A Taxonomy of Architecture Options for Foundation Model-based Agents: Analysis and Decision Model

في السنوات القليلة الماضية، ظهر نوع جديد من الذكاء الاصطناعي، لا يكتفي فقط بالإجابة على الأسئلة بل يتخذ إجراءات فعلية. هذه ليست مجرد برامج بسيطة تتبع قائمة جامدة من التعليمات؛ بل هي أنظمة مبنية على "نماذج تأسيسية" ضخمة، تشبه مكتبات شاسعة من المعرفة واللغة البشرية التي تم تدريبها لفهم السياق وتوليد أفكار جديدة. وعندما يربط المطورون هذه النماذج بأدوات يمكنها تصفح الويب، أو كتابة الأكواد البرمجية، أو التحكم في البرمجيات، فإنهم يخلقون "وكلاء" (Agents). يمكن لهؤلاء الوكلاء إدراك بيئتهم، والتفكير في مشكلة ما، والتخطيط لتسلسل من الخطوات، والعمل لتحقيق هدف ما، تماماً كما قد يفعل موظف بشري. ومن إدارة المشاريع البرمجية المعقدة إلى التنقل في العوالم الافتراضية، تعد هذه الأنظمة بإحداث ثورة في كيفية عملنا. ومع ذلك، وبينما تزداد قدرة هؤلاء الوكلاء، ظلت الطريقة التي يبني بها المهندسون هذه الأنظمة فوضوية؛ فبدون لغة مشتركة أو خريطة واضحة للخيارات، غالباً ما يقوم المصممون بتجميع الأنظمة بشكل مرتجل، متخذين قراراتهم بناءً على التخمين بدلاً من الفهم المنهجي لكيفية ترابط الأجزاء المختلفة وما تخلقه من مقايضات.

لقد سعى فريق من الباحثين إلى إرساء النظام وسط هذا التعقيد المتزايد. حيث أجروا مراجعة شاملة لـ 66 دراسة علمية لفهم كيفية بناء هؤلاء الوكلاء القائمين على النماذج التأسيسية بدقة. لم يكن هدفهم مجرد سرد الأجزاء، بل إنشاء دليل هيكلي يشرح عواقب كل خيار تصميمي. والنتيجة هي "تصنيف" (Taxonomy) شامل، وهو في الأساس نظام تصنيف مفصل ينظم الطرق العديدة التي يمكن بها بناء الوكيل. وقد وجدوا أن المعماريين يجب أن يتخذوا خيارات جوهرية بشأن كيفية تلقي الوكيل للمعلومات، وكيفية تذكره للأحداث الماضية، وكيفية تخطيطه لأفعاله، وكيفية تنسيقه مع الوكلاء الآخرين. فعلى سبيل المثال، قد يتم تصميم الوكيل ليعمل بمفرده أو كجزء من فريق، أو ليتذكر كل ما يراه إلى الأبد أو لينسى التفاصيل القديمة لتوفير المساحة، أو ليتبع مساراً واحداً مستقيماً نحو الهدف أو ليستكشف مسارات متعددة محتملة في آن واحد.

اكتشف الباحثون أن كل خيار من هذه الخيارات يحمل تكلفة؛ فلا يوجد تصميم مثالي يتفوق في كل شيء. فإذا اختار المعماري نظاماً يتميز بمرونة عالية وقدرة على التكيف مع التغييرات غير المتوقعة، فإنه غالباً ما يضحي بالقدرة على اختبار هذا النظام وإصلاحه بسهولة لاحقاً. وإذا أعطى الأولوية لنظام ذاكرة يكون سريع المعالجة بالنسبة للحاسوب، فقد يجعل من الصعب على البشر فهم السبب وراء اتخاذ الوكيل لقرار معين. ولمساعدة المهندسين في التنقل عبر هذه المقايضات الصعبة، بنى الفريق "نموذج قرار". يعمل هذا النموذج كخريطة، توضح بالضبط كيف يؤثر اختيار خيار معماري معين على موثوقية النظام، وسرعته، وأمانه، وسهولة استخدامه. إنه يجعل المقايضات الخفية مرئية، مما يسمح للمصممين باختيار مسار يتماشى مع احتياجاتهم المحددة، سواء كان ذلك لبناء نظام يجب ألا يفشل أبداً أو نظام يمكنه التعلم والتكيف في اللحظة ذاتها.

ولضمان فائدة ودقة نتائجهم، اختبر الباحثون إطار عملهم مع اثني عشر خبيراً من الجامعات وشركات التكنولوجيا الكبرى. هؤلاء الخبراء، الذين يمتلكون سنوات من الخبرة في بناء أنظمة الذكاء الاصطناعي المعقدة، راجعوا التصنيف ونموذج القرار. واتفق الخبراء على أن الإطار نجح في استيعاب اللبنات الأساسية لهؤلاء الوكلاء ووفر طريقة واضلة وعملية للتفكير في تصميمهم. ووجدوا أن النموذج ساعد في توضيح الخيارات التي كانت مربكة سابقاً، مثل كيفية الموازنة بين حاجة الوكيل إلى الاستقلالية والحاجة إلى أن يكون آمناً ويمكن التنبؤ بسلوكه. وتؤكد الدراسة أن المجال ينتقل من التجريب العشوائي نحو نهج هندسي أكثر انضباطاً، حيث تُتخذ القرارات بفهم واضح للعواقب.

لا يدعي هذا العمل أنه حل كل المشكلات أو قدم أفضل طريقة واحدة لبناء وكيل ما، بل يقدم أساساً هيكلياً للجيل القادم من التصميم. ومن خلال تنظيم مشهد الخيارات ورسم مسارات المقايضات بشكل صريح، منح الباحثون المعماريين لغة مشتركة ومنهجاً صارماً لاتخاذ القرار. هذا التحول يسمح للمجال بالنضوج، والانتقال من مجموعة من التجارب المنعزلة إلى تخصص متماسك حيث يمكن تصميم الأنظمة بنية، وموثوقية، وفهم واضح لحدودها. ومع ازدياد دمج هذه الأنظمة الذكية في حياتنا اليومية، سيكون امتلاك خريطة واضحة لكيفية بنائها وما يمكنها وما لا يمكنها فعله أمراً ضرورياً لإنشاء تكنولوجيا قوية وجديرة بالثقة في آن واحد.