الذكاء الاصطناعي الوكيل مقابل الذكاء الاصطناعي التوليدي: التحول من الإنشاء إلى الفعل

الذكاء الاصطناعي الوكيل مقابل الذكاء الاصطناعي التوليدي: التحول من الإنشاء إلى الفعل

يشهد الذكاء الاصطناعي تحولًا جوهريًا. فعلى مدار السنوات القليلة الماضية، هيمن الذكاء الاصطناعي التوليدي على العناوين الرئيسية — نماذج تُنشئ النصوص والصور والرموز البرمجية والموسيقى بناءً على مجموعات بيانات ضخمة. هذه الأنظمة، مثل GPT-4 وDALL·E وStable Diffusion، هي أساتذة في توليد المحتوى. ولكن هناك نموذجًا جديدًا آخذ في الظهور: **الذكاء الاصطناعي الوكيل**. بدلاً من مجرد إنتاج المخرجات، تتخذ أنظمة الذكاء الاصطناعي الوكيل إجراءات متعمدة، وتستخدم الأدوات، وتتخذ القرارات، وتسعى لتحقيق أهداف مع الحد الأدنى من التدخل البشري.

التحول من الإنشاء إلى الفعل ليس مجرد تغيير دلالي — بل يمثل طريقة جديدة للتفكير في ما يمكن للذكاء الاصطناعي فعله. بينما يُجيب الذكاء الاصطناعي التوليدي على السؤال "ماذا يمكنك أن تكتب أو ترسم؟"، يسأل الذكاء الاصطناعي الوكيل "ماذا يمكنك أن تفعل أو تُنجز؟". تستكشف هذه المقالة الاختلافات، والآثار العملية، وكيف يمكنك البدء في بناء كلا النوعين من الأنظمة اليوم.

المتطلبات

قبل الغوص في الكود، ستحتاج إلى بعض المكونات الأساسية.

• **Python 3.9+** — اللغة الأساسية لتطوير الذكاء الاصطناعي.
• **pip** — مدير حزم بايثون.
• **مفتاح API من OpenAI** — ضروري لأمثلة الذكاء الاصطناعي التوليدي (سجّل في platform.openai.com).
• **اختياري: مفتاح SerpAPI** — لقدرات البحث في الذكاء الاصطناعي الوكيل (سجّل في serpapi.com).
• **طرفية أو موجه أوامر** — الأوامر مكتوبة لنظامي macOS/Linux؛ مستخدمو Windows يجب عليهم تعديل المسارات وأوامر البيئات الافتراضية.

سنقوم بتثبيت حزم Python التالية:

• `openai` — مكتبة OpenAI الرسمية.
• `langchain` — إطار لبناء سير عمل وكيل.
• `langchain-community` — أدوات المجتمع بما في ذلك البحث والرياضيات.
• `python-dotenv` — لإدارة متغيرات البيئة.

التثبيت خطوة بخطوة

ابدأ بإنشاء بيئة افتراضية نظيفة لتجنب تعارض التبعيات.

# إنشاء مجلد المشروع
mkdir ai-comparison
cd ai-comparison

# إنشاء بيئة افتراضية
python3 -m venv venv

# تفعيلها
source venv/bin/activate   # في Windows: venv\Scripts\activate

# ترقية pip
pip install --upgrade pip

الآن قم بتثبيت الحزم المطلوبة.

# تثبيت مكتبة OpenAI
pip install openai

# تثبيت LangChain وأدوات المجتمع
pip install langchain langchain-community

# تثبيت dotenv للتعامل الآمن مع مفاتيح API
pip install python-dotenv

قم بتكوين متغيرات البيئة الخاصة بك. أنشئ ملف `.env` في جذر المشروع وأضف مفاتيحك:

OPENAI_API_KEY=sk-your-key-here
SERPAPI_API_KEY=your-serpapi-key-here   # إذا كنت تستخدم البحث على الويب
لتحميل هذه المفاتيح في نصوص Python الخاصة بك، ستستخدم `load_dotenv()` كما هو موضح لاحقًا.

## الذكاء الاصطناعي التوليدي عمليًا

الذكاء الاصطناعي التوليدي هو نقطة البداية الأسهل. تعطيه طلبًا (prompt)، فينتج لك إكمالاً. المثال التالي يستخدم نموذج GPT-4o من OpenAI لتوليد قصيدة قصيرة.

أنشئ ملف `generate_poem.py`:

import os from dotenv import load_dotenv from openai import OpenAI

تحميل مفتاح API من ملف .env

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

response = client.chat.completions.create( model="gpt-4o", messages=[ {"role": "user", "content": "اكتب قصيدة قصيرة عن الذكاء الاصطناعي على غرار الهايكو."} ], max_tokens=80, temperature=0.7 )

poem = response.choices[0].message.content print("القصيدة المُولَّدة:\n") print(poem)

قم بتشغيله:

python generate_poem.py

سيكون الناتج عبارة عن هايكو إبداعي واعي بالسياق. هذا هو التوليد الخالص — ليس للنموذج ذاكرة للتفاعلات السابقة ما لم تزوده بها، وليس لديه أي قدرة على التأثير في العالم الخارجي. إنه ينشئ، ثم يتوقف.

## الذكاء الاصطناعي الوكيل عمليًا

الذكاء الاصطناعي الوكيل يذهب خطوة أبعد. يمكن للوكيل أن يدرك بيئته (عبر الأدوات)، ويُفكر في مهمة، ويقرر الإجراءات، وينفذها، ويتعلم من النتائج. يوفر LangChain طريقة بسيطة لبناء مثل هذه الوكلاء. في هذا المثال، ننشئ وكيلًا يمكنه إجراء عمليات بحث على الويب وإجراء عمليات حسابية للإجابة على سؤال المستخدم.

أنشئ ملف `agent_question.py`:

import os from dotenv import load_dotenv from langchain_openai import ChatOpenAI from langchain.agents import initialize_agent, AgentType from langchain_community.tools import WikipediaQueryRun, DuckDuckGoSearchRun from langchain_community.utilities import WikipediaAPIWrapper from langchain_core.tools import Tool from langchain_core.tools import tool

load_dotenv()

تهيئة نموذج اللغة

llm = ChatOpenAI(model="gpt-4o", temperature=0, api_key=os.getenv("OPENAI_API_KEY"))

تعريف الأدوات: بحث ويكيبيديا وآلة حاسبة بسيطة

wikipedia = WikipediaQueryRun(api_wrapper=WikipediaAPIWrapper()) search = DuckDuckGoSearchRun()

@tool def calculator(expression: str) -> str: """يقيّم تعبيرًا رياضيًا ويعيد النتيجة.""" try: result = eval(expression) return f"النتيجة هي {result}" except Exception as e: return f"خطأ: {e}"

tools = [ Tool( name="Wikipedia", func=wikipedia.run, description="مفيد للبحث عن معلومات واقعية من ويكيبيديا." ), Tool( name="DuckDuckGo Search", func=search.run, description="مفيد للبحث العام على الويب عندما تحتاج معلومات حديثة." ), Tool( name="Calculator", func=calculator, description="يقيّم تعبيرًا رياضيًا مثل '2 + 3 * 4'." ) ]

تهيئة الوكيل من النوع "zero-shot-react-description"

agent = initialize_agent( tools=tools, llm=llm, agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION, verbose=True, handle_parsing_errors=True )

طرح سؤال يتطلب استخدام الأدوات

question = "ما هو عدد سكان اليابان في عام 2023؟ ثم أضف 5 ملايين." response = agent.invoke({"input": question}) print("\nالإجابة النهائية:\n", response["output"])

قم بتشغيل النص البرمجي:

python agent_question.py

سترى سلسلة التفكير (chain-of-thought) الخاصة بالوكيل (لأن `verbose=True`). سيبحث أولاً عن عدد سكان اليابان في 2023، ثم يستخدم أداة الآلة الحاسبة لإضافة 5 ملايين، وأخيراً ينتج إجابة واحدة. هذا هو الفعل: لم يقتصر الذكاء الاصطناعي على إنتاج النص فحسب، بل قام أيضًا بتنسيق أدوات خارجية وأعاد نتيجة قابلة للتحقق.

## مقارنة بين النوعين

### ما يفعلانه

- **الذكاء الاصطناعي التوليدي** ينتج مخرجات ثابتة: نصوص، صور، صوت. إنه جيد لإنشاء المحتوى، والتلخيص، والترجمة، والعصف الذهني.
- **الذكاء الاصطناعي الوكيل** ينفذ عمليات ديناميكية: يمكنه الاستعلام عن قواعد البيانات، تشغيل الكود، إرسال البريد الإلكتروني، أو التحكم في الأجهزة. إنه مناسب لأتمتة المهام، والبحث، وخدمة العملاء، ودعم القرار.

### كيف يعملان

النماذج التوليدية عادةً ما تكون شبكات محولات كبيرة (transformer networks) مُدرَّبة على توقع الرمز التالي. ليس لديها قدرة مدمجة على التفاعل مع العالم. أما أنظمة الوكيل، فتجمع بين نموذج اللغة وحلقة تفكير (مثل ReAct — Reasoning + Acting) ومجموعة من الأدوات. يقرر النموذج الأداة التي سيستخدمها بناءً على الحالة الحالية، ويراقب مخرجات الأداة، ويستمر حتى يتم تحقيق الهدف.

### تعاون لا منافسة

النموذجان متكاملان. غالبًا ما يحتوي النظام الوكيل على نموذج توليدي باعتباره "الدماغ". النموذج التوليدي يفهم نية المستخدم، ويضع الخطة، ويفسر مخرجات الأدوات. الطبقة الوكيلة تضيف "الأيدي" لتنفيذ الإجراءات. كما لوحظ في النقاشات عبر أخبار OpenAI ومدونة Microsoft AI، فإن مستقبل الذكاء الاصطناعي سيمزج على الأرجح بين هذه الأساليب. على سبيل المثال، قد يستخدم وكيل دعم العملاء الذكاء الاصطناعي التوليدي لكتابة رد مهذب، ولكن يستخدم قدرات وكيل للتحقق من حالة الطلب في قاعدة بيانات.

## القيود والاعتبارات

لا يوجد نموذج مثالي.

- **الذكاء الاصطناعي التوليدي** يعاني من الهلوسات — يمكنه إنتاج معلومات تبدو واثقة ولكنها خاطئة. كما أنه لا يمتلك ذاكرة دائمة (إلا إذا قمت بتطبيقها خارجيًا).
- **الذكاء الاصطناعي الوكيل** أكثر تعقيدًا في التصحيح. يمكن أن يحدث استخدام غير مناسب للأدوات أو حلقات لا نهائية. كما يتطلب إدارة دقيقة للصلاحيات: إذا كان بإمكان الوكيل الكتابة على نظام الملفات أو إرسال رسائل بريد إلكتروني، فإن المخاطر الأمنية تتصاعد. شركات مثل Anthropic وNVIDIA تبحث في أطر عمل وكيلة آمنة، مع التأكيد على الحاجة إلى الرقابة والقيود.

علاوة على ذلك، يمكن أن تكون الأنظمة الوكيلة أبطأ لأن كل إجراء يتطلب جولة ذهاب وإياب إلى LLM والأداة. تزداد التكلفة أيضًا مع استدعاءات API المتعددة. يجب على المطورين الموازنة بين قيمة العمل المستقل مقابل زمن الاستجابة والتكلفة.

## الطريق إلى الأمام

يُسرَّع التحول من الإنشاء إلى الفعل بواسطة أطر عمل جديدة (LangChain، AutoGPT، Microsoft Copilot) ونماذج أساسية تدعم استخدام الأدوات بشكل أصلي (GPT-4 مع استدعاء الوظائف، قدرة Claude على استخدام الأدوات). مع ازدياد موثوقية هذه النماذج، سنرى الذكاء الاصطناعي الوكيل ينتقل من العروض التجريبية إلى أنظمة إنتاجية تدير التقويمات، وتحجز السفر، وتجري الأبحاث، وتتنسق مع وكلاء برمجيات آخرين.

بطرق عديدة، كان انفجار الذكاء الاصطناعي التوليدي هو مرحلة "تعلم الكلام" للذكاء الاصطناعي. أما الذكاء الاصطناعي الوكيل فيمثل "تعلم المشي" — وفي النهاية الجري. الإمكانات الحقيقية للذكاء الاصطناعي لا تكمن في قدرته على توليد قصيدة مثالية، بل في قدرته على العمل في العالم، وحل المشكلات، وأن يصبح شريكًا حقيقيًا في مهامنا اليومية.

## الخلاصة

أعطى الذكاء الاصطناعي التوليدي صوتًا للآلات؛ الذكاء الاصطناعي الوكيل يمنحها أيديًا. كلاهما قوي، ولكل منهما نقاط قوة مميزة. يتفوق الذكاء الاصطناعي التوليدي في الإنشاء والإبداع والتواصل. يتفوق الذكاء الاصطناعي الوكيل في التنفيذ والاستقلالية وتحقيق نتائج ملموسة. فهم متى تستخدم كلًا منهما — وكيف تجمعهما — هو المفتاح لبناء تطبيقات ذكاء اصطناعي مؤثرة اليوم.

سواء كنت تُولِّد نصوصًا تسويقية باستدعاء API بسيط، أو تبني مساعد بحث مستقل يبحث ويحسب ويُبلِّغ، فإن الأدوات الآن بين يديك. التحول من الإنشاء إلى الفعل ليس مجرد اتجاه — بل هو الخطوة المنطقية التالية في رحلتنا لجعل الذكاء الاصطناعي مفيدًا حقًا.