المرحلة التالية من الذكاء الاصطناعي: وكلاء الذكاء الاصطناعي المستقلون يسيطرون على العالم الرقمي - وكلاء الذكاء الاصطناعي في مواجهة نماذج الذكاء الاصطناعي

🌟 أدى التطور السريع للذكاء الاصطناعي إلى تحقيق تقدم مذهل في السنوات الأخيرة في مجالات مثل التعرف على الصور، ومعالجة الكلام، وتوليد المحتوى. لكن مستقبل الذكاء الاصطناعي يتجاوز بكثير النماذج المعزولة المدربة على مهام محددة. نحن على أعتاب حقبة جديدة، حيث تستطيع الأنظمة الذكية التفكير والتصرف والتفاعل مع بيئتها بشكل مستقل: إنها حقبة وكلاء الذكاء الاصطناعي.

🧑‍🍳🏗️ الطاهي كاستعارة للهياكل المعرفية

تخيل طاهياً ماهراً في مطبخ مطعم يعج بالحركة. هدفه إعداد أطباق شهية للزبائن. تتضمن هذه العملية سلسلة معقدة من التخطيط والتنفيذ والتعديل. يجمع الطاهي المعلومات - طلبات الزبائن، والمكونات المتوفرة في المخزن والثلاجة. ثم يفكر في الأطباق التي يمكنه تحضيرها بالموارد المتاحة وخبرته. وأخيراً، يبدأ العمل، فيقطع الخضراوات، ويتبل الطعام، ويحمر اللحم. وخلال هذه العملية، يُجري تعديلات، ويُحسّن خططه كلما نفدت المكونات أو تلقى ملاحظات من الزبائن. وتُؤثر نتائج خطواته السابقة على قراراته المستقبلية. تُجسد هذه الدورة من جمع المعلومات والتخطيط والتنفيذ والتعديل بنية معرفية فريدة يستخدمها الطاهي لتحقيق هدفه.

🛠️🤔 كيف تفكر وتتصرف أنظمة الذكاء الاصطناعي

تمامًا مثل هذا الطاهي، تستطيع أنظمة الذكاء الاصطناعي الاستفادة من البنى المعرفية لتحقيق أهدافها. فهي تعالج المعلومات بشكل متكرر، وتتخذ قرارات مدروسة، وتُحسّن خطواتها التالية بناءً على النتائج السابقة. في صميم هذه البنى المعرفية طبقة مسؤولة عن إدارة الذاكرة والحالة والاستدلال والتخطيط. وتستخدم هذه الطبقة تقنيات توجيه متقدمة وأطر عمل ذات صلة لتوجيه الاستدلال والتخطيط، مما يُمكّن النظام من التفاعل بفعالية أكبر مع بيئته وإنجاز مهام معقدة.

ذو صلة بهذا الموضوع:

• ورقة جوجل البيضاء (ملف PDF باللغة الإنجليزية): "الوكلاء" - بنية ووظائف وكلاء الذكاء الاصطناعي

📊⚙️ الاختلافات بين نماذج الذكاء الاصطناعي التقليدية ووكلاء الذكاء الاصطناعي

يُعدّ التمييز بين نماذج الذكاء الاصطناعي البسيطة وهذه الأنظمة المتقدمة أمرًا بالغ الأهمية. تقتصر النماذج التقليدية على المعرفة المُخزّنة في بيانات تدريبها، حيث تُجري استنتاجات أو تنبؤات مُحدّدة بناءً على طلب المستخدم الفوري. ما لم يتمّ ذلك صراحةً، فإنها لا تحتفظ بسجلّ الجلسات أو السياق المُستمر، مثل سجلّ المحادثات. كما أنها تفتقر إلى القدرة على التفاعل المباشر مع الأنظمة الخارجية أو تنفيذ العمليات المنطقية المُعقّدة. مع أنّه يُمكن للمستخدمين توجيه النماذج نحو تنبؤات أكثر تعقيدًا من خلال توجيهات ذكية واستخدام أُطر الاستدلال (مثل سلسلة الأفكار أو ReAct)، إلا أن البنية المعرفية الفعلية ليست مُدمجة بشكلٍ جوهري في النموذج.

في المقابل، تمتلك أنظمة الذكاء الاصطناعي قاعدة معرفية موسعة، يتم الوصول إليها من خلال الاتصال بأنظمة خارجية عبر ما يُسمى "الأدوات". تُدير هذه الأدوات سجل الجلسات لتمكين الاستدلالات والتنبؤات متعددة المراحل بناءً على طلبات المستخدم والقرارات المتخذة على مستوى التنسيق. يُعرَّف "التحرك" أو التفاعل بأنه تبادل بين النظام المتفاعل والنظام. يُعدّ تكامل الأدوات جزءًا لا يتجزأ من بنية النظام، وهي تستخدم بنى معرفية أصلية تعتمد على أطر استدلالية أو أطر عمل جاهزة للأنظمة.

🛠️🌐 الأدوات: الجسر إلى العالم الحقيقي

تُعدّ هذه الأدوات أساسيةً لتفاعل الأنظمة الذكية مع العالم الخارجي. فبينما تتفوق نماذج اللغة التقليدية في معالجة المعلومات، إلا أنها تفتقر إلى القدرة على إدراك العالم الحقيقي أو التأثير فيه بشكل مباشر. وهذا ما يحدّ من جدواها في المواقف التي تتطلب التفاعل مع الأنظمة أو البيانات الخارجية. ويمكن القول إن جودة نموذج اللغة لا تتجاوز ما تعلّمه من بيانات التدريب. فمهما بلغت كمية البيانات المُدخلة إلى النموذج، فإنه يفتقر إلى القدرة الأساسية على التفاعل مع العالم الخارجي. وتُسهم هذه الأدوات في سدّ هذه الفجوة، مما يُتيح تفاعلات آنية واعية بالسياق مع الأنظمة الخارجية.

🛠️📡 الإضافات: جسور موحدة لواجهات برمجة التطبيقات

تتوفر أنواع مختلفة من الأدوات لوكلاء الذكاء الاصطناعي. توفر الإضافات جسرًا موحدًا بين واجهة برمجة التطبيقات (API) والوكيل، مما يتيح تنفيذ واجهات برمجة التطبيقات بسلاسة بغض النظر عن طريقة تنفيذها الأساسية. تخيل أنك تُطوّر وكيلًا لمساعدة المستخدمين في حجز الرحلات الجوية. تريد استخدام واجهة برمجة تطبيقات Google Flights، لكنك غير متأكد من كيفية إرسال الوكيل للطلبات إلى نقطة نهاية واجهة برمجة التطبيقات هذه. يتمثل أحد الحلول في كتابة كود برمجي مخصص يحلل طلب المستخدم ويستدعي واجهة برمجة التطبيقات. مع ذلك، فإن هذا الحل عرضة للأخطاء ويصعب توسيعه. الحل الأمثل هو استخدام إضافة. تُعلّم الإضافة الوكيل، من خلال أمثلة، كيفية استخدام نقطة نهاية واجهة برمجة التطبيقات وما هي الوسائط أو المعلمات المطلوبة لإجراء استدعاء ناجح. وبذلك، يستطيع الوكيل تحديد الإضافة الأنسب لحل طلب المستخدم أثناء التشغيل.

💻📑 الميزات: مهام منظمة وإمكانية إعادة الاستخدام

تتشابه الدوال في مفهومها مع الدوال في تطوير البرمجيات. فهي وحدات برمجية مستقلة تؤدي مهمة محددة ويمكن إعادة استخدامها حسب الحاجة. في سياق الوكلاء، يمكن للنموذج الاختيار من بين مجموعة من الدوال المعروفة وتحديد وقت استدعاء كل دالة مع أي وسائط. على عكس الإضافات، لا يُجري النموذج عند استخدام الدوال استدعاءً مباشرًا لواجهة برمجة التطبيقات (API). يتم التنفيذ على جانب العميل، مما يمنح المطورين مزيدًا من التحكم في تدفق البيانات داخل التطبيق. يُعد هذا مفيدًا بشكل خاص عندما يلزم إجراء استدعاءات واجهة برمجة التطبيقات خارج نطاق تدفق بنية الوكيل المباشر، أو عندما تمنع قيود الأمان أو المصادقة الاستدعاءات المباشرة، أو عندما تجعل قيود الوقت أو التشغيل التنفيذ في الوقت الفعلي مستحيلاً. كما تُعد الدوال ممتازة لتنسيق مخرجات النموذج في تنسيق منظم (مثل JSON)، مما يُسهل معالجتها لاحقًا بواسطة أنظمة أخرى.

🧠📚 مشكلة المعرفة الثابتة وحلها من خلال مخازن البيانات

تُعالج مخازن البيانات قصور المعرفة الثابتة لنماذج اللغة. تخيّل نموذج اللغة كمكتبة ضخمة من الكتب تحتوي على بيانات التدريب الخاصة به. على عكس المكتبة الحقيقية، التي تُضاف إليها مجلدات جديدة باستمرار، تبقى هذه المعرفة ثابتة.

تُمكّن مخازن البيانات الوكلاء من الوصول إلى معلومات أكثر ديناميكية وحداثة. يستطيع المطورون توفير بيانات إضافية بصيغتها الأصلية، مما يُغني عن عمليات تحويل البيانات المُستهلكة للوقت، وإعادة تدريب النموذج، أو ضبطه بدقة. يقوم مخزن البيانات بتحويل المستندات الواردة إلى بيانات متجهة مُضمنة، والتي يمكن للوكيل استخدامها لاستخراج المعلومات التي يحتاجها.

من الأمثلة الشائعة على استخدام مخازن البيانات تقنية توليد البيانات المعززة بالاسترجاع (RAG)، حيث يمكن للوكيل الوصول إلى مجموعة متنوعة من تنسيقات البيانات، بما في ذلك محتوى مواقع الويب، والبيانات المنظمة (ملفات PDF، ومستندات Word، وملفات CSV، وجداول البيانات)، والبيانات غير المنظمة (HTML، وPDF، وTXT). تتضمن هذه العملية إنشاء عناصر مضمنة لطلب المستخدم، ومقارنة هذه العناصر بمحتوى قاعدة البيانات المتجهة، واسترجاع المحتوى ذي الصلة، وتمريره إلى الوكيل لصياغة استجابة أو إجراء.

🎯🛠️ استخدام الأدوات وأساليب التعلم للوكلاء

تعتمد جودة استجابات النظام بشكل مباشر على قدرته على فهم وتنفيذ هذه المهام المتنوعة، بما في ذلك اختيار الأدوات المناسبة واستخدامها بفعالية. ولتحسين قدرة النموذج على اختيار الأدوات الملائمة، توجد عدة مناهج تعليمية موجهة.

1. التعلم في السياق

يُقدّم هذا النظام نموذجًا عامًا أثناء عملية الاستدلال، مع توفير مُوجّهات وأدوات وبعض الأمثلة، مما يسمح له بالتعلم "بشكل فوري" كيفية استخدام هذه الأدوات ومتى يُستخدمها لمهمة مُحددة. ويُعدّ إطار عمل ReAct مثالًا على هذا النهج.

2. التعلم السياقي القائم على الاسترجاع

اذهب خطوة أبعد وقم بتعبئة موجه النموذج بشكل ديناميكي بالمعلومات والأدوات والأمثلة ذات الصلة التي تم استرجاعها من وحدة التخزين الخارجية.

3. التعلم القائم على الضبط الدقيق

يتضمن ذلك تدريب نموذج على مجموعة بيانات أكبر من الأمثلة المحددة قبل الاستدلال. يساعد هذا النموذج على فهم متى وكيف يتم تطبيق أدوات معينة حتى قبل أن يتلقى طلبات المستخدم.

إن الجمع بين أساليب التعلم هذه يتيح حلولاً قوية وقابلة للتكيف.

🤖🔧 تطوير وكلاء الذكاء الاصطناعي وحلول المصادر المفتوحة

يمكن تبسيط التطبيق العملي لوكلاء الذكاء الاصطناعي بشكل كبير باستخدام مكتبات مثل LangChain و LangGraph. تتيح هذه المكتبات مفتوحة المصدر للمطورين إنشاء وكلاء معقدين من خلال "ربط" تسلسلات من المنطق والاستدلال واستدعاءات الأدوات.

على سبيل المثال، يمكن للوكيل استخدام SerpAPI (لبحث جوجل) وGoogle Places API للرد على طلب متعدد المراحل من المستخدم عن طريق البحث أولاً عن معلومات حول حدث معين ثم تحديد عنوان الموقع المرتبط به.

🌐⚙️ إنتاج ومنصات لوكلاء الذكاء الاصطناعي

لتطوير تطبيقات الإنتاج، توفر منصات مثل Vertex AI من جوجل بيئة مُدارة بالكامل تُوفر جميع العناصر الأساسية لإنشاء وكلاء. ومن خلال واجهة لغة طبيعية، يستطيع المطورون تحديد العناصر الأساسية لوكلائهم بسرعة، بما في ذلك الأهداف وتعليمات المهام والأدوات والأمثلة.

توفر المنصة أيضًا أدوات تطوير لاختبار وتقييم وقياس أداء البرامج، وتصحيح الأخطاء، وتحسين الجودة الشاملة للبرامج المطورة. وهذا يُمكّن المطورين من التركيز على بناء برامجهم وتحسينها، بينما تتولى المنصة إدارة تعقيدات البنية التحتية والنشر والصيانة.

🌌🚀 مستقبل وكلاء الذكاء الاصطناعي: ربط الوكلاء والتعلم التكراري

يحمل مستقبل الذكاء الاصطناعي إمكانات هائلة. فمع استمرار تطوير الأدوات وتحسين قدرات الاستدلال، سيتمكن الذكاء الاصطناعي من حلّ مشكلات بالغة التعقيد. وسيستمر النهج الاستراتيجي المعروف باسم "ربط الوكلاء"، والذي يجمع بين وكلاء متخصصين - كلٌّ منهم خبير في مجال أو مهمة محددة - في اكتساب أهمية متزايدة، وسيُتيح تحقيق نتائج باهرة في مختلف القطاعات ومجالات المشكلات.

من المهم التأكيد على أن تطوير بنى وكلاء معقدة يتطلب منهجًا تكراريًا. فالتجريب والتحسين عنصران أساسيان لإيجاد حلول تلبي متطلبات العمل المحددة واحتياجات المؤسسة.

على الرغم من أن كل وكيل يختلف عن الآخر نظرًا لطبيعة النماذج الأساسية التوليدية، إلا أنه بالاستفادة من نقاط قوة هذه المكونات الجوهرية، يمكننا ابتكار تطبيقات قوية تُوسّع إمكانيات نماذج اللغة وتُحقق قيمة مضافة حقيقية. إن رحلة الذكاء الاصطناعي من النماذج السلبية إلى الوكلاء النشطين الأذكياء ما زالت في بدايتها، ويبدو أن الإمكانيات لا حدود لها.

من المحلي إلى العالمي: الشركات الصغيرة والمتوسطة تغزو السوق العالمية باستراتيجية ذكية - الصورة: Xpert.Digital

في عصرٍ بات فيه الحضور الرقمي للشركات عاملاً حاسماً في نجاحها، يكمن التحدي في بناء حضورٍ أصيل وشخصي وواسع النطاق. تقدم Xpert.Digital حلاً مبتكراً يجمع بين مزايا مركز الصناعة والمدونة وسفير العلامة التجارية. فهي تدمج مزايا قنوات التواصل والمبيعات في منصة واحدة، وتتيح النشر بـ 18 لغة مختلفة. كما يساهم التعاون مع البوابات الشريكة وإمكانية نشر المقالات على أخبار جوجل وقائمة توزيع صحفية تضم حوالي 8000 صحفي وقارئ في تعزيز انتشار المحتوى وزيادة ظهوره. وهذا يُعد عاملاً بالغ الأهمية في المبيعات والتسويق الخارجيين.

للمزيد من المعلومات، انقر هنا:

• أصيلة. فردية. عالمية: استراتيجية إكسبرت ديجيتال لشركتك

شهد تطوير الذكاء الاصطناعي زخمًا ملحوظًا في السنوات الأخيرة. وعلى وجه الخصوص، أتاح مفهوم "الوكلاء" مستوى جديدًا من التفاعل وحل المشكلات. فالوكلاء ليسوا مجرد نماذج، بل هم أنظمة مستقلة تسعى لتحقيق أهدافها من خلال التفاعل مع العالم، ومعالجة المعلومات، واتخاذ القرارات. يحلل القسم التالي مفهوم الوكلاء، ويكمله بمناهج مبتكرة لتحسين الأداء.

🚀 ما هو الوكيل؟

يمكن تعريف الوكيل بأنه تطبيق برمجي يسعى لتحقيق هدف ما من خلال مراقبة بيئته والتفاعل معها. وعلى عكس النماذج التقليدية التي تكتفي بالاستجابة للطلبات، فإن الوكلاء قادرون على التصرف بشكل استباقي ومستقل، واتخاذ قرارات بشأن كيفية تحقيق هدفهم.

✨ المكونات الأساسية للوكيل

• النموذج: العنصر الأساسي في أي نظام هو نموذج اللغة، الذي يعمل كصانع قرار. يمكن أن يكون هذا النموذج عامًا أو مصممًا خصيصًا لحالات استخدام معينة.
• الأدوات: تعمل الأدوات على توسيع قدرات النموذج من خلال تمكين الوصول إلى مصادر البيانات أو الوظائف الخارجية. ومن الأمثلة على ذلك عمليات تكامل واجهة برمجة التطبيقات (API) أو قواعد البيانات.
• طبقة التنسيق: تتحكم هذه الطبقة في كيفية قيام العامل بجمع المعلومات ومعالجتها وتنفيذ الإجراءات. وهي تشكل "دماغ" العامل، حيث تدمج المنطق والذاكرة واتخاذ القرارات.

🧠 وكلاء العارضات مقابل عارضات الأزياء

يكمن الاختلاف الجوهري بين الوكلاء والنماذج البسيطة في طريقة تعاملهم مع المعلومات:

• النماذج: تقتصر هذه النماذج على الاستجابات القائمة على الاستدلال وتستخدم بيانات التدريب فقط.
• العملاء: استخدم الأدوات لاسترجاع المعلومات في الوقت الفعلي وتنفيذ مهام متقدمة مثل التفاعلات متعددة الأدوار.

🔧 وظائف محسّنة من خلال الأدوات

🌐 وصلات

تُعدّ الإضافات واجهات بين واجهات برمجة التطبيقات والوكلاء. وهي تسمح للوكيل بإجراء استدعاءات واجهة برمجة التطبيقات دون الحاجة إلى كتابة أكواد معقدة ومخصصة.

⚙️ الميزات

على عكس الإضافات، يتم تنفيذ الدوال على جانب العميل. وهذا يمنح المطورين التحكم في تدفق البيانات ويسمح بتنفيذ منطق محدد.

📊 قواعد البيانات

من خلال دمج قواعد بيانات المتجهات، يمكن للوكلاء الوصول ديناميكيًا إلى البيانات المنظمة وغير المنظمة لتقديم إجابات أكثر دقة ومراعاة للسياق.

📈 تحسين الأداء من خلال التعلم الموجه

لزيادة كفاءة الوكلاء، توجد طرق تعلم متنوعة:

1. التعلم في السياق: يُمكّن من تعلم وتطبيق النماذج والأدوات والأمثلة مباشرة أثناء وقت الاستدلال.
2. التعلم القائم على الاسترجاع في السياق: يجمع بين عمليات استرجاع البيانات الديناميكية والنموذج للوصول إلى المعلومات المتعلقة بالسياق.
3. الضبط الدقيق: من خلال إضافة بيانات مستهدفة، يتم تحسين النموذج لمهام محددة.

🔮 الإمكانات المستقبلية للوكلاء

يتجاوز تطوير البرمجيات الذكية التطبيقات الحالية بكثير. ففي المستقبل، قد تُحدث هذه البرمجيات ثورة في المجالات التالية:

• الرعاية الصحية: يمكن للوكلاء إنشاء تشخيصات وخطط علاجية مخصصة.
• التعليم: يمكن تطبيق منصات التعلم الديناميكية من خلال وكلاء يستجيبون لاحتياجات كل طالب.
• الأعمال: يمكن إحداث ثورة في العمليات الآلية واتخاذ القرارات في الشركات من خلال استخدام الوكلاء.

🏁 يمثل العملاء تطوراً ثورياً في مجال الذكاء الاصطناعي.

تمثل الوكلاء نقلة نوعية في مجال الذكاء الاصطناعي، إذ تجمع بين النماذج والأدوات والمنطق وقدرات اتخاذ القرار. إن إمكانياتها لا حدود لها، وستستمر أهميتها في التزايد في عالم يعتمد بشكل متزايد على البيانات والأتمتة.

☑️ دعم الشركات الصغيرة والمتوسطة في مجالات الاستراتيجية والاستشارات والتخطيط والتنفيذ

☑️ إنشاء أو إعادة تنظيم الاستراتيجية الرقمية والتحول الرقمي

☑️ توسيع وتحسين عمليات المبيعات الدولية

☑️ منصات التداول العالمية والرقمية بين الشركات

☑️ تطوير الأعمال الرائدة

Konrad Wolfenstein

يسعدني أن أكون مستشارك الشخصي.

يمكنك الاتصال بي عن طريق ملء نموذج الاتصال أدناه أو ببساطة الاتصال بي على الرقم +49 89 89 674 804 (ميونخ) .

أتطلع إلى مشروعنا المشترك.

Xpert.Digital هو مركز صناعي يركز على الرقمنة والهندسة الميكانيكية والخدمات اللوجستية/الخدمات اللوجستية الداخلية والخلايا الكهروضوئية.

بفضل حلولنا الشاملة لتطوير الأعمال، ندعم الشركات المرموقة من الأعمال الجديدة إلى خدمات ما بعد البيع.

تُعدّ معلومات السوق، والتسويق الموجه، وأتمتة التسويق، وتطوير المحتوى، والعلاقات العامة، وحملات البريد، ووسائل التواصل الاجتماعي الشخصية، ورعاية العملاء المحتملين جزءًا من أدواتنا الرقمية.

يمكنكم الاطلاع على المزيد من المعلومات على المواقع التالية: www.xpert.digital - www.xpert.solar - www.xpert.plus