Agentic Artificial Intelligence for Power Systems: Strategies to Identify and Close Capability Gaps

تخيل الشبكة الكهربائية كجهاز عصبي ضخم وغير مرئي يبقي عالمنا الحديث حياً، ينبض بالطاقة لتشغيل كل شيء، بدءاً من شاحن هاتفك وصولاً إلى مراكز البيانات العملاقة التي تدرب أذكى الحواسيب على وجه الأرض. مؤخراً، نمت مراكز البيانات هذه مثل الأعشاب الضارة، حيث تلتهم الكهرباء بسرعة أكبر مما تستطيع الشبكة بناء طرق جديدة لتوصيلها. هذا يخلق ازدحاماً مرورياً للطاقة، حيث يتعين على محطات الطاقة الجديدة والأحمال الثقيلة حشر نفسها في أحياء قديمة ومزدحمة بالأسلاك. ولحل هذه المشكلة، يحتاج المهندسون إلى إجراء آلاف المسائل الرياضية المعقدة لإيجاد أماكن آمنة لتوصيل الأشياء دون التسبب في انقطاع التيار الكهربائي. وهنا يأتي دور "الذكاء الاصطناعي الوكيل" (Agentic AI) — فكر فيه كأنه مساعد روبوت فائق الذكاء ومستقل، لا يكتفي فقط بالدردشة معك بل يقوم بالعمل الفعلي. يمكنه النظر إلى خريطة الشبكة، وإجراء عمليات محاكاة، ومحاولة حل هذه الألغاز بمفرده، ليعمل كطيار مساعد رقمي للأشخاص الذين يحافظون على استمرار الإضاءة. ولكن هنا يبرز السؤال الكبير: هل هذا المساعد الروبوتي مستعد حقاً للوظيفة الواقعية، أم أنه بارع فقط في حل الألغاز البسيطة؟

هذه الورقة البحثية تشبه اختبار "تعليم القيادة" الصارم لهؤلاء المساعدين من الذكاء الاصطناعي، وهي مصممة لمعرفة ما إذا كان بإمكانهم تحمل الأعباء الثقيلة لتخطيط الشبكة الكهربائية الحديثة. قام الباحثون ببناء وكيل ذكاء اصطناعي مخصص يعتمد على أحدث "أفضل الممارسات" الموجودة في دراسات أخرى، وألقوا به في ساحة محاكاة تحتوي على أربع شبكات مختلفة الأحجام: حي صغير مكون من 100 حافلة (bus)، وبلدة متوسطة الحجم مكونة من 1,000 حافلة، ومدينة ضخمة مكونة من 10,000 حافلة، وحاضرة هائلة مكونة من 100,000 حافلة. كما أعطوه ستة مستويات من الواجبات المنزلية، تتراوح من "المستوى 1: ابحث عن مكان آمن لحمل جديد" إلى "المستوى 6: أصلح حالة طوارئ معقدة واقترح حلاً". كانت النتائج بمثابة صدمة للواقع؛ فقد تمكن الذكاء الاصطناعي من حل المهام الأسهل (المستويين 1 و2) في الشبكات الصغيرة، ولكن بمجرد أن أصبحت الألغاز أكثر صعوبة أو أصبحت الشبكات أكبر، اصطدم الروبوت بحائط مسدود.

على الشبكات المكونة من 10,000 و100,000 حافلة، فشل الذكاء الاصطناعي ببساطة في إنتاج أي نتائج على الإطلاق، حتى في المهام البسيطة. ووجد الباحثون أن "عقل" الذكاء الاصطناعي (النموذج اللغوي الكبير) كان يرزح تحت وطأة كم هائل من البيانات التي توجب عليه قراءتها، مثل محاولة قراءة موسوعة كاملة في نفس واحد. علاوة على ذلك، عندما أصبحت المهام معقدة — مثل اختبار ما يحدث إذا انقطع خطا طاقة في وقت واحد (المستوى 5 أو 6) — علق الذكاء الاصطناعي في حلقة مفرغة. فقد قضى آلاف "التوكنز" (العملة التي يفكر بها الذكاء الاصطناعي) وهو يحاول فقط فهم معنى كلمة "حالة طوارئ" (contingency) أو تحديد مكان أقرب خطوط الطاقة، لكنه لم يقم أبداً بتشغيل عملية المحاكاة لحل المشكلة. وفي حالة فشل محددة، أدرك الذكاء الاصطناعي بشكل صحيح أنه ارتكب خطأً، لكنه تعرض للخداع من قبل نظام الذاكرة الخاص به، حيث اعتقد أن المحاولة المصححة هي نفسها المحاولة الخاطئة ورفض المحاولة مرة أخرى.

تشير الورقة البحثية إلى أنه بينما يعد الجيل الحالي من وكلاء الذكاء الاصطناعي واعداً لعمليات الفحص الأساسية، إلا أنهم ليسوا مستعدين بعد لاستبدال المهندسين البشر في تخطيط الشبكات واسعة النطاق والمعقدة. ويرى المؤلفون أن النهج الحالي باستخدام نماذج الذكاء الاصطناعي القياسية مع أدوات مساعدة بسيطة للبيانات ليس كافياً. ولكي يصبح هؤلاء الوكلاء مفيدين حقاً، نحتاج على الأرجح إلى ترقية البرمجيات الخلفية للتعامل مع البيانات بكفاءة أكبر (ربما باستخدام قواعد البيانات بدلاً من الملفات النصية العتيقة) وتدريب نماذج ذكاء اصطناعي متخصصة تفهم المنطق الهندسي بشكل أفضل من برامج الدردشة العامة. وحتى تحدث هذه التحسينات، فإن "المخطط المستقل" للشبكة هو مجرد متدرب مفيد يحتاج إلى إشراف مستمر أكثر من كونه عاملاً مستقلاً تماماً.