الذكاء الاصطناعي العامل مقابل الذكاء الاصطناعي التوليدي: الحدود الجديدة للذكاء المستقل

الذكاء الاصطناعي الوكيل مقابل الذكاء الاصطناعي التوليدي: الحدود الجديدة للذكاء المستقل

تطور الذكاء الاصطناعي في اتجاهين متميزين لكنهما متكاملان خلال السنوات القليلة الماضية. فمن ناحية، يُنتج الذكاء الاصطناعي التوليدي النصوص والصور والكود والصوت بطلاقة مذهلة. ومن ناحية أخرى، يتجاوز الذكاء الاصطناعي الوكيل مجرد التوليد ليتخذ إجراءات مستقلة، ويضع أهدافًا، وينسق سير عمل معقدة. تستكشف هذه المقالة الاختلافات بين هذين النموذجين، وتشرح لماذا يمثل الذكاء الاصطناعي الوكيل الخطوة التالية في الذكاء المستقل، وتقدم دليلاً عمليًا لبناء أول نظام وكيل خاص بك.

التحول من التوليد السلبي إلى الفاعلية النشطة يُشكَّل حاليًا من قبل مؤسسات الذكاء الاصطناعي الرائدة. تناقش مدونة NVIDIA للذكاء الاصطناعي بانتظام البنى الوكيلة التي تجمع بين نماذج اللغة الكبيرة والتخطيط واستخدام الأدوات. ويؤكد قسم الأخبار في OpenAI على التوجه نحو نماذج قادرة على التفكير واتخاذ الإجراءات بشكل تكراري. وتغطي مدونة Microsoft للذكاء الاصطناعي كيفية دمج الأنماط الوكيلة في أدوات الإنتاجية المؤسسية. وتسلط أخبار Anthropic الضوء على أبحاث السلامة للأنظمة المستقلة. معًا، ترسم هذه المصادر صورة لصناعة تتجه بحزم نحو وكلاء يفعلون، لا يقولون فقط.

فهم التحول من التوليدي إلى الوكيل

يتفوق الذكاء الاصطناعي التوليدي في إنشاء محتوى جديد بناءً على مطالبة. يمكن لنموذج توليدي مثل GPT‑4 أو Claude كتابة مقال، أو إنشاء صورة، أو ترجمة مستند. ينتج مخرجات مفردة (أو تيارًا من الرموز) ثم ينتظر المدخل التالي. ذكاؤه **تفاعلي**.

على النقيض، الذكاء الاصطناعي الوكيل هو **استباقي**. يمكن للنظام الوكيل تفكيك هدف عالي المستوى إلى مهام فرعية، وتحديد الأدوات التي يجب استدعاؤها (مثل محرك بحث، آلة حاسبة، واجهة برمجة تطبيقات)، وتقييم النتائج الوسيطة، والتكرار حتى يتم تحقيق الهدف. يحافظ على حالة داخلية، ويتذكر الخطوات السابقة، ويكيّف خطته عندما يفشل شيء ما. هذا الاستقلال هو ما يجعل الذكاء الاصطناعي الوكيل حدودًا جديدة.

التمييز ليس ثنائيًا. يمكن تغليف العديد من النماذج التوليدية الحديثة بإطار وكيل (مثل LangChain أو AutoGPT أو Semantic Kernel من Microsoft) لتحويلها إلى وكلاء. يصبح النموذج التوليدي هو "الدماغ"؛ بينما يوفر الإطار الوكيل "الجسد" — الذاكرة، والوصول إلى الأدوات، وحلقات التخطيط.

القدرات الأساسية للذكاء الاصطناعي الوكيل

تعتمد الأنظمة الوكيلة عادةً على عدة مكونات رئيسية:

• **تفكيك المهام** – يقوم الوكيل بتقسيم الهدف المعقد إلى خطوات أصغر يمكن إدارتها.
• **استخدام الأدوات** – يمكن للوكيل استدعاء وظائف خارجية، مثل البحث على الويب، أو تنفيذ الكود، أو استعلامات قواعد البيانات.
• **الذاكرة** – ذاكرة قصيرة المدى (سياق المحادثة الحالي) وذاكرة طويلة المدى (الجلسات السابقة أو المعرفة المسترجعة).
• **التأمل الذاتي** – يقوم الوكيل بتقييم مخرجاته الخاصة، واكتشاف الأخطاء، وإعادة المحاولة.
• **التخطيط وإعادة التخطيط** – يقوم الوكيل بإنشاء خطة أولية لكنه يعدلها بناءً على التغذية الراجعة.

الذكاء الاصطناعي التوليدي وحده لا يمكنه فعل أي من هذا؛ فهو يتطلب طبقة تنسيق. يوفر الذكاء الاصطناعي الوكيل تلك الطبقة.

المتطلبات

قبل بناء وكيل بسيط، تأكد من أن بيئتك تلبي هذه المتطلبات:

• **نظام التشغيل**: Linux أو macOS أو Windows (يوصى باستخدام WSL لنظام Windows)
• **Python**: الإصدار 3.10 أو أحدث
• **مدير الحزم**: pip (pip3 على بعض الأنظمة)
• **مفتاح API**: مفتاح API من مزود ذكاء اصطناعي توليدي (مثل OpenAI أو Anthropic أو أي نموذج محلي عبر Ollama)
• **مساحة التخزين**: 500 ميجابايت على الأقل للمكتبات والأمثلة

تستخدم الأمثلة أدناه واجهة برمجة تطبيقات OpenAI بسبب توفرها الواسع، لكن النمط مستقل عن المزود.

التثبيت خطوة بخطوة

سنقوم بتثبيت LangChain – أحد أكثر الأطر شهرة لبناء الذكاء الاصطناعي الوكيل – بالإضافة إلى أدوات المجتمع والتكامل مع OpenAI.

1. إنشاء وتفعيل بيئة Python افتراضية

عزل التبعيات يتجنب تعارض الإصدارات مع المشاريع الأخرى.

python3 -m venv agentic_env
source agentic_env/bin/activate   # على Windows: agentic_env\Scripts\activate

2. ترقية pip وتثبيت الحزم الأساسية

قم بترقية pip أولاً لتجنب التحذيرات، ثم قم بتثبيت LangChain وواجهة الأوامر الخاصة به والتكامل مع OpenAI.

pip install --upgrade pip
pip install langchain langchain-cli langchain-openai

3. تثبيت تكاملات أدوات إضافية

يحتاج الوكلاء إلى أدوات ملموسة. نقوم بتثبيت أداة حسابية بسيطة وأداة بحث على الويب (باستخدام DuckDuckGo، والتي لا تتطلب مفتاح API).

pip install langchain-community duckduckgo-search

4. تعيين مفتاح OpenAI API كمتغير بيئة

يؤدي ذلك إلى إبقاء المفتاح خارج الكود الخاص بك. استبدل `sk-...` بمفتاحك الفعلي.

export OPENAI_API_KEY="sk-your-actual-key-here"

على Windows (موجه الأوامر):

set OPENAI_API_KEY=sk-your-actual-key-here

5. التحقق من التثبيت

قم بتشغيل اختبار سريع للتأكد من أن LangChain يمكنه رؤية API.

python -c "from langchain_openai import ChatOpenAI; llm = ChatOpenAI(model='gpt-4o-mini'); print(llm.invoke('Hello'))"

إذا رأيت ردًا (تحية النموذج)، فكل شيء جاهز.

أمثلة الاستخدام

سنقوم الآن بإنشاء وكيل بسيط يمكنه الإجابة على الأسئلة عن طريق إجراء العمليات الحسابية والبحث على الويب. يستخدم الوكيل النموذج التوليدي (GPT‑4o‑mini) كمحرك استدلال وأداتين: أداة حاسبة وأداة بحث DuckDuckGo.

قم بإنشاء ملف باسم `simple_agent.py` بالمحتوى التالي:

from langchain.agents import AgentExecutor, create_openai_functions_agent
from langchain.tools import Tool
from langchain_community.tools import DuckDuckGoSearchRun
from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder
from langchain_openai import ChatOpenAI

# 1. إعداد نموذج اللغة
llm = ChatOpenAI(model="gpt-4o-mini", temperature=0)

# 2. تعريف الأدوات
def multiply(a: float, b: float) -> float:
    """ضرب رقمين."""
    return a * b

def add(a: float, b: float) -> float:
    """جمع رقمين."""
    return a + b

search = DuckDuckGoSearchRun()

tools = [
    Tool(name="Calculator", func=lambda x: eval(x), description="مفيد للعمليات الحسابية. يجب أن يكون الإدخال تعبير Python."),
    Tool(name="WebSearch", func=search.run, description="البحث على الويب للحصول على معلومات حديثة."),
]

# 3. إنشاء قالب المطالبة
prompt = ChatPromptTemplate.from_messages([
    ("system", "أنت مساعد مفيد يمكنه استخدام الأدوات للإجابة على الأسئلة."),
    ("human", "{input}"),
    MessagesPlaceholder(variable_name="agent_scratchpad"),
])

# 4. بناء الوكيل
agent = create_openai_functions_agent(llm, tools, prompt)
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True, handle_parsing_errors=True)

# 5. تشغيل الاستعلامات
response = agent_executor.invoke({"input": "ما هو حاصل ضرب 12345 * 67890؟ ثم ابحث عن عدد سكان اليابان."})
print(response["output"])

قم بتشغيل السكريبت:

python simple_agent.py

سيظهر الإخراج (مع `verbose=True`) سلسلة أفكار الوكيل:

• أولاً، يقرر استخدام أداة الحاسبة مع التعبير `12345 * 67890`.
• بعد تلقي النتيجة (838,102,050)، يستدعي WebSearch مع "عدد سكان اليابان".
• أخيرًا، يجمع الإجابتين في رد واحد.

شرح الأجزاء الرئيسية

• **`create_openai_functions_agent`**: يستخدم قدرة استدعاء الوظائف في OpenAI للسماح للنموذج بتحديد الأداة التي يجب استدعاؤها.
• **`AgentExecutor`**: يغلف الوكيل ويتعامل مع حلقة الملاحظة -> الفكر -> الإجراء -> الملاحظة.
• **الأدوات**: لكل أداة `name` و `func` و `description`. يستخدم النموذج الوصف ليقرر أي أداة تناسب طلب المستخدم.
• **`agent_scratchpad`**: عنصر نائب يملؤه المنفذ بالخطوات الوسيطة (الأفكار ومخرجات الأدوات) حتى يتمكن النموذج من الرجوع إليها.

التكيف مع مزودين آخرين

إذا كنت تفضل نموذجًا محليًا (مثل عبر Ollama)، استبدل تعريف LLM بما يلي:

from langchain_ollama import ChatOllama
llm = ChatOllama(model="llama3.2", temperature=0)

يعمل نفس النمط الوكيل، على الرغم من أن النماذج الأصغر قد تتطلب مطالبات أبسط وأدوات أقل.

ما وراء الأساسيات: توسيع الاستقلالية

يوضح المثال أعلاه وكيلًا تفاعليًا – يتصرف فقط عند إعطائه مطالبة. الوكيل **المستقل** الحقيقي يعمل في حلقة، ويقرر باستمرار ما يجب فعله بعد ذلك. يمكنك إضافة:

• **الذاكرة**: استخدم `ConversationBufferMemory` أو `PersistentMemory` حتى يتذكر الوكيل السياق عبر الجلسات.
• **إعادة التخطيط**: بعد كل خطوة، أعد تقييم ما إذا كانت الخطة الأصلية لا تزال صالحة.
• **معالجة الأخطاء**: إذا فشلت إحدى الأدوات، يمكن للوكيل محاولة بديل أو طلب توضيح.

نمط أكثر تقدمًا هو حلقة **ReAct** (Reason + Act)، والتي تم بناؤها بالفعل في `AgentExecutor` من LangChain. المثال أعلاه يستخدم ReAct ضمنيًا.

الطريق إلى الأمام

أعطانا الذكاء الاصطناعي التوليدي طريقة ثورية جديدة لإنشاء المحتوى. يمنحنا الذكاء الاصطناعي الوكيل طريقة لإنشاء السلوك. يؤدي الجمع بين النماذج التوليدية وأطر التنسيق إلى تحويل واجهات برمجة التطبيقات الثابتة إلى متعاونين ديناميكيين.

كما تشير مدونة NVIDIA للذكاء الاصطناعي، فإن تدريب النماذج على التصرف في بيئات مفتوحة هو مجال بحث نشط. تسلط أخبار OpenAI الضوء على التحسينات في استدلال النماذج، والتي تغذي مباشرة موثوقية الوكيل. تعرض مدونة Microsoft للذكاء الاصطناعي عمليات النشر العملية للوكلاء في Microsoft Copilot وAzure AI. تركز أخبار Anthropic على تحديات السلامة للأنظمة المستقلة، وتذكرنا أنه مع الاستقلالية تأتي المسؤولية.

في المستقبل القريب، يمكننا توقع أن يدير الوكلاء سير العمل بأكمله: جدولة الاجتماعات، وكتابة ونشر الكود، وإجراء البحث، وحتى التفاوض مع وكلاء آخرين. سيتلاشى الخط الفاصل بين التوليدي والوكيل مع زيادة قدرة النماذج على التخطيط والتصحيح الذاتي.

بالنسبة للمطورين، نقطة الدخول موجودة بالفعل. مع بضعة أسطر من Python ومفتاح API، يمكنك بناء وكيل يفعل أكثر من مجرد التحدث – إنه يتصرف. الحدود الجديدة للذكاء المستقل ليست حلمًا بعيدًا؛ إنها على بعد تثبيت مكتبة.

ابدأ التجربة اليوم، وشاهد ذكاءك الاصطناعي ينتقل من الأقوال إلى الأفعال.