاف مستقبل الذكاء الاصطناعي الوكيل
الذكاء الاصطناعي التوليدي ودوره
يؤدي الذكاء الاصطناعي التوليدي دوراً محورياً في تشكيل مستقبل الذكاء الاصطناعي الوكيل، إذ يتيح إنشاء وكلاء مستقلين أكثر ديناميكية وقابلية للتكيف. ويمكن استخدام نماذج الذكاء الاصطناعي التوليدي لإنشاء بيانات تدريب متنوعة، ومحاكاة بيئات معقدة، وابتكار حلول جديدة للمشكلات. كما يُحدث الذكاء الاصطناعي من Microsoft وCopilot for M365 تحولاً في الإنتاجية والتعاون والأتمتة، ما يُظهر الإمكانات التحويلية للذكاء الاصطناعي التوليدي على المدى الطويل في التطبيقات الواقعية. مع استمرار تطور تقنيات الذكاء الاصطناعي التوليدي، ستعزز أكثر قدرات وكلاء الذكاء الاصطناعي وتوسّع نطاق تطبيقات الذكاء الاصطناعي الوكيل على المدى الطويل.
قابلية التفسير في نماذج الذكاء الاصطناعي
تزداد أهمية قابلية التفسير في نماذج الذكاء الاصطناعي، لا سيما في الذكاء الاصطناعي الوكيل، حيث يمكن لاتخاذ القرار الذاتي أن تكون له عواقب كبيرة. وتساعد تقنيات التفسير على فهم كيفية وصول نماذج الذكاء الاصطناعي إلى قراراتها، ما يجعلها أكثر شفافية وجدارةً بالثقة. وتشمل هذه التقنيات تصوير سلوك النموذج، وتحديد السمات الرئيسية المؤثرة في القرارات، وتقديم مبررات للإجراءات على المدى الطويل. تعزيز قابلية التفسير لا يحسّن الثقة فحسب، بل يسهّل أيضاً التصحيح والتحسين، ويضمن أن تعمل أنظمة الذكاء الاصطناعي الوكيل كما هو مقصود. ويُعد فهم قابلية تفسير الذكاء الاصطناعي الوكيل أمراً بالغ الأهمية لبناء الأنظمة الوكيلة بأمان.
الاتجاهات في حلول الذكاء الاصطناعي وأنظمتها البيئية
تشكّل عدة اتجاهات رئيسية مستقبل حلول الذكاء الاصطناعي وأنظمتها البيئية للذكاء الاصطناعي الوكيل. ويتمثل أحد هذه الاتجاهات في تزايد اعتماد منصات الذكاء الاصطناعي المعتمدة على السحابة، لما توفره من قابلية للتوسع والمرونة والوصول إلى نماذج ذكاء اصطناعي متقدمة. ويتمثل اتجاه آخر في نمو وكلاء الذكاء الاصطناعي المتخصصين المصممين لمهام محددة أو قطاعات بعينها. كما يلفت الانتباه صعود أنظمة الوكلاء المتعددين، التي تتيح تطبيقات ذكاء اصطناعي أكثر تعقيداً وتعاونية. مع استمرار تقدم تقنيات الذكاء الاصطناعي، يمكن أن نتوقع ظهور حلول وأنظمة بيئية أكثر ابتكاراً، ما يدفع بتطور الذكاء الاصطناعي الوكيل على المدى الطويل.
بنية الذكاء الاصطناعي الوكيل، وبنية الوكيل، والقرار
ما المقصود بـ"أنظمة الذكاء الاصطناعي الوكيل"، وكيف ترتبط بالأنظمة الذكية؟
أنظمة الذكاء الاصطناعي الوكيل هي وكلاء مستقلون مصممون للإدراك واتخاذ القرار والتصرف في بيئة ما بأقل قدر من التدخل البشري. وترتبط بالأنظمة الذكية الأوسع من خلال احتوائها على اتخاذ القرار والتعلّم والتنفيذ ضمن بنى وكلاء معيارية، يمكنها التنسيق أو التنافس لتحقيق الأهداف.
كيف تتطور الأنظمة الوكيلة وتُحسّن بنيتها أثناء التشغيل؟
أثناء التشغيل، تتطور الأنظمة الوكيلة وتُحسّن بنيتها من خلال التغذية الراجعة المدفوعة بالقياسات عن بُعد، والاختيار الديناميكي للوحدات، وتكييف النهج، وإعادة التهيئة الآلية ضمن إطار عمل الذكاء الاصطناعي. تستخدم هذه العملية التقنية بيانات المراقبة لتقييم الأداء، ثم يطبّق مكوّن صانع القرار أو المشغّل معايير الاختيار لتعديل النشر أو التوسع أو الاتصالات الداخلية.
ما المكونات المعمارية الرئيسية للذكاء الاصطناعي الوكيل التي تتيح التكيف أثناء التشغيل؟
تشمل مكونات البنية الرئيسية للذكاء الاصطناعي الوكيلي وحدات الإدراك، والمخططات (صناع القرار)، ومحركات التنفيذ، ومستودعات النماذج، وطبقات التنسيق، وخطوط أنابيب القياس عن بُعد. تتيح هذه المكونات للمهندس المعماري أو القائد اعتماد استراتيجيات لنشر الذكاء الاصطناعي الوكيلي، وتمكّن النظام من الاختيار بين السلوكيات أو البنى الفرعية البديلة، سواء في السحابة أو في البيئة المحلية.
كيف تُسهم القياسات عن بُعد في الاختيار وإعادة التهيئة ضمن بنية الذكاء الاصطناعي الوكيلي؟
توفّر القياسات عن بُعد مقاييس وتتبعات وسجلات في الوقت الفعلي، تستخدمها آلية الاختيار الآلية أو المشغّل البشري لتحديد ما إذا كان ينبغي التبديل بين النهج، أو استبدال النماذج، أو تغيير تخصيص الموارد. ولأن القياس الفعّال ضروري للوفاء باتفاقيات مستوى الخدمة للأداء والموثوقية، فهو يساعد صناع القرار أيضاً على تحديد أولويات مكونات البنية التي تستحق التحسين.
ما التحديات التقنية التي تنشأ عند نشر الذكاء الاصطناعي الوكيلي في بيئات السحابة مثل Azure أو منصات Microsoft؟
تشمل التحديات التقنية التنسيق الآمن للوكلاء عبر العقد الموزعة، ومسارات القرار الحساسة لزمن الاستجابة، وإدارة إصدارات النماذج، وخصوصية البيانات، والتحكم في التكاليف، والتكامل مع أطر الذكاء الاصطناعي الأصلية للسحابة. ويتطلب اعتماد الذكاء الاصطناعي الوكيلي على Azure أو غيرها من خدمات Microsoft غالباً تخطيطاً دقيقاً من المهندس المعماري، ودمجاً للقياس عن بُعد، ووضع استراتيجيات للإشراف البشري لتجنّب السلوكيات غير المقصودة.
كيف يقرر النظام بين بنى الوكلاء أو النماذج المتعددة (الاختيار) أثناء التشغيل؟
يعتمد اتخاذ القرار على معايير اختيار مثل إشارات المكافأة، ومقاييس الرضا، وقيود الموارد، وفحوصات السلامة. يقوم مكوّن التحكم الأعلى أو المكوّن القائد بتقييم البنى أو النماذج المرشحة وفق هذه المعايير، ويطبّق خوارزميات الاختيار الخاصة بإطار عمل الذكاء الاصطناعي، مثل خوارزميات المتعدد المسلحين (multi-armed bandits) والتعلم المعزز والسياسات القائمة على القواعد، لاختيار المسار الأمثل.
ما قضايا الحوكمة والسلامة التي ينبغي للمهندسين المعماريين أخذها في الحسبان عند اعتماد الذكاء الاصطناعي الوكيلي ونشره؟
يجب على المهندسين المعماريين معالجة المساءلة، والشفافية، وآليات الأمان الاحترازية، والإشراف البشري ضمن الحلقة (human-in-the-loop)، وتدقيق القرارات، والحد من الانحياز. تؤثر هذه القضايا في طريقة تصميم نشر الذكاء الاصطناعي الوكيلي، بما في ذلك ما إذا كان لصناع القرار صلاحيات التجاوز، وكيف تتيح القياسات والسجلات إجراء المراجعة اللاحقة من قِبل المشغّلين أو فرق الامتثال.
كيف يراقب المشغّلون والقادة رضا أنظمة الذكاء الاصطناعي الوكيلي وأدائها في بيئة الإنتاج؟
يستخدم المشغّلون والقادة لوحات المعلومات، وقواعد التنبيه، ومؤشرات الأداء الرئيسية المستخلصة من القياس عن بُعد، لمراقبة الرضا وزمن الاستجابة والدقة واستخدام الموارد. ويتيح دمج القياس عن بُعد بشكل مستمر في إطار عمل الذكاء الاصطناعي اكتشاف التراجعات بسرعة، فيتمكن المهندس المعماري أو المشغّل من بدء عمليات الاسترجاع، أو إعادة اختيار النماذج، أو إجراء تغييرات على البنية.
هل يمكن أن تكون بنى الذكاء الاصطناعي الوكيلي مثالية، وكيف ينبغي للفرق التعامل مع أوجه القصور؟
لا توجد بنية مثالية؛ ينبغي للفرق أن تفترض وجود أوجه قصور وأن تصمم من أجل المرونة، عبر تنفيذ عمليات نشر تدريجية، ونشر تجريبي على مجموعة محدودة (canary)، وقياس قوي عن بُعد، وإشراف بشري، وسياسات واضحة لصناع القرار تحدّ من السلوكيات المحفوفة بالمخاطر أثناء نشر الذكاء الاصطناعي الوكيلي. يساعد هذا النهج العملي على الحفاظ على الثقة مع الاستمرار في التحسين.
ما الخطوات العملية التي ينبغي للمؤسسات اتخاذها لبدء اعتماد الذكاء الاصطناعي الوكيلي بشكل مسؤول؟
ابدأ بتقييم فني للاحتياجات، وحدّد معايير اختيار واتخاذ قرار واضحة، واختر إطار عمل للذكاء الاصطناعي يدعم بنية وكلاء معيارية، وادمج القياس عن بُعد وضوابط الحوكمة، ونفّذ تجربة تجريبية في بيئات سحابية أو في Azure خاضعة للتحكم، وتأكد من مشاركة المشغّلين والقادة في الإشراف والتقييم المستمر قبل التوسع في النشر.
استمع أيضاً إلى
إذا كنت تستكشف Microsoft Copilot والبنية المعمارية للذكاء الاصطناعي والحوكمة، فإن هذه الحلقات تقدّم سياقاً عملياً إضافياً:
- Microsoft AI Agent Harness – Simply Explained — تعرّف على كيفية توفير حزمة تشغيل الوكلاء (agent harness) للتنسيق والأدوات والتقييم وقابلية الملاحظة وحواجز الحماية لوكلاء ذكاء اصطناعي موثوقين.
- Azure AI Foundry – Simply Explained — افهم منصة Azure لبناء حلول الذكاء الاصطناعي للمؤسسات وتقييمها ونشرها وحوكمتها.
- RAG on Azure – Simply Explained — تعرّف على كيفية تحسين الاسترجاع والتأسيس على المصادر والأذونات والاستشهادات لإجابات الذكاء الاصطناعي في المؤسسات.
- Microsoft Defender XDR – Simply Explained — استكشف إمكانات الكشف عن الإشارات الأمنية والتحقيق فيها والاستجابة لها، والتي تدعم حوكمة الذكاء الاصطناعي.