تقدم هذه الورقة وتُقيّم وكيل (ReAct) يستدعي الأدوات يقوم بترجمة الطلبات باللغة الطبيعية إلى جداول زمنية محسنة لطاقة المنازل باستخدام النماذج اللغوية الكبيرة، مُظهرةً أنه في حين يمكن لهذه الوكلاء تحقيق توفير في التكاليف يقارب المستوى الأمثل والتفوق على السياسات القائمة على القواعد، إلا أنها تتطلب مُتحققاً مستقلاً وحتمياً للجدوى لضمان تشغيل آمن وموثوق.
المؤلفون الأصليون:Sokipriala Jonah, Queen Moses, Abiola Babatunde, Michael Ajao-Olarinoye, Daniel Bammeke
تخيل أن منزلك عبارة عن مطبخ مزدحم حيث يقوم الطاهي (شبكة الكهرباء) بتغيير أسعار المكونات باستمرار. أحياناً، تشرق الشمس فيقدم الطاهي خصماً هائلاً على الطاقة الشمسية؛ وأحياناً أخرى، تهدأ الرياح فترتفع الأسعار بشكل جنوني. ولتوفير المال، يحتاج المنزل الذكي إلى أن يكون مخططاً بارعاً، ينقل المهام الثقيلة مثل غسل الملابس أو شحن سيارة كهربائية إلى أكثر اللحظات رخصاً وسطوعاً للشمس. هذه هي مهمة نظام إدارة طاقة المنزل (HEMS). تقليدياً، كانت هذه الأنظمة تشبه الروبوتات الجامدة: عليك التحدث بلغتهم التقنية، ووضع قواعد وقيود معقدة لإخبارهم متى يتم تشغيل غسالة الأطباق. ولكن ماذا لو كان بإمكانك التحدث إلى منزلك كبشر؟ "مهلاً، تأكد من شحن السيارة بحلول الساعة 7 صباحاً، ولكن حاول استخدام الطاقة الشمسية المجانية إذا كان ذلك ممكناً". هنا يأتي دور النماذج اللغوية الكبيرة (LLMs). فكر في النماذج اللغوية الكبيرة كأنها مساعدون أذكياء جداً ومحبون للدردشة، يمكنهم فهم كلماتك الطبيعية واستنباط الخطة. السؤال الكبير الذي يطرحه العلماء هو: هل يمكن لهذه المساعدين الذكيين حقاً القيام بالعمليات الحسابية والجدولة بشكل صحيح دون ارتباك، أم أنهم سيكتفون فقط بالتحدث ببراعة بينما يكسرون القواعد عن غير قصد؟
تضع هذه الورقة البحثية خمسة "أدمغة" ذكاء اصطناعي مختلفة تحت الاختبار لترى ما إذا كان بإمكانها العمل كقائد لأوركسترا طاقة المنزل. قام الباحثون ببناء ساحة لعب رقمية حيث تعين على وكيل الذكاء الاصطناعي جدولة ثلاثة أجهزة - غسالة ملابس، وغسالة أطباق، وشاحن سيارة كهربائية - باستخدام أسعار الكهرباء في الوقت الفعلي، وتوقعات الطقس، وتقديرات الطاقة الشمسية. لم يكتفوا بطلب الدردشة من الذكاء الاصطناعي فحسب؛ بل أعطوه مجموعة من الأدوات لحجز الفترات الزمنية فعلياً. قارن الفريق مدى جودة أداء نماذج الذكاء الاصطناعي هذه مقابل "المعيار الذهبي" وهو برنامج حاسوبي رياضي (محلل البرمجة الخطية المختلطة - MILP) المعروف بقدرته على إيجاد الحل الأمثل والأرخص في كل مرة. لقد اختبروا الذكاء الاصطناعي في أيام عادية، وأيام تشهد تقلبات حادة في الأسعار، وأيام قدم فيها المستخدم تعليمات مستحيلة أو متضاربة، مثل "اشحن السيارة بحلول الساعة 6 صباحاً" في حين أن سقف القدرة يجعل ذلك مستحيلاً من الناحية الفيزيائية.
كانت النتائج مزيجاً من النجاح المبهر والأخطاء المضحكة والخطيرة في آن واحد. عندما استخدم الذكاء الاصطناعي طريقة مباشرة ومنظمة لاستدعاء أدواته (مثل النقر على زر في نموذج بدلاً من كتابة جملة)، كان بارعاً للغاية. فقد تمكنت نماذج مثل GPT-4o-mini وGemini 2.5 Flash من إيجاد جداول زمنية مطابقة تقريباً للحل الرياضي المثالي، مما وفر للمنزل ما بين 51-52% مقارداً بمجرد توصيل الأجهزة فوراً. وفي الواقع، خلال فترة محاكاة مدتها سبعة أيام، حقق وكلاء الذكاء الاصطنا هذه النماذج ما بين 96.7% و98.0% من التوفير الممكن بين مؤقت أساسي وبين "العرّاف" الرياضي المثالي.
ومع ذلك، اكتشفت الورقة أيضاً أن كون المرء "ذكياً" في الكلام لا يعني دائماً أنه "آمن" في الفعل. فعندما اختبر الباحثون الذكاء الاصطناعي في مواقف صعبة - مثل موعد نهائي يتعارض مع حد القدرة، أو طلب مستحيل فيزيائياً - بدأت بعض النماذج في "الهلوسة". فقد يكتب النموذج تفسيراً مثالياً يقول فيه: "أنا أفهم أن الموعد النهائي هو 6 صباحاً"، ثم يقوم بجدولة الجهاز ليعمل في الساعة 6:30 صباحاً، أو قد يخترع جدولاً لطلب لا يمكن تنفيذه على الإطلاق. كان نموذج Claude Sonnet 4.6 هو الأفضل في إدراك متى يكون الطلب مستحيلاً والاعتراف بذلك، بينما حاولت نماذج أخرى فرض حل يؤدي لكسر القواعد. ووجدت الدراسة أن مجرد مطالبة الذكاء الاصطناعي بأن "يكون حذراً" عبر الأوامر النصية لم ينجح دائماً في إصلاح هذه الأخطاء؛ بل إن الأمر جعل النماذج الأضعف أسوأ في بعض الأحيان.
كما نظر الباحثون فيما إذا كان ينبغي للذكاء الاصطناعي الاهتمام بالطقس. ووجدوا أنه إذا كانت السماء غائمة، يمكن للذكاء الاصطناعي توفير المال عن طريق نقل الأحمال إلى الساعات القليلة التي تنتج فيها الشمس طاقة بالفعل. ولكن في الأيام المشمسة جداً ذات الأسعار الغريبة، أدرك الذكاء الاصطناعي أحياناً أنه من الأرخص شراء الطاقة من الشبكة بدلاً من استخدام الألواح الشمسية، مما يظهر أن الذكاء الاصطناه يحتاج لأن يكون ذكياً بشأن التكلفة "الصافية"، وليس مجرد استخدام الطاقة الشمسية بشكل أعمى.
الخلاصة من هذه الدراسة هي أنه بينما يعد الذكاء الاصطناعي أداة رائعة لفهم ما تريده وإيجاد صفقات طاقة جيدة، إلا أنه لا يمكن الوثوق به لإدارة العرض بمفرده. يقترح المؤلفون أنه بالنسبة لمنزل حقيقي، يجب أن يعمل الذكاء الاصطناعي كـ "منسق" يضع الخطة، ولكن يجب أن يكون هناك "حكم" منفصل، ممل وغير عاطفي (مدقق حتمي) يتحقق من كل جدول زمني قبل أن تعمل الأجهزة. هذا الحكم يضمن أن الذكاء الاصطناعي لم يقم بالخطأ بجدولة غسالة الملابس لتعمل في نفس وقت شاحن السيارة، أو وعد بموعد نهائي لا يمكن الوفاء به. وطالما أن فحص السلامة هذا موجود، يمكن للذكاء الاصطناعي قريباً أن يكون الصوت الودود في منازلنا الذي يحافظ على انخفاض فواتير الكهرباء وتشغيل أجهزتنا بأكثر طاقة خضراء ورخيصة متاحة.
ملخص تقني: النماذج اللغوية الكبيرة (LLMs) لإدارة طاقة المنازل عبر الوكلاء الذكيين
1. بيان المشكلة
تقدم أنظمة إدارة طاقة المنازل (HEMS) إمكانات كبيرة لتقليل تكاليف الكهرباء السكنية ودعم استقرار الشبكة من خلال المرونة في جانب الطلب. ومع ذلك، فإن تبني هذه الأنظمة على نطاق واسع يعوقه اشتراط قيام المستخدمين بترجمة التفضيلات اليومية (مثل: "جاهزية السيارة الكهربائية بحلول الساعة 7 صباحاً"، أو "تجنب تشغيل غسالة الأطباق خلال ساعات الهدوء") إلى معايير وقيود تقنية. وبينما يمكن للنماذج اللغوية الكبيرة (LLMs) أن تعمل كواجهات لغة طبيعية لسد هذه الفجوة، إلا أن الأبحاث الحالية غالباً ما تعامل هذه النماذج كمجرد مستشارين حواريين أو واجهات للمحسنات الحتمية، بدلاً من كونها وكلاءً مستقلين قادرين على الالتزام بالجداول الزمنية مباشرة.
وتشمل الفجوات الرئيسية في الأدبيات الحالية ما يلي:
غموض الواجهة: ليس من الواضح ما إذا كانت استدعاء الوظائف الأصلي (native function calling) أم الإجراءات المستخرجة من النص (text-parsed actions) هي الأكثر موثوقية لتنسيق تعدد الأجهزة.
الأهداف المحدودة: تركز معظم التقييمات على تقليل أسعار الجملة، متجاهلة تأثير التكلفة الصافية لإنتاج الطاقة الكهروضوئية (PV) على الأسطح، وإيرادات التصدير، والحمل الأساسي للمنزل.
عدم كفاية اختبارات الضغط: نادراً ما تقيم الأعمال السابقة سلوك النموذج تحت تعارض القيود (مثل: المواعيد النهائية مقابل التكلفة، أو حدود القدرة الكهربائية) أو الطلبات غير القابلة للتنفيذ.
أفق التقييم: تفشل الاختبارات ذات اليوم الواحد في تقييم المتانة عبر أنظمة التعرفة المتغيرة أو النشر المستدام.
2. المنهجية
بنية النظام
يقترح المؤلفون وكيل ReAct (الاستدلال والعمل) واحداً مبنياً على LangGraph. يعمل الوكيل في حلقة تشمل:
الملاحظة: استرجاع أسعار كهرباء (Octopus Agile) نصف الساعية، وتوقعات الطقس، وتقديرات توليد الطاقة الكهروضوئية (PV).
الاستدلال: تفسير طلبات المستخدم باللغة الطبيعية وقيود المنزل.
الالتزام: اعتماد الجدول الزمني أو الإبلاغ عن عدم إمكانية التنفيذ.
يستخدم النظام قاعدة معرفة مدعومة بـ التوليد المعزز بالاسترجاع (RAG) لتقديم المشورة بشأن الطاقة، ويتضمن مدقق جدوى حتمي يتحقق من الجداول الملتزم بها قبل التشغيل الفعلي.
الإعداد التجريبي
خلفيات النماذج اللغوية الكبيرة: تم تقييم خمسة نماذج: GPT-4o-mini، وGemini 2.5 Flash، وClaude Sonnet 4.6 (تجاري)، وLlama-3.3 70B، وQwen-3 32B (مفتوح المصدر عبر DeepInfra).
واجهات الإجراءات: تمت مقارنة وضعين:
استدعاء الوظائف الأصلي: استدعاء الأدوات المهيكلة مباشرة من الواجهة البرمجية (API).
إعادة تحليل النص (Text-Parsed ReAct): استخراج استدعاءات الأدوات من مخرجات النص الحر.
المعاي-ير (Benchmarks): عمل حل البرمجة الخطية المختلطة (MILP) الموسع كمرجع للحقيقة المطلقة (Ground Truth) من حيث المثالية والجدوى.
السيناريوهات:
التجربة 1: جدولة متعددة الأجهزة عبر 12 يوماً من تعرفة (Agile).
التجربة 2: اختبار الضغط لتعارض القيود (تعارض المواعيد النهائية، سقف قدرة 9 كيلوواط، التقويمات غير المنتظمة، الطلبات غير القابلة للتنفيذ، وفشل الأدوات).
التجربة 4: نشر مستمر لمدة سبعة أيام ومهمة تخطيط أسبوعية مشتركة.
نموذج الجهاز
يدير النظام ثلاثة أحمال مرنة: غسالة ملابس (2.0 كيلوواط، ساعتان)، غسالة أطباق (1.8 كيلوواط، 1.5 ساعة)، وشاحن سيارة كهربائية (7.4 كيلوواط، 6 ساعات). دالة الهدف تقلل التكلفة الصافية اليومية: J=∑(Ctmt−Fet)، حيث Ct هو سعر الاستيراد، وF هو سعر التصدير، وmt,et هما حجم الاستيراد والتصدير من الشبكة.
3. المساهمات الرئيسية
معيار متعدد النماذج والأنظمة: تقييم شامل لخمسة نماذج لغوية عبر 12 يوماً من التعرفة وأكثر من 1,100 عملية تشغيل، مع مقارنة استدعاء الوظائف الأصلي مقابل الإجراءات المستخرجة من النص.
اختبار الضغط لتعارض القيود: مجموعة مخصصة من السيناريوهات لاختبار سلوك النموذج عندما تتعارض الجداول منخفضة التكلفة مع القيود الصارمة (المواعيد النهائية، سقف القدرة) أو عندما تكون الطلبات غير قابلة للتنفيذ.
التحسين المشترك المعتمد على الطقل: توسيع دالة الهدف من السعر فقط إلى تحسين التكلفة الصافية، مع دمج توقعات توليد الطاقة الكهروضوئية وإيرادات التصدير.
التحقق من الاستدلال إلى الإجراء: تحديد نمط فشل محدد حيث تشرح النماذج قيداً ما بشكل صحيح في اللغة الطبيعية ولكنها تلتزم بجدول زمني غير صالح، مما يستوجب الحاجة إلى تحقق حتمي مستقل.
4. النتائج الرئيسية
أداء الجدولة والواجهات
استدعاء الوظائف الأصلي: حقق معدلات نجاح عالية (97.2%–100%) وتكاليف قريبة من المثالية عبر جميع النماذج. حقق كل من GPT-4o-mini وGemini 2.5 Flash مثالية تامة بنسبة 100%.
الإجراءات المستخرجة من النص: قللت من الموثوقية بشكل كبير. انخفضت معدلات النجاح (على سبيل المثال، انخفض Claude Sonnet 4.6 إلى 50%)، وهبطت معدلات المثالية بشكل حاد (انخفض GPT-4o-mini من 100% إلى 31%).
الاختلاف بين النماذج: بينما سد استدعاء الوظائف الأصلي فجوة التنسيق، لا تزال النماذج مفتوحة المصدر (Qwen-3, Llama-3.3) تظهر معدلات خطأ أعلى في الأيام ذات التقلبات العالية مقارنة بالنماذج التجارية.
سلامة القيود واختبار الضغط
الامتثال: أظهر Claude Sonlet 4.6 أعلى امتثال للقيود (92% إجمالي)، حيث نجح في تسلسل تشغيل الأجهزة تحت سقف القدرة وأبلغ عن الطلبات غير القابلة للتنفيذ.
أنماط الفشل:
التلفيق (Fabrication): قامت النماذج المفتوحة (Qwen-3, Llama-3.3) أحياناً بتلفيق جداول زمنية لطلبات غير قابلة للتنفيذ، بينما أبلغت النماذج التجارية عن عدم إمكانية التنفيذ بشكل صحيح.
فجوة الاستدلال إلى الإجراء: حددت عدة نماذج (بما في ذلك Claude وGemini) موعداً نهائياً بشكل صحيح في مسار الاستدلال الخاص بها، لكنها التزمت بوقت بدء ينتهك ذلك الموعد.
الحساسية للتوجيه: حسن التوجيه البرومبتي (Prompt guidance) بعض المقاييس ولكنه أدى لتراجع أخرى (على سبيل المثال، انخفض إبلاغ Llama-3.3 عن عدم إمكانية التنفيذ من 50% إلى 0% مع التوجيه).
الجدولة المعتمدة على الطقل
الأيام الغائمة: قلل الجدولة المعتمدة على الطقل من التكلفة الصافية بمقدار 0.139 جنيه إسترليني/يوم وزادت من الاستهلاك الذاتي عبر نقل الأحمال إلى نوافذ الطاقة الكهروضوئية المحدودة.
الأيام المشمسة: في بعض الحالات، أدت الجدولة المعتمدة على الطقل إلى زيادة التكاليف (0.146 جنيه إسترليني/يوم) لأن أسعار الاستيراد المتوسطة في منتصف النهار جعلت استهلاك الشبكة أكثر اقتصادية من استخدام الطاقة الكهروضوئية المتاحة. وهذا يبرز أن تحسين التكلفة الصافية يتفوق على مجرد تعظيم الاستهلاك الذاتي.
خطأ التوقعات: أظهر النظام تدهوراً محدوداً تحت تأثير أخطاء التوقعات. كان الإفراط في توقع إنتاج الطاقة الكهروضوئية أكثر تكلفة عموماً من نقص التوقع.
النشر المستمر
على مدار فترة سبعة أيام، استطاعت النماذج التجارية الثلاثة اقتناص 96.7–98.0% من المدخرات المتاحة بين مؤقت وقت خارج الذروة القياسي وبين نموذج MILP الأمثل.
تفوقت الوكلاء بشكل كبير على النماذج القائمة على القواعد (مؤقت خارج الذروة، الخوارض الجشعة) وسياسات البدء الفوري.
كان GPT-4o-mini الأقرب للنموذج الأمثل، بتكلفة سبعة أيام بلغت 24.63 جنيهاً إسترلينياً مقارنة بـ 24.10 جنيهاً إسترلينياً للنموذج الأمثل.
5. الأهمية والادعاءات
تجادل الورقة بأن النماذج اللغوية الكبيرة صالحة كطبقات تنسيق لإدارة الطاقة السكنية ولكن ليس كآليات تحكم غير خاضعة للرقابة.
التنسيق مقابل التنفيذ: بينما يمكن للنماذج اللغوية الكبيرة ترجمة اللغة الطبيعية إلى جداض زمنية وتنسيق تعدد الأجهزة بفعالية، فإن "فجوة الاستدلال إلى الإجراء" تتطلب مدقق جدوى حتمي ومستقل عن النموذج قبل أي تشغيل للجهاز.
حسم الواجهة: استدعاء الوظائف الأصلي ضروري للموثوقية؛ فالإجراءات المستخرجة من النص تسبب معدلات فشل غير مقبولة للتطبيقات الطاقية الحساسة للسلامة.
التحسين السياقي: يجب أن تعمل أنظمة إدارة طاقة المنازل (HEMS) على تحسين التكلفة الصافية (موازنة الاستيراد، التصدير، والتوليد) بدلاً من المقاييس المنعزلة مثل الاستهلاك الذاتي، حيث يمكن للتعرفات الديناميكية أن تجعل الاستهلاك الذاتي للطاقة الكهروضوئية غير مجدٍ اقتصادياً.
السلامة أولاً: تخلص الدراسة إلى أن الامتثال للقيود وشدة الفشل هي معايير اختيار أكثر أهمية من تكلفة الاستدلال أو المثالية في الأيام العادية. توفر البنية المقترحة — التي تجمع بين وكيل لغوي كبير ومدقق صارم — مساراً نحو إدارة طاقة منزلية آمنة، سهلة الوصول، ومؤتمتة.