الذكاء الاصطناعي الفاعل مقابل الذكاء الاصطناعي التوليدي: الجسر بين الإبداع والفعل

الذكاء الاصطناعي الوكيلي مقابل الذكاء الاصطناعي التوليدي: الجسر بين الإنشاء والفعل

لقد غيّر العامان الماضيان الذكاء الاصطناعي من مجرد فضول إلى أداة إنتاجية يومية. إذا تابعت القنوات الرسمية لكبرى شركات الذكاء الاصطناعي—OpenAI وMicrosoft وNVIDIA وAnthropic—ستلاحظ نمطًا واضحًا. تحوّل الحديث من «ما الذي يمكن للنموذج توليده؟» إلى «ما الذي يمكن للنموذج إنجازه فعليًا؟». هذا التحوّل هو الفرق بين الذكاء الاصطناعي التوليدي والذكاء الاصطناعي الوكيلي. الأول يُنشئ. والآخر يُنفّذ. فهم كلاهما أمرٌ مهم، لكن الجسر بينهما هو موضع القيمة الحقيقية.

حالة الذكاء الاصطناعي: من روبوتات الدردشة إلى عمال رقميين

دخل الذكاء الاصطناعي التوليدي التيار الرئيسي مع ظهور نماذج لغوية كبيرة قادرة على كتابة المقالات، وتوليد الأكواد البرمجية، وإنتاج صور مذهلة. تعكس صفحات أخبار OpenAI، ومدونة Microsoft للذكاء الاصطناعي، وتحديثات Anthropic هذه الموجة. كان الوعد الأولي بسيطًا: اكتب موجهًا (prompt) واحصل على مخرجات عالية الجودة.

لكن الموجّه وحده لا يُنجز مهمةً كاملة. كتابة مسودة تقرير ليست هي نفسها إنتاج تقرير نهائي، وحفظه في المجلد الصحيح، وإرساله إلى الأشخاص المناسبين، وتحديث نظام تتبّع المشروع. لهذا السبب اتجهت الصناعة نحو الذكاء الاصطناعي الوكيلي. على سبيل المثال، خصّصت مدونة NVIDIA للمطورين وقتًا طويلًا لشرح كيفية تحويل النماذج التوليدية إلى أنظمة ذاتية تعمل مع الأدوات وواجهات البرمجة (APIs) والبيئات المحيطة.

الذكاء الاصطناعي الوكيلي ليس بديلًا عن الذكاء الاصطناعي التوليدي؛ بل هو الطبقة التالية. إذا كان الذكاء الاصطناعي التوليدي هو الدماغ الذي يفكّر، فإن الذكاء الاصطناعي الوكيلي هو الجسد الذي ينفّذ. يستعرض هذا المقال الفروقات بينهما، ويشرح سبب أهمية كلٍّ منهما، ويقدّم مسارًا عمليًا لبناء أول نظام وكيلي لك.

ما هو الذكاء الاصطناعي التوليدي؟

يشير الذكاء الاصطناعي التوليدي إلى النماذج التي تُنشئ محتوى جديدًا. عند إعطاء الموجّه، يُنتج النموذج التوليدي نصًا أو كودًا برمجيًا أو صوتًا أو صورًا أو فيديو. السمة المميزة هي أن النموذج تعلّم الأنماط من بيانات التدريب، ويمكنه توليد استكمالات محتملة إحصائيًا.

من الأمثلة على ذلك:

• كتابة بريد إلكتروني من بضع نقاط موجزة.
• صياغة كود بايثون من تعليق برمجي.
• توليد صورة تسويقية من وصف نصي.
• تلخيص مستند طويل.

النماذج التوليدية عادةً **عديمة الحالة (stateless)**. فهي تستقبل المدخلات، وتنتج المخرجات، وتنسى التفاعل ما لم تحتفظ أنت يدويًا بسجلّ المحادثة. المخرجات هي المنتَج. تأخذها أنت، وتُراجعها، وتقرر الخطوة التالية.

من الناحية العملية، الذكاء الاصطناعي التوليدي **مساعد** مذهل. يمكنه أن يجعلك أسرع عبر إنتاج مسودات عالية الجودة. لكنه لا يستطيع، من تلقاء نفسه، إغلاق الحلقة. لا يمكنه التحقق من صحة مخرجاته، أو التكامل مع الأنظمة الخارجية، أو التعافي من أخطاء غير متوقعة.

ما هو الذكاء الاصطناعي الوكيلي؟

يبني الذكاء الاصطناعي الوكيلي على الذكاء الاصطناعي التوليدي، لكنه ينقل التركيز من إنتاج مخرجات إلى إنجاز هدف. الوكيل (agent) هو نظام يمكنه التخطيط والاستدلال واستخدام الأدوات وتنفيذ مهام متعددة الخطوات. لا يزال النموذج التوليدي يلعب دورًا محوريًا—فهو بمثابة محرك الاستدلال للوكيل—ولكن المخرجات لم تعد هي المنتَج النهائي؛ بل الهدف المُنجز هو المنتَج.

تأمّل الفرق:

• **الذكاء الاصطناعي التوليدي** يكتب ملخصًا لأخبار السوق اليوم.
• **الذكاء الاصطناعي الوكيلي** يقرأ أخبار السوق اليوم، ويكتب ملخصًا، ويفحص قاعدة بيانات مالية، ويحدّث لوحة بيانات، ويرسل لك إشعارًا مع رابط إلى النتائج.

الوكيل يقرر ما الذي يجب أن يحدث، وبأي ترتيب، وباستخدام أي أدوات. إذا فشل الأسلوب الأول، يمكن للوكيل تجربة أسلوب مختلف. إذا أعادت إحدى الأدوات بيانات غير متوقعة، يمكن للوكيل تعديل خطته. هذا ما يسميه المهندسون **حلقة مغلقة (closed loop)**.

وقد سلّطت مدونة Microsoft للذكاء الاصطناعي الضوء على هذا الإطار مرارًا: الوكلاء ليسوا مجرد نماذج، بل «أنظمة فعل». فهم يجمعون بين نموذج وذاكرة وأدوات وحلقة تنفيذ. كما ناقشت أخبار Anthropic مفهوم «استخدام الأدوات» بوصفه قدرةً أساسية، حيث تتعلم النماذج متى وكيف تستدعي الدوال الخارجية.

الفروقات الرئيسية في لمحة

| الجانب | الذكاء الاصطناعي التوليدي | الذكاء الاصطناعي الوكيلي | |---|---|---| | المخرَج الأساسي | محتوى (نص، كود، صورة) | مهمة مُنجزة | | الحالة | عديم الحالة لكل استدعاء | يحتفظ بالذاكرة والسياق | | التدفّق | موجه واحد ← استجابة | خطة متعددة الخطوات ← تنفيذ ← تحقّق | | الأدوات | اختيارية، عادةً يدوية | أساسية، تلقائية | | التعامل مع الأخطاء | لا يتعامل من تلقاء نفسه | يمكنه إعادة المحاولة والتكيّف | | مثال للاستخدام | كتابة مسودة تدوينة | نشر التدوينة ومشاركتها |

الجدول مبسّط، لكنه يلتقط الفرق الجوهري. الذكاء الاصطناعي التوليدي يدور حول **الإنشاء**. أما الذكاء الاصطناعي الوكيلي فيدور حول **الفعل**، والذي أصبح ممكنًا بفضل الإنشاء.

لماذا يهم هذا التمييز في العمل الحقيقي؟

فكّر في سير العمل النموذجي لمطوّر برمجيات. يمكن للنموذج التوليدي أن يكتب دالة تتحقق من عناوين البريد الإلكتروني. هذا مفيد. لكن الوكيل الحقيقي يمكنه أن:

1. يقرأ قاعدة الأكواد لفهم منطق التحقق الموجود. 2. يحدد حالات عدم الاتساق عبر الوحدات البرمجية. 3. يكتب دالة التحقق الجديدة. 4. يشغّل مجموعة الاختبارات الحالية. 5. يصلح أي اختبارات فاشلة. 6. ينشئ طلب سحب (pull request). 7. يضع علامة على مراجع.

كل خطوة تتضمن توليدًا، لكن النظام ككل وكيلي. القيمة ليست في المقتطف البرمجي الفردي؛ القيمة في أن عملية متعددة الخطوات اكتملت دون وجود إنسان في كل خطوة.

لهذا السبب تهتم المؤسسات بشدة بالأنظمة الوكيلية. وفقًا للتغطية المستمرة على مدونة NVIDIA للمطورين، فإن أدوات مثل توليد الاسترجاع المعزز (RAG) واستدعاء الدوال (function calling) تمهد الطريق لوكلاء يمكنهم ترسيخ أنفسهم في بيانات حقيقية واتخاذ إجراءات حقيقية. النتيجة العملية هي أن الذكاء الاصطناعي ينتقل من محرك اقتراحات إلى محرك تنفيذ.

المتطلبات

قبل أن نبدأ، إليك ما ستحتاجه للجزء العملي من هذا المقال.

• **بايثون 3.10 أو أحدث**: تتطلب معظم أطر الذكاء الاصطناعي الحديثة إصدارات بايثون حديثة.
• **pip**: مدير حزم بايثون، ويأتي مضمّنًا مع معظم تثبيتات بايثون.
• **مفتاح API**: على سبيل المثال، مفتاح OpenAI API أو مفتاح Anthropic API. تدعم العديد من الأطر عادةً نقاط نهاية متوافقة مع OpenAI.
• **طرفية (Terminal)**: طرفية macOS، أو Windows PowerShell، أو أي قشرة Linux.
• **اتصال بالإنترنت**: لتثبيت الحزم واستدعاء النماذج عن بُعد.

اختياريًا، يمكن لمحرر أكواد مثل VS Code أن يسهّل تحرير السكربتات التي سننشئها.

خطوات التثبيت بالتسلسل

سأرشدك خلال تثبيت الأدوات اللازمة لبناء تطبيق توليدي وفريق وكيلي صغير.

الخطوة 1: إنشاء بيئة افتراضية

البيئة الافتراضية تبقي اعتماديات مشروعك معزولةً عن بقية نظامك. في الطرفية، شغّل:

python3 -m venv ai-env

يُنشئ هذا مجلدًا باسم `ai-env` يحتوي على تثبيت بايثون معزول. بعد ذلك، قم بتفعيله:

source ai-env/bin/activate

في نظام Windows، يكون أمر التفعيل مختلفًا قليلًا:

ai-env\Scripts\activate

الخطوة 2: ترقية pip

قم بترقية pip أولًا لضمان حصولك على أحدث إصدارات الحزم:

pip install --upgrade pip

الخطوة 3: تثبيت الحزم الأساسية

سنثبّت مكتبتين. حزمة `openai` تتيح لنا إجراء استدعاءات مباشرة للنماذج التوليدية. أما حزمة `crewai` فتتيح لنا تنسيق عدة وكلاء يعملون نحو هدف مشترك.

pip install openai crewai

يقوم هذا الأمر بتنزيل المكتبات وتبعياتها. اعتمادًا على سرعة شبكتك، قد يستغرق ذلك دقيقة أو دقيقتين.

الخطوة 4: تعيين مفتاح API الخاص بك

تحتاج معظم أطر العمل الوكيلية إلى مفتاح API لاستدعاء النموذج الأساسي. قم بتصديره كمتغير بيئة:

export OPENAI_API_KEY="your-api-key-here"

إذا كنت تستخدم نماذج Anthropic بدلًا من ذلك، فستقوم بتصدير `ANTHROPIC_API_KEY`. في هذا البرنامج التعليمي، سنلتزم بـ OpenAI. تأكد من استبدال `your-api-key-here` بمفتاح حقيقي من منصة OpenAI.

الخطوة 5: التحقق من التثبيت

الآن، قم بتشغيل فحص سريع للتأكد من أن كل شيء مثبّت بشكل صحيح:

python -c "import openai, crewai; print('All packages installed successfully.')"

إذا ظهرت رسالة النجاح، فأنت جاهز للمتابعة.

أمثلة الاستخدام

لنبنِ برنامجين صغيرين لنرى الفرق بين النهج التوليدي والنهج الوكيلي عمليًا.

مثال 1: استدعاء ذكاء اصطناعي توليدي خالص

يستخدم هذا السكربت حزمة OpenAI SDK مباشرة. يرسل موجهًا واحدًا ويطبع الاستجابة. لا شيء أكثر.

from openai import OpenAI

client = OpenAI(api_key="YOUR_API_KEY")

response = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[
        {
            "role": "system",
            "content": "You are a concise technical writer."
        },
        {
            "role": "user",
            "content": "Explain the difference between generative and agentic AI in three sentences."
        }
    ]
)

print(response.choices[0].message.content)

قبل تشغيل هذا السكربت، احفظه باسم `generative_example.py`. في الطرفية، نفّذ:

python generative_example.py

سترى شرحًا قصيرًا مولّدًا بالذكاء الاصطناعي. إنه مفيد، لكنه تفاعل واحد. الذكاء الاصطناعي لا يبحث عن أي شيء، ولا يتحقق من أي شيء، ولا يتخذ أي إجراء إضافي. المسؤولية عن الإنشاء والخطوات التالية تقع على عاتقك بالكامل.

مثال 2: فريق وكيلي صغير

الآن لنبنِ شيئًا أكثر طموحًا. سنعرّف وكيلين. الأول يبحث في موضوعات الذكاء الاصطناعي الحديثة من الصفحات الرسمية لكبرى الشركات المزودة. والآخر يأخذ ذلك البحث ويكتب مذكرة إلى ملف ماركداون.

احفظ الكود التالي باسم `agentic_example.py`:

from crewai import Agent, Task, Crew, Process

researcher = Agent(
    role="AI Research Analyst",
    goal="Identify recent AI trends from major AI provider news pages.",
    backstory=(
        "You are an experienced analyst who monitors OpenAI News, "
        "the Microsoft AI Blog, the NVIDIA AI Blog, and Anthropic News. "
        "You summarize trends without inventing details."
    ),
    verbose=True
)

writer = Agent(
    role="Technical Memo Writer",
    goal="Turn research notes into a concise memo and save it to a file.",
    backstory=(
        "You are a technical writer who creates clean, actionable memos. "
        "You save all output as markdown files."
    ),
    verbose=True
)

research_task = Task(
    description=(
        "Review the latest topics discussed on the OpenAI, Microsoft, "
        "NVIDIA, and Anthropic news pages. Report the general themes "
        "you observe. Do not make up specific claims or statistics."
    ),
    expected_output="A bullet-point list of observed themes.",
    agent=researcher
)

writing_task = Task(
    description=(
        "Use the research notes to write a short markdown memo titled "
        "'ai_provider_updates.md'. Include an introduction and a bullet "
        "list of themes. The file must be saved to the current directory."
    ),
    expected_output="A markdown file named ai_provider_updates.md.",
    agent=writer
)

crew = Crew(
    agents=[researcher, writer],
    tasks=[research_task, writing_task],
    process=Process.sequential
)

result = crew.kickoff()
print(result)

شغّل السكربت:

python agentic_example.py

يجب أن ترى الوكيلين يتناوبان على العمل. الباحث يحدد الموضوعات من صفحات الأخبار. الكاتب يحوّل هذه الموضوعات إلى ملف ماركداون. عندما ينتهي السكربت، يجب أن يكون ملف جديد باسم `ai_provider_updates.md` موجودًا في الدليل الحالي.

لاحظ ما الذي حدث للتو. لم ينتج النظام نصًا فقط؛ بل نفّذ مهمة متعددة الخطوات:

• اطّلع على مصادر خارجية،
• فكّر في النتائج،
• كتب مستندًا منظمًا،
• وحفظ ذلك المستند على القرص.

هذا هو جوهر السلوك الوكيلي: ليس مجرد التوليد، بل **الفعل**، مع خطوات متعددة منسقة نحو هدف.

مثال 3: نموذج توليدي داخل حلقة وكيلية

إذا كنت تريد فهم الجسر بشكل أعمق، تخيّل بناء حلقة وكيلية بسيطة بنفسك. الفكرة هي استدعاء النموذج التوليدي عدة مرات، واستخدام المخرجات لتقرير الأداة التي يجب استدعاؤها، والتكرار حتى يكتمل الهدف.

إليك هيكلًا في بايثون:

import json
from openai import OpenAI

client = OpenAI(api_key="YOUR_API_KEY")

def calculate_sum(a, b):
    return a + b

def run_agent(task):
    tool_schema = {
        "name": "calculate_sum",
        "description": "Adds two numbers together.",
        "parameters": {
            "type": "object",
            "properties": {
                "a": {"type": "number"},
                "b": {"type": "number"}
            }
        }
    }

    messages = [
        {"role": "system", "content": "You are an agent that uses tools."},
        {"role": "user", "content": task}
    ]

    for _ in range(5):
        response = client.chat.completions.create(
            model="gpt-4o-mini",
            messages=messages,
            tools=[{"type": "function", "function": tool_schema}],
            tool_choice="auto"
        )
        message = response.choices[0].message

        if message.tool_calls:
            for call in message.tool_calls:
                args = json.loads(call.function.arguments)
                result = calculate_sum(args["a"], args["b"])
                messages.append({
                    "role": "tool",
                    "tool_call_id": call.id,
                    "content": json.dumps({"result": result})
                })
        else:
            return message.content

    return "Agent did not finish the task."

print(run_agent("What is 12 plus 34? Please use the available tool."))

يُظهر هذا المثال الحلقة: نموذج ← استدعاء أداة ← نتيجة الأداة ← نموذج مرة أخرى. النموذج التوليدي يقرر الإجراء الذي يجب اتخاذه، ثم يحدث الإجراء، وتُغذّى النتيجة إلى النموذج. هذه هي بالضبط الطريقة التي تعمل بها الوكلاء في البيئات الإنتاجية.

الجسر بين النوعين: إرشادات عملية

الخط الفاصل بين الذكاء الاصطناعي التوليدي والوكيلي ليس جدارًا. عمليًا، يحتوي كل وكيل على مكونات توليدية. السؤال هو كيف تصمّم النظام حول هذه المكونات. إليك مبادئ أساسية ينبغي وضعها في الاعتبار.

استخدم النماذج التوليدية للاستدلال، لا للذاكرة

النماذج التوليدية ممتازة في الاستدلال عبر نافذة السياق. وهي أقل كفاءة في تذكّر كل شيء عبر مهمة طويلة. دع الذاكرة الخارجية تتعامل مع الحالة. قواعد البيانات، ومخازن المتجهات، والملفات يجب أن تكون هي الذاكرة. النموذج هو مجرد صانع القرار.

أضف التحقق في العالم الحقيقي

يجب على الوكيل أن يتحقق من عمله بنفسه. إذا ولّد كودًا، فعليه تشغيل الاختبارات. إذا ولّد بريدًا إلكترونيًا لعميل، فعليه فحصه وفقًا لإرشادات النبرة. إذا كتب ملخصًا، فعليه مقارنته بقيود المصدر. الذكاء الاصطناعي التوليدي ينتج مخرجات واثقة. الأنظمة الوكيلية يجب أن تضيف التشكيك.

أبقِ الإنسان في الحلقة للإجراءات عالية المخاطر

ليس كل إجراء ينبغي أن يكون مستقلاً بالكامل. بالنسبة للأنظمة الوكيلية التي ترسل رسائل بريد إلكتروني، أو توافق على عمليات شراء، أو تعدّل قواعد البيانات، يجب أن تتطلب خطوة موافقة بشرية. لقد أكدت مدونة Microsoft للذكاء الاصطناعي على تصميم الذكاء الاصطناعي المسؤول. الوكيل الجيد يعرف متى يتوقف ويطلب التأكيد.

ابدأ صغيرًا

لا تبنِ سربًا من عشرين وكيلًا في محاولتك الأولى. ابدأ بوكيل واحد يمكنه استدعاء أداتين أو ثلاث. قِس أداءه. أضف وكيلًا ثانيًا فقط عندما يكون الأول موثوقًا. يجب أن تنمو البنية مع نمو ثقتك.

الخلاصة

الذكاء الاصطناعي التوليدي والذكاء الاصطناعي الوكيلي وجهان لعملة واحدة. يوفر الذكاء الاصطناعي التوليدي النواة الإبداعية—القدرة على إنتاج النصوص والأكواد والصور والخطط. أما الذكاء الاصطناعي الوكيلي فيغلّف هذه النواة في نظام فعل: أدوات وذاكرة وتكرار وتنفيذ. الأول ينتج محتوى. والثاني ينتج نتائج.

كما تواصل القنوات الرسمية لـ OpenAI وMicrosoft وNVIDIA وAnthropic إظهاره، تتجه الصناعة بشكل حاسم نحو النموذج الوكيلي. لكن هذا لا يجعل الذكاء الاصطناعي التوليدي قديمًا. كل وكيل تبنيه سيعتمد على نماذج توليدية للتفكير والتخطيط والتواصل. المهارة الحقيقية تكمن في البنية: ربط نموذج قوي بالأدوات المناسبة وسير العمل المناسب.

الأمثلة في هذا المقال منحتك نقطة بداية. استدعاء API واحد هو أمر توليدي. فريق من الوكلاء يبحثون ويكتبون ويحفظون ملفًا هو أمر وكيلي. الجسر بين الإنشاء والفعل ليس تقنية—بل نمط تصميم. مع الإعداد الصحيح، وبضعة أسطر من بايثون، وهدف واضح، يمكنك عبور هذا الجسر اليوم.

موارد

للحصول على خلفية مستمرة حول هذه الموضوعات، ارجع مباشرة إلى المصادر الرسمية:

• مدونة NVIDIA للذكاء الاصطناعي: https://developer.nvidia.com/blog/category/generative-ai/
• أخبار OpenAI: https://openai.com/news/
• مدونة Microsoft للذكاء الاصطناعي: https://www.microsoft.com/en-us/ai/blog/
• أخبار Anthropic: https://www.anthropic.com/news