Ontology-Constrained Neural Reasoning in Enterprise Agentic Systems: A Neurosymbolic Architecture for Domain-Grounded AI Agents
تقدم هذه الورقة بنية عصبية رمزية ضمن منصة Foundation AgenticOS تستخدم إطاراً أنطولوجياً ثلاثي الطبقات لتقييد وكلاء النماذج اللغوية الكبيرة، مما يحسن بشكل كبير من دقتها، وامتثالها التنظيمي، واتساق أدوارها — لا سيما في المجالات ذات البيانات التدريبية المحدودة — من خلال فرض تجذير دلالي رسمي على كل من المدخلات والمخرجات.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
المشكلة الكبرى: "المتدرب المفرط في الثقة"
تخيل أنك وظفت متدرباً عبقرياً وسريعاً للغاية (الوكيل الذكي - AI Agent) لإدارة بنك أو مستشفى أو شركة تأمين. هذا المتدرب قد قرأ كل الكتب تقريباً في المكتبة (النموذج اللغوي الكبير - LLM). يمكنه الكتابة بجمال والتحدث مع أي شخص.
لكن هناك مشكلة: إنه عرضة لـ "الهلوسة".
إذا سألته عن قاعدة محددة وغامضة في قوانين الصيرفة الفيتنامية، فقد يخترع شيئاً ما بكل ثقة لأنه لم يرَ تلك القاعدة تحديداً في بيانات تدريبه. في الدردشة العادية، قد يكون هذا مضحكاً، ولكن في بنك أو مستشفى، هذا يعني دعوى قضائية وشيكة.
تحاول أنظمة الذكاء الاصطناعي الحالية إصلاح ذلك عبر إعطاء المتدرب مجموعة من الأوراق ليقرأها قبل الإجابة (وهو ما يسمى RAG أو "التوليد المعزز بالاسترجاع"). لكن الورقة البحثية تجادل بأن هذا يشبه إعطاء شخص ما كومة فوضوية من الملاحظات؛ قد يجد الصفحة الصحيحة، لكنه قد يسيء أيضاً فهم كيفية ترابط الصفحات ببعضها البعض.
الحل: "قاعدة الكتب الثلاث الطبقات"
يقترح المؤلف، ثانه ليونج توان، نظاماً جديداً يسمى FAOS (نظام تشغيل الوكيل التأسيسي). بدلاً من مجرد إعطاء الذكاء الاصطناعي كومة من الأوراق، يقوم ببناء كتاب قواعد رسمي ومنظم (الأنطولوجيا - Ontology) يعمل بمثابة مدير صارم.
فكر في كتاب القواعد هذا على أنه يتكون من ثلاث طبقات محددة:
طبقة الدور (الوصف الوظيفي):
- التشبيه: تخيل حفلة تنكرية حيث يرتدي الجميع شارة محددة. إذا كنت المدير المالي (CFO)، فأنت تتحدث فقط عن المال والمخاطر. إذا كنت مدير منتج، فأنت تتحدث عن تجربة المستخدم.
- الإصلاح: الذكاء الاصطناعي لا "يعرف" الأشياء فحسب؛ بل يعرف من يفترض به أن يكون. إنه يتبنى العقلية، والمفردات، وأسلوب اتخاذ القرار الخاص بتلك الوظيفة المحددة.
طبقة المجال (القاموس المتخصص):
- التشبيه: الطبيب والميكانيكي كلاهما يستخدم كلمة "ضغط"، لكن لكل منهما معنى مختلف تماماً.
- الإصلاح: يجبر النظام الذكاء الاصطناعي على استخدام التعريف الصحيح الخاص بالصناعة. إذا كان بنكاً، فإن "الضغط" يعني ضغط القروض. إذا كان مستشفى، فإنه يعني ضغط الدم. هذا يمنع الذكاء الاصطناعي من خلط المصطلحات المهنية.
طبقة التفاعل (خريطة سير العمل):
- التشبيه: في المستشفى، لا يمكن للممرض وصف عملية جراحية ببساطة؛ بل يجب عليه سؤال الطبيب، الذي يجب أن يحصل على موافقة من الإدارة.
- الإصلاح: يعرف الذكال الاصطناعي قواعد اللعبة. يعرف من يحتاج إلى التوقيع على قرار ما وما هي الخطوات التي يجب أن تحدث قبل الخطوة التالية. لا يمكنه تجاوز الدور.
كيف يعمل: شبكة الأمان "غير المتماثلة"
تقدم الورقة مفهوماً ذكياً يسمى الاقتران العصبي الرمزي (Neurosymbolic Coupling).
- الجزء "العصبي": عقل الذكاء الاصطناعي (LLM) مرن ومبدع.
- الجزء "الرمزي": كتاب القواعد (الأنطولوجيا) جامد ومنطقي.
الوضع الحالي (الاقتران من جانب المدخلات):
في الوقت الحالي، يشبه النظام المحرر الصارم الذي يراجع ملاحظاتك قبل أن تكتب المقال.
- يتم تزويد الذكاء الاصطناعي بـ "الوصف الوظيفي"، و"القاموس"، و"خريطة سير العمل" الصحيحة قبل أن يبدأ في التفكير.
- هذا يمنعه من الخروج عن الموضوع أو استخدام الكلمات الخاطئة.
- النتيجة: الذكاء الاصطناعي أكثر دقة بكثير، لكنه ليس مثالياً. لا يزال بإمكانه كتابة جملة خاطئة إذا أصبح مبدعاً أكثر من اللازم.
الهدف المستقبلي (الاقتران من جانب المخرجات):
تقترح الورقة وجود محرر صارم يراجع المقال أيضاً بعد كتابته.
- سيقوم النظام بالتحقق: "هل ذكرت اللائحة الصحيحة؟ هل استخدمت الأرقام الصحيحة؟ هل اتبعت سلسلة الموافقات؟"
- إذا كانت الإجابة "لا"، فيتعين على الذكاء الاصطناعي إعادة الكتابة.
- هذا يخلق حلقة مغلقة حيث يتم توجيه الذكاء الاصطناعي والتحقق منه في آن واحد.
التجربة: "الاختبار الفيتنامي"
لإثبات نجاح هذا، أجرى المؤلف اختباراً ضخماً شمل 600 سيناريو عبر خمس صناعات (التمويل، التأمين، الرعاية الصحية، وصناعتين فيتناميتين محليتين).
الاكتشاف الكبير: "تأثير المعرفة العكسي"
هذا هو الجزء الأكثر إثارة للاهتمام.
- السيناريو (أ): اسأل الذك- الاصطناعي عن "نسبة الدمج" (مصطلح تأمين شائع). الذكاء الاصطناعي يعرف هذا بالفعل من تدريبه. عندما تفرض عليه كتاب القواعد، فإنه يصاب ببعض الارتباك لأن كتاب القواعد يعيق ذاكرته الطبيعية.
- السيناريو (ب): اسأل الذكاء الاصطناعي عن لائحة مصرفية فيتنامية محددة وغامضة (مثل تعميم من عام 2023 من البنك المركزي الفيتنامي). الذكاء الاصطناعي لا يعرف شيئاً عن هذا.
- النتيجة: عندما لم يعرف الذكاء الاصطناعي الإجابة، أنقذه كتاب القواعد. كان الذكاء الاصطناعي المزود بكتاب القواعد أفضل بمرتين في الإجابة على الأسئلة المتعلقة باللوائح الفيتنامية مقارنة بالذكاء الاصطناعي بدون كتاب القواعد.
الاستعارة:
فكر في الذكاء الاصطناعي كمسافر.
- إذا كان يزور مدينة مشهورة (مثل نيويورك)، فهو يعرف الخريطة بالفعل. إعطاؤه خريطة قد يكتفي فقط بإشغال يديه.
- إذا كان يزور قرية نائية في الجبال (مجال محلي متخصص)، فهو تائه. إعطاؤه خريطة دقيقة ومفصلة (الأنطولوجيا) هو الفرق بين العودة إلى المنزل وبين الضياع للأبد.
لماذا يهم هذا؟
- الأمان: يمنع الذكاء الاصطناعي من اختراع قوانين أو نصائح طبية.
- الاتساق: يضمن أن "وكيل المدير المالي" يتحدث دائماً كمدير مالي، وليس كدردشة آلية عامة.
- اللغة المحلية: يثبت أنه بالنسبة للغات غير الإنجليزية أو اللوائح المحلية (مثل فيتنام)، يحتاج الذكاء الاصطناعي إلى هذا المساعدة المنظمة لأنه لم يتعلم تلك القواعد المحددة من الإنترنت بعد.
الملخص
تقول الورقة: "لا تكتفِ بجعل الذكاء الاصطناعي يقرأ كتاباً. أعطه كتاب قواعد منطقياً ومنظماً يحدد وظيفته، ومفرداته، وسير عمله. هذا يعمل بشكل أفضل عندما لا يعرف الذكاء الاصطناعي الإجابة بالفعل، وهو بالضبط الوقت الذي نحتاجه فيه بشدة."
لقلقد قاموا بالفعل ببناء نسخة من هذا تعمل في شركات حقيقية مع مئات الوكلاء، وهم يعملون على الخطوة التالية: جعل الذكاء الاصطناعي يراجع واجباته المنزلية بنفسه قبل أن يعرضها عليك.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.