ما المقصود بوكلاء الذكاء الاصطناعي؟

وكيل الذكاء الاصطناعي (AI) هو برنامج برمجي يمكنه التفاعل مع بيئته وجمع البيانات واستخدام البيانات لأداء مهام موجهة ذاتيًا لتحقيق أهداف محددة مسبقًا. يحدد البشر الأهداف، لكن وكيل الذكاء الاصطناعي يختار بشكل مستقل أفضل الإجراءات التي يحتاج إلى تنفيذها لتحقيق تلك الأهداف. على سبيل المثال، ضع في اعتبارك وكيل الذكاء الاصطناعي لمركز الاتصال الذي يريد حل استفسارات العملاء. سيطرح الوكيل تلقائيًا أسئلة مختلفة على العميل، ويبحث عن المعلومات في المستندات الداخلية، ويجيب بحل. استنادًا إلى ردود العملاء، فإنه يحدد ما إذا كان بإمكانه حل الاستعلام نفسه أو نقله إلى الإنسان.

يمكن للعديد من وكلاء الذكاء الاصطناعي التعاون لأتمتة عمليات سير العمل المعقدة ويمكن أيضًا استخدامها في أنظمة الذكاء الاصطناعي الفعالة. يتبادلون البيانات مع بعضهم، ما يسمح للنظام بأكمله بالعمل معًا لتحقيق الأهداف المشتركة. يمكن أن يتخصص وكلاء الذكاء الاصطناعي الفرديون لأداء مهام فرعية محددة بدقة. ينسّق الوكيل المنسق أنشطة الوكلاء المتخصصين المختلفين لإكمال مهام أكبر وأكثر تعقيدًا.

معرفة المزيد حول ماهية الذكاء الاصطناعي (AI)

تنفذ كل البرامج بشكل مستقل مهامًا روتينية مختلفة على النحو المحدد من قِبل مطور البرامج. إذن، ما الذي يجعل وكلاء الذكاء الاصطناعي مميزين؟

الحكم الذاتي

يعمل وكلاء الذكاء الاصطناعي بشكل مستقل، دون تدخل بشري مستمر. في حين أن البرامج التقليدية تتبع التعليمات المشفرة، يحدد وكلاء الذكاء الاصطناعي الإجراء المناسب التالي بناءً على البيانات السابقة وينفذونه دون إشراف بشري مستمر.

على سبيل المثال، يقوم وكيل مسك الدفاتر تلقائيًا بتحديد بيانات الفواتير المفقودة لعمليات الشراء وطلبها.

السلوك الموجّه نحو الهدف

وكلاء الذكاء الاصطناعي مدفوعون بالأهداف. تهدف إجراءاتهم إلى تحقيق أقصى قدر من النجاح كما هو مُعرّف بواسطة دالة المنفعة أو مقياس الأداء. على عكس البرامج التقليدية التي تكمل المهام فقط، يسعى الوكلاء الأذكياء إلى تحقيق الأهداف وتقييم عواقب أفعالهم فيما يتعلق بتلك الأهداف.

على سبيل المثال، يعمل نظام لوجستيات الذكاء الاصطناعي على تحسين طرق التسليم لتحقيق التوازن بين السرعة والتكلفة واستهلاك الوقود في وقت واحد، وبالتالي تحقيق التوازن بين أهداف متعددة.

الإدراك

يتفاعل وكلاء الذكاء الاصطناعي مع بيئتهم من خلال جمع البيانات من خلال أجهزة الاستشعار أو المدخلات الرقمية. يمكنهم جمع البيانات من الأنظمة والأدوات الخارجية عبر واجهات برمجة التطبيقات (API). تسمح لهم هذه البيانات بإدراك العالم من حولهم والتعرّف على التغييرات وتحديث حالتهم الداخلية وفقًا لذلك.

على سبيل المثال، يجمع وكلاء الأمن السيبراني البيانات من قواعد بيانات الطرف الثالث للبقاء على دراية بأحدث الحوادث الأمنية.

العقلانية

وكلاء الذكاء الاصطناعي هم كيانات عقلانية ذات قدرات منطقية. فهي تجمع البيانات من بيئتها مع المعرفة بالمجال والسياق السابق لاتخاذ قرارات مستنيرة وتحقيق الأداء الأمثل والنتائج.

على سبيل المثال، يقوم الوكيل الآلي بجمع بيانات المستشعر، ويستخدم روبوت المحادثة استعلامات العملاء كمدخلات. يقوم وكيل الذكاء الاصطناعي بتطبيق البيانات لاتخاذ قرار مستنير. ويحلل البيانات التي جُمعت للتنبؤ بأفضل النتائج التي تدعم الأهداف المحددة مسبقًا. يستخدم الوكيل أيضًا النتائج لصياغة الإجراء التالي الذي يجب أن يتخذه. على سبيل المثال، تتنقل السيارات ذاتية القيادة حول العقبات على الطريق استنادًا إلى بيانات من أجهزة استشعار متعددة.

روح المبادرة

يمكن لوكلاء الذكاء الاصطناعي أخذ زمام المبادرة بناءً على توقعات ونماذج الحالات المستقبلية. بدلاً من مجرد الرد على المدخلات، فإنهم يتوقعون الأحداث ويستعدون وفقًا لذلك.

على سبيل المثال، قد يتواصل وكيل خدمة العملاء القائم على الذكاء الاصطناعي مع مستخدم يشير سلوكه إلى الإحباط، ويقدم المساعدة قبل تقديم تذكرة الدعم. قد تعيد روبوتات المستودعات المستقلة وضع نفسها تحسبًا لعمليات المرور العالية القادمة.

التعلّم المستمر

يتحسن وكلاء الذكاء الاصطناعي بمرور الوقت من خلال التعلّم من التفاعلات السابقة. يحددون الأنماط والتغذية الراجعة والنتائج لتحسين سلوكهم واتخاذ القرار. وهذا يميزها عن البرامج الثابتة التي تتصرف دائمًا بالطريقة نفسها بغض النظر عن المدخلات الجديدة.

على سبيل المثال، يتعلم وكلاء الصيانة التنبؤية من أعطال المعدات السابقة للتنبؤ بشكل أفضل بالمشكلات المستقبلية.

القدرة على التكيّف

يعدّل وكلاء الذكاء الاصطناعي استراتيجياتهم استجابةً للظروف الجديدة. تسمح لهم هذه المرونة بالتعامل مع عدم اليقين والمواقف الجديدة والمعلومات غير المكتملة.

على سبيل المثال، يقوم روبوت تداول الأسهم بتكييف استراتيجيته في أثناء انهيار السوق، بينما يكتشف وكيل مخصص للألعاب مثل AlphaZero تكتيكات جديدة من خلال اللعب الذاتي، حتى دون الاعتماد على استراتيجيات بشرية سابقة.

التعاون

يمكن لوكلاء الذكاء الاصطناعي العمل مع وكلاء آخرين أو وكلاء بشريين لتحقيق الأهداف المشتركة. إنهم قادرون على التواصل والتنسيق والتعاون لأداء المهام معًا. غالبًا ما يتضمن سلوكهم التعاوني التفاوض ومشاركة المعلومات وتخصيص المهام والتكيّف مع إجراءات الآخرين.

على سبيل المثال، يمكن أن تحتوي الأنظمة متعددة الوكلاء في مجال الرعاية الصحية على وكلاء متخصصين في مهام محددة، مثل التشخيص والرعاية الوقائية وجدولة الأدوية وما إلى ذلك، من أجل الأتمتة الشاملة لرعاية المرضى.

يمكن لوكلاء الذكاء الاصطناعي تحسين عمليات شركتك وتجارب عملائك.

تحسين الإنتاجية

تكون فرق العمل أكثر إنتاجية عندما تفوّض المهام المتكررة لوكلاء الذكاء الاصطناعي. وبهذه الطريقة، يمكنهم تحويل انتباههم إلى الأنشطة الحرجة أو الإبداعية، ما يضيف المزيد من القيمة إلى مؤسستهم.

التكاليف المخفضة

يمكن للشركات تحقيق الاستفادة من وكلاء أذكياء للحد قدر الإمكان من التكاليف غير الضرورية الناشئة عن عدم كفاءة العمليات والأخطاء البشرية والعمليات اليدوية. يمكنها معالجة المهام المعقدة بثقة لأن الوكلاء المستقلين يتبعون نموذجًا ثابتًا يتكيف مع البيئات المتغيرة. يمكن أن تؤدي تقنية الوكيل التي تؤتمت العمليات التجارية إلى وفورات كبيرة في التكاليف.

اتخاذ قرارات مستنيرة

يتمتع الوكلاء الأذكياء المتقدمون بقدرات تنبؤية ويمكنهم جمع ومعالجة كميات هائلة من البيانات في الوقت الفعلي. يمكِّن ذلك مديري الشركات إجراء تنبؤات أكثر استنارة بسرعة عند وضع استراتيجية لخطوتهم التالية. على سبيل المثال، يمكنك استخدام وكلاء الذكاء الاصطناعي لتحليل طلبات المنتجات في قطاعات السوق المختلفة عند تشغيل حملة إعلانية.

تجربة عملاء محسّنة

يبحث العملاء عن تجارب جذابة وشخصية عند التفاعل مع الشركات. يتيح دمج وكلاء الذكاء الاصطناعي للشركات تخصيص توصيات المنتجات وتقديم استجابات سريعة والابتكار لتحسين مشاركة العملاء والتحويل والولاء. يمكن لوكلاء الذكاء الاصطناعي تقديم إجابات مفصلة لأسئلة العملاء المعقدة وحل التحديات بشكل أكثر كفاءة.

تحتوي بنية وكيل الذكاء الاصطناعي على المكونات الرئيسية التالية.

نموذج المؤسسة

في صميم أي وكيل للذكاء الاصطناعي يكمن الأساس أو نموذج اللغة الكبير (LLM) مثل GPT أو Claude. إنه يمكّن الوكيل من تفسير مدخلات اللغة الطبيعية، وتوليد استجابات تشبه الإنسان، والتفكير في التعليمات المعقدة. يعمل نموذج اللغة الكبير كمحرك تفكير للوكيل، ويعالج المطالبات ويحوّلها إلى إجراءات أو قرارات أو استفسارات لمكونات أخرى (مثل الذاكرة أو الأدوات). وهي تحتفظ ببعض الذاكرة على مستوى الجلسات افتراضيًا ويمكن أن تقترن بأنظمة خارجية لمحاكاة الاستمرارية والوعي بالسياق.

وحدة التخطيط

تمكّن وحدة التخطيط الوكيل من تقسيم الأهداف إلى خطوات أصغر يمكن التحكم فيها وتسلسلها منطقيًا. تستخدم هذه الوحدة التفكير الرمزي أو أشجار القرارات أو الاستراتيجيات الخوارزمية لتحديد النهج الأكثر فعالية لتحقيق النتيجة المرجوة. يمكن تنفيذ ذلك إما من خلال تفكيك المهام الموجَّه بالمحفّزات أو عبر أساليب أكثر تنظيمًا، مثل شبكات المهام الهرمية أو خوارزميات التخطيط التقليدية. يسمح التخطيط للوكيل بالعمل على مدى آفاق زمنية أطول، مع مراعاة التبعيات والطوارئ بين المهام.

وحدة الذاكرة

تسمح وحدة الذاكرة للوكيل بالاحتفاظ بالمعلومات على مستوى التفاعلات أو الجلسات أو المهام. يتضمن ذلك كلاً من الذاكرة قصيرة المدى، مثل سجل الدردشة أو إدخال المستشعر الأخير، والذاكرة طويلة المدى، بما في ذلك بيانات العميل أو الإجراءات السابقة أو المعرفة المتراكمة. تعمل الذاكرة على تحسين تخصيص الوكيل وتماسكه وإدراكه للسياق. عند إنشاء وكلاء الذكاء الاصطناعي، يستخدم المطورون قواعد البيانات Vector أو الرسوم البيانية المعرفية لتخزين المحتوى ذي المعنى الدلالي واسترداده.

تكامل الأدوات

غالبًا ما يوسِّع وكلاء الذكاء الاصطناعي قدراتهم من خلال الاتصال بالبرامج الخارجية أو واجهات برمجة التطبيقات أو الأجهزة. يتيح لهم ذلك التصرف بما يتجاوز اللغة الطبيعية، وأداء مهام واقعية، مثل استرداد البيانات أو إرسال رسائل البريد الإلكتروني أو تشغيل التعليمات البرمجية أو الاستعلام عن قواعد البيانات أو التحكم في الأجهزة. يحدد الوكيل متى تتطلب المهمة أداة، ثم يفوض العملية وفقًا لذلك. عادةً ما يتم توجيه استخدام الأداة بواسطة نموذج اللغة الكبير من خلال وحدات التخطيط والتحليل التي تقوم بتنسيق استدعاء الأداة وتفسير مخرجاتها.

التعلّم والتفكير

يمكن أن يحدث التفكير بأشكال متعددة:

• يقيِّم الوكيل جودة المخرج الخاص به (على سبيل المثال، هل حل المشكلة بشكل صحيح؟).
• يوفر المستخدمون البشريون أو الأنظمة المؤتمتة التصحيحات.
• يختار الوكيل أمثلة غير مؤكدة أو مفيدة لتحسين تعلمه.

التعليم بواسطة التعزيز (RL) هو نموذج التعلمّ الرئيسي. يتفاعل الوكيل مع بيئة معيّنة، ويتلقى تعليقات على شكل مكافآت أو عقوبات، ويتعلّم سياسة تربط بين الحالات والإجراءات بهدف تحقيق أقصى منفعة تراكمية. يُعد التعليم بواسطة التعزيز (RL) مفيدًا بشكل خاص في البيئات التي تكون فيها بيانات التدريب الصريحة قليلة، مثل الروبوتات أو الألعاب أو التداول المالي. يوازن الوكيل بين الاستكشاف (تجربة إجراءات جديدة) والاستغلال (باستخدام أفضل الإجراءات المعروفة) لتحسين استراتيجيته بمرور الوقت.

يعمل وكلاء الذكاء الاصطناعي من خلال تبسيط المهام المعقدة وأتمتتها. يتبع معظم الوكلاء المستقلين سير عمل محددًا عند تنفيذ المهام المعينة.

تحديد الأهداف

يتلقى وكيل الذكاء الاصطناعي تعليمات أو هدفًا محددًا من المستخدم. يستخدم الهدف لتخطيط المهام التي تجعل النتيجة النهائية ذات صلة ومفيدة للمستخدم. ثم يقوم الوكيل بتقسيم الهدف إلى عدة مهام صغيرة قابلة للتنفيذ. لتحقيق الهدف، يقوم الوكيل بهذه المهام بناءً على أوامر أو شروط محددة.

الحصول على المعلومات

يحتاج وكلاء الذكاء الاصطناعي إلى معلومات لتنفيذ المهام التي خططوا لها بنجاح. على سبيل المثال، يجب على الوكيل استخراج سجلات المحادثة لتحليل مؤشر مشاعر العملاء. على هذا النحو، قد يصل وكلاء الذكاء الاصطناعي إلى الإنترنت للبحث عن المعلومات التي يحتاجون إليها واسترجاعها. في بعض التطبيقات، يمكن للوكيل الذكي التفاعل مع الوكلاء الآخرين أو نماذج تعلّم الآلة للوصول إلى المعلومات أو تبادلها.

تنفيذ المهام

باستخدام البيانات الكافية، ينفذ وكيل الذكاء الاصطناعي المهمة المطروحة بشكل منهجي. بمجرد إنجاز المهمة، يزيلها الوكيل من القائمة والانتقال إلى المرحلة التالية. في الفترات الفاصلة بين عمليات إكمال المهام، يقيّم الوكيل ما إذا كان قد حقق الهدف المحدد من خلال البحث عن تعليقات خارجية وفحص السجلات الخاصة به. خلال هذه العملية، قد ينشئ الوكيل مهامَّ إضافية والعمل عليها لتحقيق النتيجة النهائية. 

تنشئ المؤسسات وكلاء الذكاء الاصطناعي وتنشرها على مستوى مجموعة من الأنواع والمهام. نشارك بعض الأمثلة أدناه.

وكلاء الانعكاس البسيطون

يعمل وكيل الانعكاس البسيط بشكل صارم بناءً على القواعد المحددة مسبقًا وبياناته الفورية. لن يستجيب للحالات التي تتجاوز قاعدة محددة من حدث وشرط وإجراء. وبالتالي، فإن هؤلاء الوكلاء مناسبون للمهام البسيطة التي لا تتطلب تدريبًا مكثفًا. على سبيل المثال، يمكنك استخدام عامل رد فعل بسيط لإعادة تعيين كلمات المرور من خلال اكتشاف كلمات رئيسية محددة في محادثة المستخدم.

وكلاء الانعكاس البسيطون القائمة على النموذج

يشبه الوكيل القائم على النموذج وكلاء الانعكاس البسيطين، باستثناء أن الأول لديه آلية صنع قرار أكثر تقدمًا. بدلاً من مجرد اتباع قاعدة محددة، يقيِّم الوكيل القائم على النموذج النتائج والعواقب المحتملة قبل اتخاذ القرار. باستخدام البيانات الداعمة، تبني نموذجًا داخليًا للعالم الذي تدركه وتستخدمه لدعم قراراتها.

الوكلاء القائمون على الهدف

العوامل القائمة على الهدف، والمعروفة أيضًا باسم الوكلاء المستندة إلى القواعد، هي وكلاء الذكاء الاصطناعي الذين يمتلكون قدرات تفكير أكثر قوة. إلى جانب تقييم بيانات البيئة، يقارن الوكيل الأساليب المختلفة لمساعدته على تحقيق النتيجة المرجوة. يختار الوكلاء القائمون على الهدف دائمًا المسار الأكثر كفاءة. إنها مناسبة لأداء المهام المعقدة، مثل معالجة اللغة الطبيعية (NLP) وتطبيقات الروبوتات.

الوكلاء القائمون على المرافق

يستخدم الوكيل القائم على المنفعة خوارزمية منطقية معقدة لمساعدة المستخدمين في تعظيم النتيجة التي يرغبون فيها. يقارن الوكيل سيناريوهات مختلفة وقيم المرافق أو الفوائد الخاصة بها. ثم تختار واحدة تقدم للمستخدمين أكبر قدر من المنفعة. على سبيل المثال، يمكن للعملاء استخدام وكيل قائم على المرافق للبحث عن تذاكر الطيران بأقل وقت للسفر، بغض النظر عن السعر.

وكلاء التعلّم

يتعلم وكيل التعلّم باستمرار من التجارب السابقة لتحسين أدائه. باستخدام آليات المدخلات والتغذية الراجعة الحسية، يقوم الوكيل بتكييف عنصر التعلّم الخاص به بمرور الوقت لتلبية معايير محددة. بالإضافة إلى ذلك، فإنه يستخدم مولّد المشكلات لتصميم مهام جديدة تدرب نفسها باستخدام البيانات المجمعة والنتائج السابقة.

الوكلاء الهرميّون

الوكلاء الهرميّون هم مجموعة مُنظَّمة من الوكلاء الأذكياء مرتبة في مستويات. يقوم الوكلاء ذوو المستوى الأعلى بتفكيك المهام المعقدة إلى مهام أصغر وتعيينها إلى وكلاء من المستوى الأدنى. يعمل كل وكيل بشكل مستقل ويقدم تقريرًا مرحليًا إلى الوكيل المشرف عليه. يجمع الوكيل ذو المستوى الأعلى النتائج وينسّق الوكلاء المرؤوسين لضمان تحقيق الأهداف بشكل جماعي.

أنظمة متعددة الوكلاء

يتكون النظام متعدد الوكلاء (MAS) من عوامل متعددة تتفاعل مع بعضها لحل المشكلات أو تحقيق الأهداف المشتركة. يمكن أن تكون هذه العوامل متجانسة (متشابهة في التصميم) أو غير متجانسة (مختلفة في الهيكل أو الوظيفة) وقد تتعاون أو تنسق أو حتى تتنافس اعتمادًا على السياق. يُعد النظام متعدد الوكلاء (MAS) فعالاً بشكل خاص في البيئات المعقدة والموزعة حيث يكون التحكم المركزي غير عملي.

على سبيل المثال، في أساطيل المركبات ذاتية القيادة، تعمل كل مركبة باعتبارها وكيلاً مستقلاً ولكنها تتعاون مع الآخرين لتجنب الازدحام المروري ومنع التصادمات، ما يؤدي إلى تدفق حركة مرور أكثر سلاسة.

وكلاء الذكاء الاصطناعي هم تقنيات برمجية مفيدة لأتمتة سير عمل الأعمال لتحقيق نتائج أفضل. ومع ذلك، يجب على المؤسسات معالجة المخاوف التالية عند نشر وكلاء الذكاء الاصطناعي المستقلين لحالات استخدام الأعمال.

مخاوف تتعلق بخصوصية البيانات

يتطلب تطوير وكلاء الذكاء الاصطناعي المتقدمين وتشغيلها الحصول على كميات هائلة من البيانات وتخزينها ونقلها. يجب أن تكون المؤسسات على دراية بمتطلبات خصوصية البيانات وأن تستخدم التدابير اللازمة لتحسين وضع أمان البيانات.

التحديات الأخلاقية

في ظروف معينة، قد تنتج نماذج الذكاء الاصطناعي نتائج متحيزة أو غير دقيقة. يساعد تطبيق الإجراءات الوقائية، مثل المراجعات البشرية، على ضمان حصول العملاء على ردود مفيدة وعادلة من الوكلاء المنتشرين.

التعقيدات التقنية

يتطلب تنفيذ وكلاء الذكاء الاصطناعي المتقدمين خبرة متخصصة ومعرفة بتقنيات تعلّم الآلة. يجب أن يكون المطورون قادرين على دمج مكتبات تعلّم الآلة مع تطبيقات البرامج وتدريب الوكيل بالبيانات الخاصة بالمؤسسة.

موارد حوسبة محدودة

يتطلب تدريب وكلاء الذكاء الاصطناعي للتعلم العميق ونشرهم موارد حوسبة كبيرة. عندما تنفذ المؤسسات هؤلاء الوكلاء داخل الشركة، يجب عليها الاستثمار في البنية التحتية المكلفة والحفاظ عليها والتي لا يمكن تطويرها بسهولة.

Amazon Bedrock هي خدمة مُدارة بالكامل توفر وصولاً سهلاً إلى نماذج الذكاء الاصطناعي المولّد الرائدة في الصناعة، مثل Claude وLlam2 وAmazon Titan، إلى جانب مجموعة واسعة من القدرات اللازمة لبناء تطبيقات الذكاء الاصطناعي المولّد.

تعتمد خدمة Amazon Bedrock Agentsعلى استدلال نماذج التأسيس وواجهات برمجة التطبيقات (API) والبيانات لتحليل طلبات المستخدم، واستخلاص المعلومات المهمة، وإنجاز المهام بفعالية. يُعد إنشاء وكيل أمرًا سهلاً وسريعًا، حيث يتم الإعداد في بضع خطوات فقط. تدعم خدمة Amazon Bedrock ما يلي:

• الاحتفاظ بالذاكرة لاستمرارية المهام بسلاسة
• التعاون بين العديد من الوكلاء لإنشاء وكلاء متخصصين متعددين تحت تنسيق وكيل مشرف
• Amazon Bedrock Guardrails للأمان والموثوقية المضمنين

أطلقت AWS مجموعة أدوات مفتوحة المصدر مع فهرس متنامٍ من الوكلاء المبدئيين المصممين خصيصًا لحالات استخدام الرعاية الصحية وعلوم الحياة.

AWS Transform هي أول خدمة ذكاء اصطناعي مستقل فعَّالة لتحويل أعباء عمل ‎.NET والحاسوب المركزي وVMware. استنادًا إلى 19 عامًا من الخبرة في مجال الترحيل، فإنه يستخدم وكلاء الذكاء الاصطناعي المتخصصين لأتمتة المهام المعقدة مثل التقييمات وتحليل التعليمات البرمجية وإعادة التصميم والتجزئة ورسم خرائط التبعية والتحقق من الصحة وتخطيط التحول. تتيح للمؤسسات إمكانية تحديث مئات التطبيقات بالتوازي مع ضمان الجودة والسيطرة.

Amazon Q Business هو مساعد مدعوم بالذكاء الاصطناعي المولّد، يهدف إلى تمكينك من الوصول إلى المعلومات، واستخلاص الأفكار، واتخاذ القرارات في بيئة العمل. وهو يمنح كل موظف القدرة على إنشاء ذكاء اصطناعي مستقل. يستطيع أي مستخدم الاستفادة منه لبناء تطبيقات ذكاء اصطناعي مستقل مرنة تتكامل مع برمجيات المؤسسات الشائعة وتقوم بأتمتة الأعمال الروتينية.

ابدأ مع وكلاء الذكاء الاصطناعي على AWS من خلال إنشاء حساب مجاني اليوم.