الذكاء الاصطناعي الفاعل مقابل الذكاء الاصطناعي التوليدي: التحول من المخرجات الثابتة إلى الفعل المستقل

الذكاء الاصطناعي الفاعل (Agentic AI) مقابل الذكاء الاصطناعي التوليدي (Generative AI): التحول من المخرجات الثابتة إلى الفعل المستقل

يتطور الذكاء الاصطناعي بسرعة مذهلة، ويسيطر على النقاش في عام 2025 مصطلحان رئيسيان: **الذكاء الاصطناعي التوليدي** و**الذكاء الاصطناعي الفاعل**. بينما ينبع كلاهما من التعلم العميق والنماذج اللغوية الكبيرة، فإن نماذجهما تختلف جوهريًا. يقوم الذكاء الاصطناعي التوليدي بإنشاء محتوى – نصوصًا، صورًا، كودًا، موسيقى – بناءً على تعليمات (برومبت). أما الذكاء الاصطناعي الفاعل، فيأخذ هذا الأمر خطوة إلى الأمام: فهو يتصرف بشكل مستقل نحو هدف معين، ويتخذ القرارات، ويستخدم الأدوات، ويتكيف مع البيئات المتغيرة. هذا التحول من المخرجات الثابتة إلى الفعل المستقل يعيد تشكيل كل شيء، بدءًا من تطوير البرمجيات وصولاً إلى أتمتة العمليات التجارية.

في هذه المقالة التقنية العملية، سنوضح الفرق، ثم ننتقل إلى مثال ملموس: بناء نظام فاعل بسيط يمكنه إجراء عمليات بحث على الويب، وقراءة صفحات الويب، وتلخيص النتائج بناءً على هدف عالي المستوى. كما سنناقش مجموعة التقنيات الأساسية وكيف يمكنك البدء اليوم.

ما هو الذكاء الاصطناعي التوليدي؟

يشير الذكاء الاصطناعي التوليدي إلى النماذج التي تنتج محتوى جديدًا بناءً على أنماط تعلّمتها من بيانات التدريب. الأمثلة الشائعة تشمل GPT-4 من OpenAI، وClaude من Anthropic، ومولّدات الصور مثل DALL‑E. هذه الأنظمة تفاعلية: تستقبل تعليمات (برومبت) وتُعيد إكمالًا. على الرغم من إمكانية ربطها في مسارات معقدة، إلا أن التفاعل الأساسي هو عديم الحالة وأحادي الدورة (أو متعدد الدورات مع ذاكرة، لكن يظل تفاعليًا في المقام الأول).

سلطت مدونة NVIDIA AI الضوء على كيفية استخدام الذكاء الاصطناعي التوليدي في كل شيء بدءًا من اكتشاف الأدوية إلى توليد الأكواد البرمجية. مخرجات النموذج ثابتة – بمجرد إنشائها، لا تتغير ما لم يتم إعادة توجيه تعليمات جديدة. لا توجد قدرة متأصلة على "إعادة المحاولة" أو "جلب بيانات إضافية" ما لم يتم برمجة هذا المنطق صراحةً خارج النموذج.

ما هو الذكاء الاصطناعي الفاعل؟

يصف الذكاء الاصطناعي الفاعل الأنظمة التي تعمل بشكل مستقل لتحقيق هدف. يمتلك الوكيل (Agent) حالةً، وخطةً، ومجموعة من الأدوات (مثل الآلات الحاسبة، والبحث على الويب، وأنظمة الملفات)، وذاكرة تستمر عبر الإجراءات. يقرر خطواته التالية بناءً على ملاحظاته الحالية وردود الفعل من الإجراءات السابقة.

وقد وثّقت صفحة أخبار Anthropic التقدم في قدرات "استخدام الأدوات" و"استخدام الكمبيوتر" في نماذجها، مما مكّن Claude من التصرف نيابة عن المستخدم. كما غطّت مدونة AI من Microsoft إطار AutoGen لبناء محادثات متعددة الوكلاء. وعرضت أخبار OpenAI إضافات ChatGPT التي تحوّل النموذج إلى وكيل قادر على جلب البيانات في الوقت الفعلي واتخاذ إجراءات مثل حجز رحلات الطيران.

الفرق الرئيسي: **ينتهي الذكاء الاصطناعي التوليدي بالمخرجات؛ بينما يبدأ الذكاء الاصطناعي الفاعل بالمخرجات ويستمر في التصرف حتى يتم تحقيق الهدف.**

لماذا يهم هذا التحول؟

الذكاء الاصطناعي التوليدي ممتاز في الإبداع لمرة واحدة، لكنه يقصر عندما تتطلب المهمة تفكيرًا متعدد الخطوات، أو أدوات خارجية، أو تكيفًا. على سبيل المثال، "اكتب مقالة عن الحوسبة الكمومية" هي مهمة توليدية. أما "ابحث عن أحدث الشركات الناشئة في الحوسبة الكمومية، وجمّع قائمة بجولات تمويلها، واكتب ملخصًا من 1000 كلمة، وأرسله بالبريد الإلكتروني لفريقي" فهي مهمة وكيلة. تتطلب الأخيرة من الذكاء الاصطناعي البحث على الويب، وتحليل النتائج، واتخاذ قرار بشأن المصادر الموثوقة، وتأليف النص، ثم إرسال البريد الإلكتروني – كل ذلك دون تدخل يدوي في كل خطوة.

لهذا التحول آثار هائلة على الإنتاجية. بدلاً من توجيه تعليمات للنموذج بشكل متكرر، فإنك تعطيه هدفًا وتتركه ينظم العمل.

متطلبات بناء نظام ذكاء اصطناعي فاعل

قبل أن نغوص في الكود، دعنا نذكر ما نحتاجه:

• Python 3.10+
• مفتاح API من OpenAI (أو Anthropic، أو أي نموذج لغوي كبير يدعم استخدام الأدوات)
• مكتبة `requests` للاستدعاءات عبر HTTP
• مكتبة `beautifulsoup4` لتحليل HTML
• مكتبة `python-dotenv` لإدارة مفاتيح API
• محرر نصوص أو IDE حديث

سنبني وكيل بحث مصغرًا يمكنه: 1. قبول سؤال بحث. 2. البحث على الويب باستخدام API مجاني (DuckDuckGo عبر مكتبة `duckduckgo_search`). 3. قراءة محتوى النتيجة الأولى. 4. تلخيصها باستخدام GPT‑4o. 5. اختياريًا تكرار الدورة لتحسين الإجابة.

هذه الحلقة المستقلة هي جوهر الذكاء الاصطناعي الفاعل.

التثبيت خطوة بخطوة

أولاً، قم بإعداد بيئة افتراضية وتثبيت التبعيات. افتح الطرفية (Terminal).

# إنشاء دليل المشروع
mkdir agent-demo
cd agent-demo

# إنشاء بيئة Python افتراضية
python3 -m venv venv

# تفعيلها (لنظام Linux/macOS)
source venv/bin/activate

# أو لنظام Windows: venv\Scripts\activate

الآن قم بتثبيت الحزم المطلوبة. سنستخدم `openai` للوصول إلى GPT، و `duckduckgo_search` للبحث على الويب، و `requests`/`beautifulsoup4` للنسخ (scraping).

# تثبيت الحزم الأساسية
pip install openai duckduckgo_search requests beautifulsoup4 python-dotenv

أنشئ ملفًا باسم `.env` في جذر المشروع وأضف مفتاح OpenAI الخاص بك:

OPENAI_API_KEY=sk-your-key-here

مثال استخدام: وكيل بحث بسيط

سنكتب الوكيل في ملف Python واحد `agent.py`. سيمتلك الوكيل ثلاث وظائف رئيسية: `search_web` و `fetch_page` و `ask_llm`. ستقرر الحلقة الرئيسية ما إذا كانت ستبحث مرة أخرى أو تنتج إجابة نهائية.

ابدأ بتحميل التبعيات ومفتاح API.

# agent.py
import os
from dotenv import load_dotenv
from openai import OpenAI
from duckduckgo_search import DDGS
import requests
from bs4 import BeautifulSoup

load_dotenv()
client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))

حدد دالة بحث باستخدام DuckDuckGo.

def search_web(query, max_results=3):
    """ابحث في DuckDuckGo وأعد قائمة بعناوين URL."""
    with DDGS() as ddgs:
        results = list(ddgs.text(query, max_results=max_results))
    urls = [r["href"] for r in results if "href" in r]
    return urls[:max_results]

الآن دالة لسحب النص الرئيسي من عنوان URL.

def fetch_page(url):
    """اجلب واستخرج النص من صفحة ويب."""
    try:
        resp = requests.get(url, timeout=10)
        resp.raise_for_status()
        soup = BeautifulSoup(resp.text, "html.parser")
        # إزالة عناصر script/style
        for tag in soup(["script", "style"]):
            tag.decompose()
        text = soup.get_text(separator="\n", strip=True)
        # اقتطاع لتجنب حدود الرموز
        return text[:3000]
    except Exception as e:
        return f"خطأ في جلب {url}: {e}"

نحتاج دالة لسؤال النموذج اللغوي الكبير وتحليل رده. يكمن سحر الذكاء الاصطناعي الفاعل في كيفية تنظيم التعليمات (البرومبت): نخبر النموذج بالإجراءات التي يمكنه اتخاذها (بحث، قراءة، إنهاء) ونتركه يتخذ القرار.

سنستخدم استدعاء الوظائف (tool use) من OpenAI للسماح للنموذج بإخراج إجراءات منظمة. لكن للتبسيط، سنستخدم حلقة نصية حيث يُرجع النموذج إما إجابة نهائية أو أمرًا "SEARCH: <query>".

def ask_llm(messages):
    """أرسل المحادثة إلى GPT-4o وأعد الرد."""
    response = client.chat.completions.create(
        model="gpt-4o",
        messages=messages,
        temperature=0.3
    )
    return response.choices[0].message.content

الآن حلقة الوكيل الرئيسية.

def run_agent(goal, max_iterations=5):
    """وكيل مستقل: ابحث، اقرأ، لخص حتى يتم تحقيق الهدف."""
    system_prompt = (
        "أنت وكيل بحث. لديك إمكانية الوصول إلى البحث على الويب وقراءة صفحات الويب. "
        "للبحث، رد بـ 'SEARCH: <استفسارك>'. "
        "لقراءة صفحة، رد بـ 'READ: <URL>'. "
        "عندما تحصل على معلومات كافية، رد بـ 'FINAL: <إجابتك>'. "
        "كن موجزًا. استخدم فقط المعلومات التي استرجعتها."
    )
    messages = [
        {"role": "system", "content": system_prompt},
        {"role": "user", "content": goal}
    ]

    for i in range(max_iterations):
        print(f"\n--- التكرار {i+1} ---")
        response = ask_llm(messages)
        print(f"الوكيل يقول: {response[:100]}...")

        if response.startswith("FINAL:"):
            return response[6:].strip()
        elif response.startswith("SEARCH:"):
            query = response[7:].strip()
            print(f"أبحث عن: {query}")
            urls = search_web(query)
            # أعد عناوين URL للنموذج
            messages.append({"role": "assistant", "content": response})
            messages.append({"role": "user", "content": f"وجدت عناوين URL هذه: {urls}. اختر واحدًا لقراءته."})
        elif response.startswith("READ:"):
            url = response[5:].strip()
            print(f"أقرأ: {url}")
            page_text = fetch_page(url)
            messages.append({"role": "assistant", "content": response})
            messages.append({"role": "user", "content": f"محتويات الصفحة (مقتطعة):\n{page_text}\nماذا تستنتج؟"})
        else:
            # في حالة عدم التطابق، تعامل كإجابة نهائية
            return response

    return "لم يتم تحقيق الهدف ضمن حد التكرارات."

أخيرًا، قم بتشغيل الوكيل بهدف عينة.

if __name__ == "__main__":
    goal = "ما أحدث التطورات في الذكاء الاصطناعي الفاعل وفقًا لـ OpenAI و Anthropic؟"
    answer = run_agent(goal)
    print("\n===== الإجابة النهائية =====")
    print(answer)

نفّذ السكربت:

python agent.py

يجب أن ترى الوكيل يبحث في DuckDuckGo، ويقرأ صفحة حول قدرات استخدام الأدوات من Anthropic، وينتج ملخصًا. توضح هذه الحلقة كيف يتم تغليف نموذج توليدي في بنية قرار مستقلة.

اعتبارات عملية

اختيار الأدوات

لأنظمة الوكيل في الإنتاج، قد ترغب في أدوات أكثر قوة:

• **البحث على الويب**: SerpAPI، Bing Search API
• **نسخ الويب**: استخدم APIs منظمة (مثل NewsAPI) بدلاً من HTML الخام لتجنب الحظر.
• **الذاكرة**: خزّن السياق في قاعدة بيانات متجهات مثل Chroma أو Pinecone.
• **التخطيط**: استخدم أسلوب "reAct" أو أطر عمل مثل LangChain أو AutoGen أو CrewAI.

التكلفة ووقت الاستجابة

قد تستدعي حلقات الوكيل العديد من استدعاءات النموذج اللغوي الكبير. كل تكرار يكلف رموزًا (tokens) لكل من الإدخال والإخراج. انتبه إلى نافذة السياق. استخدم نماذج أصغر (مثل GPT‑4o-mini) للإجراءات الروتينية واحتفظ بالنماذج الكبيرة للتجميع النهائي.

الأمان والحواجز الوقائية

يمنح استقلالية الوكيل مخاطر. نفذ دائمًا:

• **الإشراف البشري** للإجراءات المدمرة.
• **تحديد المعدل** لتجنب الاستدعاءات الجامحة.
• **التحقق من الإدخال** لمنع حقن التعليمات (prompt injection) عبر المحتوى المسترجع.

الخلاصة

أعطانا الذكاء الاصطناعي التوليدي محركًا قويًا لإنشاء المحتوى. يضيف الذكاء الاصطناعي الفاعل عجلة القيادة، مما يسمح للمحرك بالتنقل نحو وجهة بمفرده. التحول من المخرجات الثابتة إلى الفعل المستقل ليس مجرد تحسين تدريجي – إنه تغيير في النموذج الفكري. الآن، بدلًا من أن تطلب من النموذج "اكتب مقالة"، يمكنك أن تطلب منه "اكتب مقالة بعد البحث في الموضوع، والتحقق من الحقائق، والتنسيق وفقًا لدليلي الأسلوبي".

مع استمرار مدونة NVIDIA AI، وأخبار OpenAI، ومدونة AI من Microsoft، وأخبار Anthropic في دفع القدرات، أصبحت أدوات بناء وكلائك الخاصين أكثر سهولة في الوصول. الوكيل البسيط الذي بنيناه هنا هو هيكل عظمي – يمكنك توسيعه باستخدام APIs، وقواعد بيانات، وأشجار قرار لأتمتة سير العمل بالكامل.

مستقبل الذكاء الاصطناعي لا يتعلق فقط بتوليد المحتوى؛ بل بتمكين الأنظمة التي تتصرف نيابة عنا، وتتعلم من بيئتها، وتكمل المهام المعقدة دون إشراف بشري مستمر. هذا هو التحول الحقيقي: من المخرجات إلى الفعل.