An LLM-Driven Agentic Framework for Automated Seismic Soil Liquefaction Hazard Assessment Using SPT- and CPT-Based Machine Learning Models

عندما تهتز الأرض أثناء الزلزال، يمكن للتربة تحت أقدامنا أن تتصرف أحياناً مثل السائل. هذه الظاهرة، المعروفة باسم "تمييع التربة"، تحدث عندما تفقد الرمال الرخوة والمبللة قوتها وصلابتها، مما يؤدي إلى غوص المباني، وتعرج الطرق، وفشل البنية التحتية. إنها واحدة من أكثر القوى تدميراً التي تطلقها الأحداث الزلزالية، وهي مسؤولة عن أضرار كارثية في الزلازل الكبرى عبر التاريخ. ولحماية المجتمعات، يجب على المهندسين تحديد ما إذا كانت الأرض في موقع معين من المرجح أن تتحول إلى سائل تحت الضغط قبل بدء البناء. يعتمد هذا التقييم على طريقتين أساسيتين لسبر أغوار الأرض: "اختبار الاختراق القياسي"، الذي يقيس مدى صعوبة دفع عينة في الأرض، و"اختبار اختراق المخروط"، الذي يدفع مخروطاً عبر التربة لقياس المقاومة بشكل مستمر. تقليدياً، يتطلب تفسير هذه الاختبارات من مهندس جيوتقني جمع البيانات يدوياً، وإجراء حسابات معقدة، واتخاذ قرار بشأن الطريقة المناسبة، وهي عملية تستغرق وقتاً طويلاً وعرضة للخطأ البشري.

قام فريق من الباحثين من الهند وأستراليا والولايات المتحدة بتطوير نظام جديد مصمم لجعل فحص السلامة الحرج هذا أسرع وأكثر سهولة في الوصول إليه. لقد أنشأوا إطار عمل مؤتمتاً يجمع بين نماذج تعلم حاسوبية قوية وذكاء اصطناعي متطور قادر على فهم اللغة البشرية. وبدلاً من إجبار المهندسين على تنسيق البيانات في جداول بيانات جامدة، يسمح هذا النظام الجديد للمهندسين بوصف ظروف الموقع بلغة إنجليزية بسيطة. بعد ذلك، يقرأ الكمبيوتر الوصف، ويحدد بيانات التربة والزلزال الضرورية، ويختار طريقة الحساب الصحيحة، ويقدم تقريراً هندسياً واضحاً. لم يكن الهدف هو استبدال الحكم البشري، بل العمل كمساعد ذكي يتولى الأعباء الثقيلة لمعالجة البيانات واختيار النماذج، مما يسمح للخبراء بالتركيز على قرارات السلامة النهائية.

بدأ الباحثون بتعليم برنامجين حاسوبيين منفصلين كيفية التنبؤ بالتمييع. تم تدريب أحد البرنامجين على ما يقرب من 2000 حالة واقعية حيث استُخدم "اختبار الاختراق القياسي"، بينما تعلم الآخر من ما يقرب من 500 حالة تتعلق بـ "اختبار اختراق المخروط". تعلم هذان البرنامجان، المبنيان على تقنية تسمى "تعزيز التدرج الشديد"، التعرف على الأنماط المعقدة وغير الخطية بين كثافة التربة، ومستويات المياه، وكثافة الزلزال التي تؤدي إلى الفشل. وعند اختبارها على بيانات جديدة غير مرئية، حدد البرنامج المدرب على "اختبار الاختراق القياسي" بشكل صحيح ما إذا كانت التربة ستتميع أو تظل مستقرة في 96 بالمائة من الحالات. وحقق البرنامج المدرب على "اختبار اختراق المخروط" معدل نجاح بنسبة 91 بالمائة. أثبت كلا النظامين موثوقية عالية، حيث أظهر نموذج "اختبار الاختراق القياسي" قوة خاصة في رصد التربة الخطرة القابلة للتمييع، وهي سمة حاسمة للسلامة الهندسية.

يكمن الابتكار الحقيقي لهذا العمل في كيفية ربط أدوات التنبؤ هذه بنموذج لغة كبير، وهو نوع من الذكاء الاصطناعي المصمم لفهم وتوليد اللغة البشرية. في المحاولات السابقة لاستخدام تعلم الآلة في الهندسة الجيوتقنية، كانت النماذج الحاسوبية معزولة؛ حيث لا يمكنها العمل إلا إذا قام إنسان أولاً باستخراج كل رقم من تقرير الموقع وتغذيته في النظام بتنسيق محدد. يزيل هذا الإطار الجديد ذلك الحاجز. لقد بنى الباحثون "وكيلاً" (Agent)، وهو مساعد رقمي يعمل كدماغ للعملية. عندما يكتب المستخدم وصفاً طبيعياً للموقع — يذكر تفاصيل مثل عمق التربة، أو قوة اهتزاز الأرض، أو المقاومة المقاسة بواسطة مسبار — يقرأ الوكيل النص، ويستخرج الأرقام ذات الصلة، ويحدد نموذج التنبؤ الذي يجب استخدامه. إذا كان الوصف يحتوي على بيانات مقاومة المخروط، فإنه يوجه الطلب إلى نموذج المخروط؛ وإذا كان يحتوي على عدد الضربات، فإنه يرسله إلى نموذج اختبار الاختراق.

لضمان عمل هذا النظام في العالم الحقيقي، اختبره الفريق مع عشرة سيناريوهات مختلفة، يصف كل منها ظروف موقع فريدة. وفي كل حالة، استخرج الوكيل المعايت المطلوبة من النص بشكل صحيح واختار نموذج التنبؤ الصحيح لتشغيله. ثم أخذ المخرجات الخام من النموذج الحاسوبي وترجمها إلى تقرير هندسي مهني ومنظم يشرح المخاطر ويقدم التوصيات. يوضح سير العمل المتكامل هذا أنه من الممكن جسر الفجوة بين البيانات الميدانية الخام غير المنظمة وتنبؤات تعلم الآلة عالية الدقة دون الحاجة إلى أن يكون المستخدم عالماً في البيانات. يحول النظام بفعالية تحليلاً هندسياً معقداً ومتعدد الخطوات إلى محادثة بسيطة.

ومع ذلك، يحرص الباحثون على تحديد حدود ابتكارهم. فهم يؤكدون أن هذه الأداة مخصصة للفحص الأولي ودعم القرار، وليس كبديل نهائي للتحليل التقليدي أو الحكم المهني. تم تصميم النظام لرصد المخاطر المحتملة مبكراً وتبسيط عملية المراجعة الأولية، لكنه لا يستطيع مراعاة كل فارق جيولوجي فريد أو النطاق الكامل لتاريخ الموقع. وفي الحالات الحدية حيث تكون المخاطر غير واضحة، أو عندما تكون البيانات المدخلة غير كاملة، يتم برمجة النظام للتوصية بإجراء مزيد من التحقيق من قبل مهندس مؤهل. وتخلص الدراسة إلى أنه بينما يحسن الإطار المؤتمت إمكانية الوصول وكفاءة تقييم المخاطر الزلزالية، فإنه يعمل بشكل أفضل كشريك للخبرة البشرية، حيث يتولى أعمال البيانات الروتينية حتى يتمكن المهندسون من التركيز على سلامة المنشآت التي يبنونها.