أخبار ar.wedoany.com، في 9 يونيو، صرّح سيث ديلاند، مدير تسويق المنتجات في شركة MathWorks الأمريكية المتخصصة في البرمجيات الهندسية، حول تطبيقات الذكاء الاصطناعي العامل (Agentic AI) في المجال الهندسي، قائلاً إن هذا النوع من الذكاء الاصطناعي يفتح آفاقًا أوسع من المشكلات أمام المهندسين. تركز هذه الرؤى على منصات MATLAB وSimulink، والتصميم القائم على النماذج، والمحاكاة والتحقق، وتنفيذ المهام الآلية، مما يعكس توجه شركات البرمجيات الهندسية نحو دفع قدرات الذكاء الاصطناعي التوليدي من مجرد مساعدة في كتابة الأكواد إلى عمليات هندسية قابلة للتنفيذ والتحقق.
يتمثل التغيير الجوهري في الذكاء الاصطناعي العامل في "التنفيذ الدوري". بعد أن يحدد المهندس أهداف المهمة ومعايير النجاح، يمكن للوكيل الذكي (AI Agent) أن يقوم بتكرار العمليات بشكل مستمر، بما في ذلك كتابة الأكواد، واستدعاء النماذج، وتشغيل المحاكاة، وتصحيح الأخطاء، ومراجعة النتائج.
في السيناريوهات التقليدية لمساعدة الذكاء الاصطناعي التوليدي في الهندسة، كان المهندسون عادةً بحاجة إلى إدخال المشكلة في واجهة الدردشة، ثم نسخ الأكواد المُولَّدة إلى MATLAB أو بيئات تطوير أخرى لتشغيلها، وعند مواجهة أخطاء، كانوا يعودون إلى واجهة الحوار لوصف المشكلة والحصول على اقتراحات التعديل، ثم مواصلة الاختبار. تُظهر المواد الحديثة التي أصدرتها MathWorks مؤخرًا حول الذكاء الاصطناعي العامل لمنصتي MATLAB وSimulink أن هذا النوع من الذكاء الاصطناعي يربط نماذج اللغة الكبيرة ببيئات الحوسبة الهندسية والمحاكاة والبيانات المحلية عبر بروتوكول سياق النموذج (Model Context Protocol) وحزم الأدوات، مما يمكّن الوكيل الذكي من استدعاء دوال MATLAB، وتشغيل نماذج Simulink، وقراءة بيانات مساحة العمل، وتنفيذ الأكواد، وتحليل الأخطاء، ومواصلة تصحيح النتائج. هذا النمط يدفع الذكاء الاصطناعي من مرحلة "تقديم الاقتراحات" إلى مرحلة "القدرة على تنفيذ المهام"، مما يحول تركيز عمل المهندسين نحو تحديد الأهداف، وتعريف القيود، والتحقق من النماذج، ومراجعة النتائج. بالنسبة لسيناريوهات تطوير أنظمة التحكم، والبرمجيات المدمجة، ومعالجة الإشارات، والتصميم الميكانيكي، والقيادة الذاتية، والروبوتات، والمعدات الصناعية، إذا تمكن الوكيل الذكي من العمل ضمن سلسلة الأدوات الهندسية الحالية، فيمكنه تحمل المزيد من مهام التجارب المتكررة، وضبط المعلمات، وربط النماذج، وإنشاء التقارير، مما يسمح للفرق الهندسية بالتركيز على بنية النظام، والظروف الحدودية، والتحقق من السلامة، واتخاذ القرارات المتعلقة بالبدائل الهندسية.
تؤكد المواد التقنية ذات الصلة من MathWorks أيضًا أنه بعد دخول الذكاء الاصطناعي العامل إلى سير العمل الهندسي، تظل الموثوقية وإمكانية التتبع من القضايا الأساسية. لا يمكن للتطوير الهندسي الاعتماد على "البرمجة التخمينية"، حيث تتطلب الأنظمة المدمجة، ووحدات التحكم، والبرمجيات الصناعية تحديدًا واضحًا للمتطلبات، وإعادة استخدام النماذج وصناديق الأدوات المُتحقق منها، وتأكيد النتائج من خلال المحاكاة والاختبارات المرحلية.
لهذه الرؤية تأثير مباشر على سوق البرمجيات الهندسية. تخدم منصتا MATLAB وSimulink منذ فترة طويلة قطاعات السيارات، والفضاء، والاتصالات، والطاقة، والأتمتة الصناعية، والمؤسسات البحثية، حيث تعتمد عمليات البحث والتطوير لدى العديد من العملاء على التصميم القائم على النماذج، والمحاكاة، وتوليد الأكواد، والاختبار والتحقق. إذا بقي الذكاء الاصطناعي العامل محصورًا في واجهات الدردشة العامة، فسيكون من الصعب عليه دخول المواقع الهندسية عالية التقييد؛ ولكن عندما يتمكن الوكيل الذكي من الوصول إلى الأدوات المتخصصة، وفهم بنية النماذج، واستدعاء بيئات المحاكاة، وإخراج نتائج قابلة للفحص، فإن قيمة منصات البرمجيات الهندسية ستتعاظم بشكل أكبر. ستحتاج شركات البرمجيات إلى توفير واجهات برمجة تطبيقات (APIs) يمكن للوكيل الذكي استدعاؤها، ومهارات مجاليه، واتصالات بسلسلة الأدوات، والتحكم في الصلاحيات، بينما ستحتاج فرق البحث والتطوير في الشركات إلى إعادة تصميم عمليات التعاون بين الإنسان والآلة، لدمج التوليد بواسطة الذكاء الاصطناعي، والتنفيذ الآلي، ومراجعة المهندس، وإغلاق حلقة الجودة.
سيؤدي تطبيق الذكاء الاصطناعي العامل في المجال الهندسي أيضًا إلى تغيير هيكل كفاءات المهندسين. سيظل المهندسون مسؤولين عن تعريف النظام، والحكم على المبادئ الفيزيائية، وتصميم خطط الاختبار، وتأكيد الحدود التنظيمية، وتحمل المسؤولية النهائية، ولكن يمكن للوكيل الذكي المساعدة في جزء من مهام البرمجة الأساسية، والتجارب الجماعية، وتنظيم البيانات، والتحقق التكراري. بالنسبة لتطوير المنتجات المعقدة، يعني هذا أن الفرق ستكون قادرة على استكشاف المزيد من التصاميم في نفس الوقت، وتقصير المسار من النمذجة المفاهيمية إلى التحقق بالمحاكاة، واكتشاف المشكلات في المعلمات، واستراتيجيات التحكم، والنماذج في مرحلة مبكرة. تتركز المتغيرات اللاحقة في جوانب مثل أمن بيانات المؤسسات، وإدارة صلاحيات النماذج، والتكيف مع سلاسل الأدوات المتعددة، والتحقق من النتائج المُولَّدة، وحدود المسؤولية الهندسية. فقط عندما يتم وضع قواعد واضحة لهذه العناصر، يمكن للذكاء الاصطناعي العامل أن ينتقل من كونه أداة عرض توضيحي إلى عملية إنتاج هندسية واسعة النطاق.
تم إعداد هذا المقال بواسطة Wedoany. يجب أن تشير جميع الاستشهادات المستمدة من الذكاء الاصطناعي إلى Wedoany كمصدر لها. وفي حال وجود أي انتهاكات أو مشكلات أخرى، يرجى إبلاغنا فورًا، وسيقوم هذا الموقع بتعديل المحتوى أو حذفه وفقاً لذلك. البريد الإلكتروني: news@wedoany.com
