Verication-driven closed-loop multi-agent large language modelframework for code-compliant structural design
تقدم هذه الورقة إطار عمل للنماذج اللغوية الكبيرة متعددة الوكلاء بنظام الحلقة المغلقة القائم على التحقق، والذي يدمج مُحقِّقًا خارجيًا قائمًا على الفيزياء مع آلية إصلاح ثنائية العقد لتحويل انتهاكات الكود إلى قيود قابلة للتنفيذ، مما يحقق زيادة كبيرة في الامتثال للكود وسلامة التصميم الإنشائي مع تقليل استهلاك المواد.
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
شبكة الأمان للمعماري الرقمي
تخيل أنك تحاول تعليم روبوت فائق الذكاء كيفية بناء جسر. تعطي الروبوت نموذج لغة — عقل مدرب على ملايين الكتب والمقالات والمخططات — لكي يتمكن من فهم طلبك و"تخيل" تصميم ما. هذا هو عالم نماذج اللغات الكبيرة (LLMs). إنها مذهلة في كتابة القصص، وبرمجة البرمجيات، وحتى شرح الفيزياء المعقدة بكلمات بسيطة. ولكن هنا تكمن المشكلة: نموذج اللغة الكبير هو بارع في اللغة، وليس بارعاً في الفيزياء. يمكنه وصف جسر يبدو "مثالياً" باستخدام كل المصطلحات التقنية الصحيحة، ولكن إذا قمت ببنائه بالفعل، فقد ينهار لأن الحسابات لا تتطابق. يُعرف هذا باسم "الهلوسة" — الروبوت واثق من نفسه، لكنه مخطئ.
في العالم الحقيقي، خاصة عند بناء أشياء مثل ناطحات السحاب أو الجسور، فإن كونك "صحيحاً في معظم الأحيان" ليس كافياً. أنت بحاجة إلى الامتثال للأكواد (المعايير)، مما يعني أن التصميم يجب أن يتبع كتاب القواعد (أكواد البناء) بدقة لضمان السلامة. لعقود من الزمن، استخدم المهندسون أجهزة الكمبيوتر للتحقق من هذه القواعد، لكن عملية ترجمة فكرة بشرية إلى نموذج حاسوبي ثم التحقق منها كانت بطيئة ويدوية. السؤال الكبير الذي يطرحه الباحثون هو: هل يمكننا صنع ذكاء اصطناعي لا يكتفي بمجرد تخمين تصميم، بل يقوم فعلياً بفحص عمله الخاص وإصلاح أخطائه قبل أن يلمس قطعة من الفولاذ؟ تغوص هذه الورقة البحثية في هذا التحدي تحديداً، محاولةً تحويل ذكاء اصطناعي "ثرثار" إلى مهندس موثوق وحريص على السلامة.
فخ "التصحيح الذاتي" والحلقة السحرية
بدأ الباحثون بفكرة شائعة: رب own نطلب من الذكاء الاصطناعي فقط أن "يفحص عمله الخاص" ويحاول مرة أخرى، فسيتحسن. لكنهم وجدوا شيئاً مفاجئاً. عندما تركوا الذكاء الاصطناعي يحاول إصلاح أخطائه دون مساعدة خارجية، فإنه غالباً ما كان يجعل الأمور أسوأ أو يدور في حلقة مفرغة. الأمر يشبه مطالبة طالب رسب في اختبار رياضيات بأن "يحاول مجدداً" دون معلم أو آلة حاسبة؛ قد يكتب نفس الإجابة الخاطئة ولكن بثقة أكبر. تجادل الورقة بأن التصحيح الذاتي وحده غير موثوق به للمهام الحرجة المتعلقة بالسلامة.
بدلاً من ذلك، بنى الفريق إطار عمل مغلق الحلقة مدفوع بالتحقق. فكر في هذا ليس كطالب واحد، بل كطاقم بناء لديه مفتش سلامة صارم ولا يرمش له جفن. يعمل النظام كالتالي:
- الحالم (الذكاء الاصطناعي): يعمل فريق من وكلاء الذكاء الاصطناعي معاً لتصميم هيكل، مثل عارضة أو جملون (truss).
- المفتش (مدقق الفيزياء): قبل اعتماد التصميم، يتم إرساله إلى برنامج حاسوبي "صلب" (محلل العناصر المحدودة - finite-element solver) يعمل كمحاكي للفيزياء. هذا ليس ذكاءً اصطناعياً يخمن؛ بل هو محرك رياضي يحسب بدقة كيف سيتصرف الهيكل تحت الوزن والضغط.
- كتاب القواعد (مدقق الأكواد): تقوم أداة ثانية بفحص التصميم مقابل أكواد البناء الفعلية (مثل GB 50010 للخرسانة و GB 50017 للفولاذ).
- الحلقة: إذا فشل التصميم، لا يكتفي النظام بقول "حاول مجدداً". بل يرسل ملاحظة محددة إلى الذكاء الاصطناعي: "العارضة الخاصة بك أنحف بنسبة 21%"، أو "الإجهاد مرتفع جداً". يقوم الذكاء الاصطناعي بعد ذلك باستخدام هذه البيانات الصلبة لتعديل التصميم ويحاول مرة أخرى. تتكرر هذه الدورة حتى يجتاز التصميم كل اختبار.
ماذا وجدوا: من "ربما" إلى "بالتأكيد"
اختبر الفريق هذا النظام على 44 حالة تصميم مختلفة تتضمن خمسة أنواع من الهياكل: العوارض البسيطة، العوارض الكابولية (cantilever beams)، العوارض المستمرة، الجملونات (trusses)، والإطارات (frames). كانت النتائج دراماتيكية.
عندما تركوا الذكاء الاصطناعي يعمل بدون هذه الحلقة الصارمة (طريقة "الحلقة المفتوحة")، نجح في الوصول للتصميم الصحيح بنسبة 56.8% فقط. وهذا يعني أنه في نصف الحالات تقريباً، سيقدم الذكاء الاصطناعي تصميماً ينتهك قواعد السلامة. ولكن بمجرد تشغيل نظام الحلقة المغلقة مع مفتش الفيزياء الخارجي، ارتفعت نسبة النجاح بشكل هائل لتصل إلى 98.6%.
الأمر لا يتعلق بالنجاح فحسب، بل بالكفاءة أيضاً. التصاميم التي أنتجها الذكاء الاصطناعي عبر الحلقة استخدمت مواد أقل بنسبة 5.8% تقريباً عن تلك التي لم تمر بها. وهذا أمر بالغ الأهمية لأنه يعني أن الذكاء الاصطناعي تعلم التوقف عن "الإفراط في التصميم" (جعل الأشياء ضخمة بشكل غير ضروري لمجرد الأمان) ووجد "النقطة المثالية" حيث يكون الهيكل آمناً ولكن يستخدم موارد أقل. قفزت درجة الجودة الإجمالية للتصاميم من 63.8 إلى 71.4.
كيف يعمل "الإصلاح ثنائي العقدة"
تقسم الورقة عملية الإصلاح إلى "عقدتين" أو مرحلتين متميزتين، تعملان كأدوات مختلفة في صندوق العدة:
- العقدة الأولى (الإصلاح الصلب): إذا انتهك التصميم قاعدة ما (مثل انحناء العارضة أكثر من اللازم)، تتعامل هذه العقدة مع الأمر كقيد صلب. فهي تخبر الذكاء الاصطناعي: "يجب أن تجعل هذا الجزء أكبر". الأمر يشبه مدرباً صارماً يقول: "اركض حتى تستطيع فعلها بشكل صحيح". هذه الخطوة أصلحت الأخطاء الكبيرة والخطيرة.
- العقدة الثانية (الصقل الناعم): بمجرد أن يصبح التصميم آمناً، تنظر هذه العقدة في درجة رباعية الأبعاد (السلامة، التكلفة، الكفاءة، والاستدامة). إذا كانت الدرجة منخفضة قليلاً، فإنها تدفع الذكاء الاصطناعي بلطف لإجراء تعديلات طفيفة لجعل التصميم أفضل، دون المخاطرة بالسلامة.
وجد الباحثون أن العقدة الأولى قامت بالعمل الشاق للتصاميم التي بدأت معيبة، بينما كانت العقدة الثانية مسؤولة عن صقل التصاميم التي كانت آمنة بالفعل. وإذا تمت إزالة أي من العقدتين، انخفض أداء النظام، مما يثبت أن كلاً من "الإصلاح الصلب" و"الصقل الناعم" ضروريان.
حل مشكلة "الصندوق الأسود"
أحد أكبر المخاوف بشأن الذكاء الاصطناعي هو أنه "صندوق أسود" — تحصل على إجابة، لكنك لا تعرف لماذا. هذا النظام يحل هذه المشكلة. نظرًا لاستخدامه نظام التوليد المعزز بالاسترجاع (RAG)، فإنه في كل مرة يرتكب فيها الذكاء الاصطناعي خطأ، فإنه لا يكتفي بالقول "خطأ"، بل يستخرج الصفحة والفقرة المحددة من كود البناء التي تم انتهاكها. إنه يشبه طالباً، عندما يخطئ في سؤال، يمكنه الإشارة إلى جملة محددة في الكتاب المدرسي تشرح القاعدة. هذا يجعل قرارات الذكاء الاصطناعي قابلة للتدقيق ويمكن تتبعها.
الحدود والمستقبل
تتسم الورقة بالصدق الشديد بشأن ما لا يستطيع هذا النظام فعله حتى الآن. الذكاس الاصطناعي بارع في تعديل حجم العوارض أو كمية الفولاذ (المعلمات/Parameters)، لكنه لا يستطيع إعادة تصميم الشكل الكامل للمبنى (الطوبولوجيا/Topology) إذا كان الشكل الأصلي معيباً بشكل جوهري. على سبيل المثال، إذا حاول الذكاء الاصطناعي إصلاح جسر قصير جداً بالنسبة للفجوة التي يحتاج لعبورها، فلن ينفع أي تعديل في حجم العارضة لإنقاذه. في هذه الحالات، "يفشل النظام بصوت عالٍ" — يتوقف ويخبر المهندس البشري: "لا يمكنني إصلاح هذا، عليك تغيير التصميم". إنه يرفض تقديم إجابة خطيرة.
اختبر الباحثون أيضاً ما إذا كان هذا يعمل مع "أدمغة" ذكاء اصطناعي مختلفة (التبديل من نموذج كبير إلى آخر آخر). ووجدوا أن نسبة النجاح ظلت كما هي بغض النظر عن نموذج الذكاء الاصطناعي المستخدم. هذا يشير إلى أن الأمان يأتي من مدقق الفيزياء الخارجي، وليس من كون الذكاء الاصطناعي "أذكى". إنها شبكة الأمان، وليس لاعب السيرك، هي التي تحافظ على سلامة العرض.
الخلاصة
تظهر هذه الورقة أننا لا نستطيع الوثوق بالذكاء الاصطناعي لـ "يفكر" طريقه نحو بناء آمن. بدلاً من ذلك، نحتاج إلى بناء نظام يقوم فيه الذكاء الاصطناعي بالعمل الإبداعي، بينما يقوم مفتش صارم قائم على الرياضيات بفحص كل خطوة. من خلال إغلاق الحلقة بين "الصنع" و"الفحص"، حول الباحثون نظاماً كان صحيحاً بنسبة 56.8% فقط إلى نظام صحيح بنسبة 98.6%، باستخدام مواد أقل واتباع القواعد بدقة تامة. إنها خطوة نحو مستقبل لا يتحدث فيه الذكاء الاصطناعي عن الهندسة فح فقط، بل يساعد فعلياً في بناء هياكل أكثر أماناً وذكاءً وكفاءة للجميع.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.