تخيل سرباً من الروبوتات الصغيرة ذاتية القيادة أُرسلت إلى حقل واسع مفتوح للبحث عن أجسام مبعثرة واستعادتها. مهمتهم بسيطة: يجب التقاط كل جسم، لكن هدف الفريق هو إنهاء المهمة بأقصر مسافة إجمالية ممكنة. هذا تحدٍ كلاسيكي في عالم الروبوتات يُعرف بتخصيص المهام لمتعدد الروبوتات. لسنوات، اعتمد المهندسون على طريقة يعمل فيها كل روبوت كأنه مقدم عطاء وحيد في مزاد صامت، حيث يلتقط غرضاً واحداً في كل مرة بناءً على أي غرض واحد هو الأقرب إليه. ورغم أن هذا النهج ينجح بشكل جيد بما يكفي لإنجاز المهمة، إلا أنه غالباً ما يؤدي إلى عدم الكفاءة. ولأن الروبوتات تركز فقط على الخطوة التالية الفورية، فقد ينتهي بها الأمر بالتقاطع في طرق تضيع الطاقة والوقت، متجاهلة الصورة الأكبر لكيفية تدفق مساراتهم معاً لتقليل إجمالي سفر المجموعة.

لقد طور فريق من الباحثين الآن استراتيجية جديدة تغير طريقة تفكير هذه الروبوتات في عملها. فبدلاً من تقديم العطاءات على العناصر الفردية واحداً تلو الآخر، يشجع نظامهم الجديد، المسمى "خوارزمية المزاد التوافقي للمجموعات" (Grouping Auction-Consensus Algorithm)، الروبوتات على تقديم العطاءات على مجموعات من العناصر القريبة كحزمة واحدة. اختبر الباحثون هذه الفكرة في آلاف العوالم المحاكاتية، التي تراوحت من مجموعات صغيرة مكونة من خمسة روبوتات إلى أسراب أكبر تضم عشرين روبوتاً، مكلفة باستعادة ما بين عشرة إلى خمسين عنصراً. وأظهرت النتائج أن الروبوتات، من خلال التفكير في مجموعات من المهام بدلاً من المهام الفردية، تمكنت من إيجية حلول تقترب من المثالية. وفي اختباراتهم، حققت الطريقة الجديدة مستوى من الكفاءة بلغ حوالي 97 بالمائة من أفضل نتيجة نظرية ممكنة، وهي قفزة كبيرة من نسبة 81 إلى 84 بالمائة التي حققتها الطريقة القديمة القائمة على العنصر الواحد. علاوة على ذلك، وصل النظام الجديد إلى هذه القرارات بنفس السرعة، أو حتى أسرع، من النهج التقليدي، مما يثبت أن النظر إلى المشكلة في كتل أكبر يساعد الفريق على التحرك بشكل أكثر تماسكاً.

يكمن جوهر هذا التحسين في كيفية تواصل الروبوتات وتفاوضها. في النظام القديم، كان الروبوت ينظر إلى خريطة، ويجد المهمة الأقرب الوحيدة، ثم يطالب بها. وإذا أراد روبوت آخر نفس المهمة، فإنهم يتجادلون حولها حتى يفوز أحدهم. تكررت هذه العملية لكل عنصر على حدة، مما أدى غالباً إلى خطة مجزأة حيث لم تكن مسارات الروبوتات محسنة للمجموعة. تقدم الخوارزمية الجديدة خطوة معالجة مسبقة حيث تحدد الروبوتات أولاً مجموعات طبيعية من المهام القريبة من بعضها البعض، لتشكل مجموعات صغيرة ومنطقية. وبمجرد تحديد هذه المجموعات، تدخل الروبوتات مرحلة تفاوض حيث تقترح إجراءات ليس فقط للعناصر الفردية، بل لهذه المجموعات بأكملها. قد يطالب روبوت بمجموعة كاملة غير مخصصة، أو يستولي على مجموعة من روبوت آخر، أو حتى يقسم مجموعة ليأخذ جزءاً محدداً منها تاركاً الباقي لزميله.

هذا التحول من تقديم العطاءات الفردية إلى التفاوض على مستوى المجموعة يسمح للروبوتات برؤية هيكل المهمة بوضوح أكبر. فعندما يقدم الروبوت عطاءً على مجموعة، فإنه يحسب تكلفة السفر إلى بداية تلك المجموعة ثم التحرك عبر جميع العناصر داخلها. وهذا يضمن أن المسار المتخذ يكون سلساً ومباشراً، بدلاً من أن يكون سلسلة من القفزات المنفصلة. ووجد الباحثون أن هذه الطريقة تتوافق بشكل أفضل بكثير مع هدف تقليل إجمالي المسافة المقطوعة من قبل الفريق بأكره. وفي عمليات المحاكاة الخاصة بهم، أنتجت الخوارزمية الجديدة باستمرار مسارات أكثر كفاءة من الطريقة القديمة، حيث نادراً ما أهدرت الروبوتات الحركة في العودة إلى الوراء أو السفر المتكرر. لم يكن التحسين مجرد تعديل بسيط؛ بل مثل تحولاً جذرياً في كيفية فهم الروبوتات لبيئتهم، من رؤية ضيقة للخطوة التالية إلى رؤية أوسع للرحلة بأكملها.

كما استكشفت الدراسة مدى قدرة هذا النظام على التوسع مع تغير عدد الروبوتات والمهام. اختبر الباحثون الخوارزمية عبر مجموعة متنوعة واسعة من السيناريوهات، بما في ذلك الحالات التي كان فيها عدد المهام أكثر بكثير من الروبوتات والعكس صحيح. وفي كل حالة، صمدت الطريقة الجديدة، محتفظة بكفاءة عالية، وتوصلت إلى حل بسرعة. وحتى في أكثر التكوينات تعقيداً، حيث توجب على الروبوتات التعامل مع العديد من المطالبات المتنافسة، حسم النظام النزاعات في أقل من خمس عشرة جولة من التواصل. يشير هذا الاستقرار إلى أن النهج قوي ويمكن تطبيقه في مشكلات العالم الحقيقي، مثل لوجستيات المستودعات أو المراقبة البيئية. وأشار الباحثون إلى أنه بينما كان النظام يعمل بشكل استثنائي في اختباراتهم، فإنه يفترض حالياً أن جميع الروبوتات متطابقة وأن بإمكانها التواصل فيما بينها بشكل مثالي. هذه ظروف مثالية، وسيتعين على العمل المستقبلي معالجة كيفية تعامل النظام مع روبوتات ذات قدرات مختلفة أو روابط اتصال غير مثالية.

ما يجعل هذا الاكتشاف مهماً بشكل خاص هو أنه يحل عدم كفاءة طويلة الأمد في الأنظمة اللامركزية دون الحاجة إلى قائد مركزي يوجه كل حركة. لا تزال الروبوتات تتخذ قراراتها الخاصة، لكنها تفعل ذلك من خلال فهم مشترك لكيفية تجميع المهام. وهذا يسمح للسرب بالعمل بمستوى من التنسيق كان من الصعب تحقيقه سابقاً بدون عقل مركزي. لقد أثبت الباحثون أنه من خلال تغيير وحدة التفاوض من مهمة واحدة إلى مجموعة من المهام، يصبح الفريق بأكمله أكثر فعالية. وقد تم قياس النتائج مقابل نموذج مثالي رياضي، وهو أفضل سيناريو نظري تم حسابه بواسطة كمبيوتر قوي، وجاءت الخوارزمية الجديدة قريبة بشكل ملحوظ من ذلك النموذج المثالي. في المقابل، أخفقت الطريقة القديمة، حيث تركت الفريق غالباً بمسارات أطول بكثير مما هو ضروري.

تمتد تداعيات هذا العمل إلى ما هو أبعد من مجرد أسراب الروبوتات. فأي نظام يتطلب فيه وجود وكلاء متعددون التنسيق لإكمال مجموعة من المهام الموزعة يمكن أن يستفيد من هذا التفكير القائم على المجموعات. سواء كانت طائرات بدون طيار تسلم الطرود، أو مركبات ذاتية القيادة تتنقل في مدينة، أو وكلاء برمجيات يديرون البيانات، فإن المبدأ يظل كما هو: النظر إلى المشكلة في مجموعات متصلة بدلاً من نقاط معزولة يؤدي إلى نتائج أفضل. لقد أظهر الباحثون أنه من خلال دمج هذا النوع من التفاوض على مستوى المجموعة في عملية صنع القرار، يمكن للأنظمة أن تصبح أكثر مرونة وكفاءة. لا تدعي الدراسة أنها حلت كل التباينات الممكنة للمشكلة، لكنها تقدم دليلاً قوياً على صحة المفهوم بأن تغيير الطريقة التي يرى بها الوكلاء مهامهم يمكن أن يحقق مكاسب كبيرة في الأداء.

في النهاية، يعود نجاح هذه الخوارزمية الجديدة إلى رؤية بسيطة: المهام القريبة من بعضها في المكان غالباً ما تنتمي معاً في خطة واحدة. ومن خلال إدراك ذلك وبناء نظام يحترم هذه المجموعات الطبيعية، نجح الباحثون في إنشاء طريقة تسمح للروبوتات بالعمل معاً بذكاء أكبر. أظهرت عمليات المحاكاة أن هذا النهج ليس فقط أكثر دقة، بل وأسرع أيضاً في الوصول إلى نتيجة، وهو أمر بالغ الأهمية للتطبيقات في الوقت الفعلي. ومع استمرار تطور مجال الروبوتات، والانتقال من السلوكيات البسيطة ذات المهمة الواحدة إلى السلوكيات الجماعية المعقدة والمنسقة، ستكون تقنيات كهذه ضرورية. يسلط هذا العمل الضوء على أنه في بعض الأحيان، لا يكمن المفتاح لحل مشكلة معقدة في جعل الوكلاء الأفراد أكثر ذكاءً، بل في تغيير الطريقة التي يصيغون بها المشكلة نفسها.