الذكاء الاصطناعي الوكيلي، مؤصَّلاً: ما تقوله الأبحاث فعلاً — وما يعنيه لإدارة أداء أصول المحوّلات

بالنسبة لجمهور هندسي، يمثّل التشكيك في الذكاء الاصطناعي نقطة قوة لا عبئاً. فالسؤال الصحيح ليس «هل الذكاء الاصطناعي الوكيلي حقيقي؟» — فهو حقيقي — بل «ما الذي توصي به الأبحاث فعلاً لنشره على أصول لا يمكن أن تتعطّل بصمت؟» والجواب المشجّع هو أن المختبرات الرائدة، والأبحاث الأكاديمية حول الموثوقية، ومؤسسات الحوكمة تتّفق على نمط واحد: وكلاء المؤسسات المفيدون محدودو النطاق، ومؤصَّلون بالأدلة، ومراجَعون بشرياً. وينطبق هذا النمط انطباقاً شبه تامّ على الطريقة التي تُتّخذ بها أصلاً القرارات الجادّة لإدارة أداء أصول المحوّلات.

ما هو «الذكاء الاصطناعي الوكيلي» فعلاً

يأتي أوضح تعريف عملي من المختبرات التي تبني هذه الأنظمة. فشركة Anthropic تُميّز بين الوكلاء، حيث «يوجّه [النموذج] ديناميكياً عملياته الخاصة واستخدامه للأدوات»، وسير العمل، حيث تُنسَّق النماذج والأدوات «عبر مسارات برمجية محدَّدة مسبقاً» — وتنصح المطوّرين بـ«إيجاد أبسط حلٍّ ممكن» وبألا يضيفوا تعقيداً وكيلياً إلا حين تقصُر المقاربات الأبسط، كما تبيّن إرشاداتها في هندسة الوكلاء. ويردّد الدليل العملي لبناء الوكلاء الصادر عن OpenAI هذا التحفّظ نفسه. ويصف Phillip Isola من MIT الذكاء الاصطناعي الوكيلي ببساطة بأنه «ذكاء اصطناعي يتّخذ إجراءات في العالم»، محذّراً في الوقت نفسه من أن الناس «لن يبذلوا جهداً كافياً في التحقّق» من مخرجات الوكيل — وهو تحذير له وقعٌ شديد في الأعمال الحرجة.

وأهم فارق دقيق هو هذا: الاستقلالية خيار نشرٍ، لا نتيجة تلقائية للقدرة. فإطار مستويات AGI من Google DeepMind يشدّد على «الانتقاء الدقيق لأنماط التفاعل بين الإنسان والذكاء الاصطناعي»، معامِلاً درجة الاستقلالية بوصفها قراراً مقصوداً مرتبطاً بالمخاطر. فالنموذج الأقدر لا يُلزمك بمنحه مزيداً من التحكّم.

واقع الموثوقية

ثمّة نتيجتان ينبغي أن تشكّلا أي نشرٍ في بنية تحتية حرجة. أولاً، الوكلاء غير متّسقين في ظل ظروف واقعية: فمعيار القياس τ-bench الخاص بالتفاعل بين الأداة والوكيل والمستخدم يفيد بأن وكلاء استدعاء الدوال الأحدث ينجحون في أقل من نصف المهام الواقعية وأنهم غير موثوقين عبر التجارب المتكرّرة. ثانياً، الهلوسة بنيوية لا عرَضية — إذ تجادل الأبحاث بأنها قيدٌ متأصّل لدى حلّالي المشكلات العامّين، وتُرجعها أعمال أخرى إلى كيفية تدريب النماذج وتقييمها لا إلى عيبٍ قابل للإصلاح.

ولا تقول أيٌّ من النتيجتين «لا تستخدم الوكلاء». بل تقولان: لا تبنِ نظاماً تعتمد سلامته على أن يكون النموذج مُصيباً في كل مرة. وعلى أسطول محوّلات، هذا المبدأ غير قابل للتفاوض.

النمط الجدير بالثقة: محدود + مؤصَّل + مراجَع

• مؤصَّل. التوليد المعزَّز بالاسترجاع — أي ربط الإجابات بمخزن أدلة خارجي — يُنتج مخرجات «أكثر تحديداً وتنوّعاً واتّساقاً مع الوقائع» من نموذج يعتمد على معاملاته وحدها. وهذه هي الآلية البحثية الكامنة خلف الإجابات الموثّقة بالمصادر: إذ يعود كل استنتاج إلى مصدرٍ يمكن للمراجِع أن يتحقّق منه.
• محدود النطاق. استخدام الأدوات نفسه سطحُ إخفاقٍ معروف يجب على الهندسة ترويضه؛ فعمل Gorilla من Berkeley موجود تحديداً للحدّ من الهلوسة في استدعاءات API والأدوات. وحصر الوكيل ضمن مجموعة أدوات محدَّدة ومختبَرة هو ما يُبقي أفعاله داخل الحدود المرسومة.
• محكوم. إطار NIST لإدارة مخاطر الذكاء الاصطناعي يعامل مخاطر الذكاء الاصطناعي بوصفها اجتماعية-تقنية، وينظّمها في وظائف الحوكمة (Govern) والتخطيط (Map) والقياس (Measure) والإدارة (Manage) مع إشرافٍ بشري مدمَج عبر دورة الحياة.

وثمّة تحفّظ صادق ينبغي حمله: يمكن للمراجعة البشرية أن تتحوّل إلى إجراءٍ شكلي إذا ضُغِط على المراجِعين للمصادقة الآلية. فالنطاق المحدود وروابط الأدلة هما ما يجعل المراجعة حقيقية — إذ يستطيع المراجِع الذي يرى القياس الأساسي أن يخالف الآلة فعلاً. ونتناول هذا المبدأ بإسهاب في الذكاء الاصطناعي مع إبقاء الإنسان في الحلقة لقرارات المحوّلات.

لماذا يناسب هذا إدارة أداء أصول المحوّلات

الشبكة، بحسب عبارة وزارة الطاقة الأمريكية DOE، «واحدة من أكثر الآلات تعقيداً على وجه الأرض، ومع ذلك فائقة الموثوقية»، وتصف الوزارة الذكاء الاصطناعي بأنه ذو قيمة في إدارتها — شريطة ألا «تُدخِل الأدوات مخاطر على الشبكة أو الأفراد». وبالمثل، تنسب IEA إلى الذكاء الاصطناعي قيمة تشغيلية حقيقية في مجال الطاقة، إلى جانب قيدٍ صريح يتعلّق بالسلامة والأمن.

وتناسب قرارات المحوّلات النسخة المحدودة النطاق من الذكاء الاصطناعي الوكيلي على وجه الدقة لأنها تمتلك أصلاً الشكل الذي تصفه المختبرات: مهمة واضحة (تفسير اتجاه DGA، أو التوفيق بين قياس PRPD، أو الموازنة بشأن إجراء صيانة)، ومعايير نجاح واضحة، وإشراف بشري إلزامي. وأنماط الأعطال مفهومة جيداً — راجع لماذا تتعطّل محوّلات القدرة — والأدلة ملموسة وقابلة للتحقّق. وهذا هو الإطار المثالي لوكيلٍ مهمته تجميع الحالة لا اتّخاذ القرار.

كيف يطبّق GridAPM هذا النمط

بُني GridAPM بوصفه الانضباط الذي توصي به الأبحاث، لا استقلاليةً لذاتها. فوكلاؤه محدودو النطاق — أدوات وإجراءات محدَّدة، دون تحكّم مفتوح في الأصول المكهربة؛ ومرتبطون بالأدلة — كل استنتاج قابل للتتبّع إلى سجل DGA أو الزيت أو PD أو SFRA أو السجل الحراري أو سجل التفتيش الذي أنتجه، على النمط المؤصَّل بالاسترجاع الذي تصدّقه الأدبيات؛ ومراجَعون بشرياً — المهندس يوافق، والوكيل يُعِدّ. وهذه هي الفلسفة نفسها الكامنة خلف برمجيات APM بالذكاء الاصطناعي الوكيلي لمحوّلات القدرة ورؤيتنا الأوسع حول الذكاء الاصطناعي لمحوّلات القدرة.

والإطار المُقنِع لفريق هندسي متشكّك ليس «ثِق بالذكاء الاصطناعي». بل هو: لقد بنينا ما توصي به الأدلة. اطلب برنامجاً تجريبياً من GridAPM لتقييم سير عملٍ محدود النطاق ومرتبط بالأدلة ومراجَع بشرياً على أسطولك الخاص.