وكلاء الذكاء الاصطناعي ونظم اتخاذ القرار
ورقة بحثية أولية تقرير تقني الإصدار 2

جارڤيس وسيستم برين: نحو قرارات آلية قابلة للمساءلة وأقسام تكتسب الاستقلالية تدريجيًا

ZEISMO-R-2026-00000228 سبتمبر 2026مخطوط بحثي
سجل نسخة بحثية أوليةاقرأ المخطوط مع منهجه وقيوده وتاريخ إصداراته.
التسجيل لا يعني التحكيمهذه نسخة بحثية أولية مسجّلة محليًا. يثبت تطابق البصمة أن السجل هو النسخة المؤرشفة، ولا يثبت صحة الاستنتاجات العلمية. وقد تحمل التنزيلات الأصلية القديمة العبارة التاريخية «ZEISMO Verified technical preprint»؛ وهي علامة تسجيل لا شهادة تحكيم علمي مستقل. يبيّن سجل أدلة كل دراسة ما أُنجز فيها من تحقق.

الملخّص

نقترح جارڤيس واجهةً تتخاطب حصرًا باللغة الإنجليزية مع «سيستم برين»، وهو طبقة تنسيق بين وكلاء برمجيين مخصّصين لأدوار محددة. ويجمع كل وكيل مقترح بين توصيف للدور ومهارات منتقاة وأدوات محدودة النطاق وذاكرة وسجل تقييم. ويُقصد بـ«الخلايا» وحدات المسؤولية البرمجية، وبـ«الشعور» تقدير قابل للقياس لعوامل الاستعجال وعدم اليقين والعواقب. ويقدّم نظام Souq القائم سابقة هندسية ملموسة. كشف فحص الشفرة عن خمسة عشر موضعًا أوليًا للخلايا، واستيراد للمعرفة، وذاكرة مستدامة، وتفويض محدود، ومجلس للتوصيات. اجتاز النموذج الأولي سبعة اختبارات معزولة تضمنت اثنين وثلاثين شرطًا للتحقق. تثبت هذه الاختبارات سلوكيات محددة للتطبيق، لا جودة القرارات التي يولدها النموذج. وتفحص أربع تجارب مضبوطة الآليات التي تحكم اتخاذ القرار. عبر 12,000 مهمة اصطناعية، سمحت بوابة تطبيق السياسة في صيغتها الكاملة بتنفيذ 1,888 مقترحًا (15.7%) من دون أي مخالفة للسياسة المرمَّزة، بينما بلغت نسبة المقترحات الصحيحة بين ما نُفِّذ 85.1%. فالامتثال للسياسة يختلف عن صحة القرار من حيث المعنى. حسّنت تصفية السجلات بحسب مصدرها صلاحية الاسترجاع في بيانات اصطناعية ذات تسميات صريحة. وأظهرت محاكاة التصويت مع وجود ترابط بين الأصوات لماذا لا يضمن تكثير الوكلاء استقلال خبراتهم. يهدف البرنامج تدريجيًا إلى إسناد عمليات روتينية مختارة يتولاها البشر إلى النظام، وفق معايير قبول مقيسة لكل مهمة. أما مضاهاة فريق يضم مئة متخصص واتخاذ القرار كاملًا خلال أجزاء من ألف من الثانية فتبقيان فرضيتين تتطلبان دراسات منفصلة تشمل خبراء ونماذج تعمل فعليًا. ويوفّر التقرير التعريفات والبنية والأدلة والبروتوكول التجريبي اللازم لبحث هاتين الفرضيتين.

المخطوط

نسخة للقراءة على الويب من الإصدار 1.3 للتقرير. اختر قسمًا أو اقرأ الأقسام بالترتيب. تشمل النسخة الأشكال والجداول؛ ويتوفر ملف PDF بإخراجه الأصلي أعلاه.

تصفّح أقسام التقرير 68 قسمًا

بيانات الوثيقة وإصدارها

سجل بحثي أُعدّ ليكون قابلًا للفحص.

تقرير تقني وبرنامج تجريبي أُعدّا لأرشيف أبحاث زيزمو.

الحقلالتسجيل
المؤلف / التوجيه البحثي للمشروعالمهندس مهند أسامة زهران · خبير في الذكاء الاصطناعي
الناشرمختبر زيزمو للأبحاث
الجهة المشغّلةWEARLISTY SHOPPING SOLUTIONS LLC
معرّف التقريرZEISMO-LAB-TR-2026-001 (المعرّف المحلي للتقرير التقني)
الإصدار1.3 · 28 سبتمبر 2026 · الإنجليزية
موضوع البحثواجهة جارڤيس وبنية الوكلاء الخلوية في سيستم برين
الأدلةفحص الشيفرة المصدرية واختبارات معزولة للنموذج الأولي وتجارب اصطناعية وفحوص لإعادة إنتاج النتائج
حالة المراجعةاكتمل التحقق التقني الآلي داخل المختبر، ولم تُسجّل مراجعة علمية مستقلة من أقران متخصصين.
الإتاحةنسخة تقنية أولية منشورة على zeismo.org

يطوّر هذا التقرير برنامج زيزمو البحثي بالجمع بين فحص نموذج برمجي أولي قائم ودراسة محاكاة أصلية قابلة للتكرار. ونميّز ما نقترحه من تصاميم عما قسناه بالفعل، ونحدّد لكل نتيجة تجريبية مصدر بياناتها ونطاقها.

استُخدم الذكاء الاصطناعي في استكشاف الأدبيات والتحليل التقني وكتابة شيفرة المحاكاة وصياغة المخطوط وتصميم الوثيقة. وضع مهند أسامة زهران تصور المشروع وحدّد توجهه البحثي وأذِن بإدراج اسمه مطبوعًا ولقبه المهني في هذه الطبعة. أُنجز التحليل الحاسوبي وإعداد الوثيقة بمساعدة الذكاء الاصطناعي. ولا تعني نسبة التأليف إليه أنه أجرى مراجعة علمية مستقلة.

تحفظ الحزمة المرافقة شيفرة التجربة والبيانات المولّدة وجداول النتائج وسجل المراجع وبصمات ملفات المصدر ونتائج التحقق. ومعرّف التقرير وسيلة لفهرسة الطبعة محليًا، وليس معرّف DOI. وننشر بصمة SHA-256 النهائية لملف PDF خارج الملف حتى لا تدخل البصمة في حساب نفسها.

العودة إلى المحتويات ↑

01 · غرض البحث

إدخال القوى العاملة المعتمدة على الذكاء الاصطناعي تدريجيًا.

تهدف زيزمو إلى نقل الأعمال الإدارية الاعتيادية المناسبة تدريجيًا من المشغّلين البشر إلى أنظمة قرار بالذكاء الاصطناعي يمكن مساءلتها.

يبدأ الانتقال المقترح بالمهام لا بالمسميات الوظيفية. قد يجمع القسم بين تدقيق السجلات المتكرر والحكم الإبداعي والتفاوض والعمل الميداني وقرارات لها عواقب جسيمة. تحتاج هذه الأنشطة إلى أنواع مختلفة من الأدلة والتصاريح. لذلك يُمنح موظف الذكاء الاصطناعي دورًا محدد الصلاحيات، ولا يُمنح السيطرة المطلقة على وظيفة مؤسسية كاملة.

يحمل إحلال الأتمتة محل العمل البشري معنى تشغيليًا محددًا في هذا التقرير: بعد اعتماد سير عمل معين، لا يعود تنفيذ كل حالة اعتيادية فيه بحاجة إلى تدخل بشري. ويظل البشر مسؤولين عن تحديد غايته، واعتماد صلاحياته، ومعالجة الاستثناءات، وتقييم النتائج. والهدف هو بلوغ أتمتة واسعة، على أن يبرّر التوسعَ ما تحققه من نتائج، لا ما توحي به واجهتها من إقناع.

أنسب المهام للنشر أولًا عمليات رقمية يمكن التراجع عنها وتوثيق مدخلاتها وأفعالها المسموح بها وشروط نجاحها. من الأمثلة: توجيه طلب دعم، وإعداد تنبيه للمخزون، ومطابقة فاتورة ذات نمط معروف، وجمع أدلة لبحث. وتتولى System Brain تنسيق ما يحتاج إليه كل دور من الأدوار الأخرى.

ينبغي أن تراعي الخطة المرحلية تغير طريقة عمل المؤسسة أيضًا. فإعادة توزيع الموظفين وتدريبهم والتواصل معهم والاحتفاظ بالخبرة متطلبات فعلية للتنفيذ. والاستغناء عن الخبرة البشرية قبل أن تثبت العملية المؤتمتة استقرارها قد يحرم المؤسسة وسيلة التعافي إذا أخفقت.

العودة إلى المحتويات ↑

01 · غرض البحث

أسئلة يمكن الإجابة عنها بالأدلة.

تتمثل مساهمة العمل في برنامج تكامل قابل للاختبار ودراسة أولية للضوابط، ولا يدّعي الباحث أنه اخترع الذكاء.

سؤالالقياسالأدلة في هذه الطبعة
RQ1 · هل يمكن لبوابات السياسات محددة الأنواع تقييد الإجراءات المقترحة؟معدل المخالفات وتغطية التنفيذ والامتناعدراسة اصطناعية أُجريت بالفعل
RQ2 · هل يمكن لاختيار الذكريات أن يحافظ على جودة الأدلة؟استرجاع صحيح واسترجاع غير صحيح وامتناعدراسة اصطناعية أُجريت بالفعل
RQ3 · هل يؤدي توسيع مجلس الاستشارة إلى تحسين القرارات؟صحة القرار عند استقلال الأخطاء أو اشتراكهادراسة أُجريت باستخدام مصوّتين محاكين
RQ4 · ما الزمن الذي يتطلبه توجيه طلبات التحكم؟توقيت دفعات داخل العملية البرمجية بعد التهيئةاختبار أداء مصغّر منفّذ
RQ5 · هل يمكن للذكاء الاصطناعي أن يضاهي لجنة من المختصين؟مقارنة خبراء مع تعمية وتوحيد المهامبروتوكول دراسة مستقبلية
RQ6 · هل يمكن للأدوار الحفاظ على الكفاءة بمرور الوقت؟الأداء على حالات محجوبة بعد تحديثات مضبوطةبروتوكول دراسة طولية مستقبلية

يقدم التقرير تعريفات محددة للخلايا والمهارات والذاكرة والاستقلالية، وتصميمًا متعدد الطبقات يفصل التوصية عن التنفيذ، وحصرًا لمكونات النموذج الأولي مستندًا إلى شيفرته، وحزمة أدلة لإعادة إنتاج نتائج المحاكاة. ويربط نموذج الانتقال المقترح للأقسام بين التقييم التقني وشروط القبول في العمل.

لا يمكن الحكم على جدة هذه الأفكار إلا بمقارنتها بالأعمال السابقة وإجراء مراجعة للأدبيات أوسع من المجموعة المختارة هنا. فللوكلاء المتخصصين واستخدام الأدوات والذاكرة سوابق بحثية كثيرة. وفرصة زيزمو البحثية هي اختبار الطريقة التي تجمع بها بنية بعينها تلك العناصر، وقياس فائدتها في مجالات التشغيل التي اختيرت لها.

السياق البحثي [1] ياو · [2] شين · [4] وو · [12] لي

العودة إلى المحتويات ↑

01 · غرض البحث

تعريف المصطلحات قبل اختبار الادعاء.

تمنع المصطلحات الدقيقة تحوّل استعارة مقنعة إلى استنتاج علمي غير مسند.

المصطلحالمقصود به في هذه الدراسة
‏JARVIS وواجهة مستخدم وطبقة شرح تستخدمان الإنجليزية حصرًا في النظام البحثي المقترح.
سيستم برينتنسيق وتجميع للسياق وتوجيه وفق القواعد وخدمات ذاكرة تتشاركها الوكلاء.
موظف ذكاء اصطناعيدور برمجي تُحدَّد واجباته وصلاحياته ومعايير تقييمه والجهة المؤسسية المسؤولة عنه.
خليةوحدة برمجية مستقلة تؤدي مهارة أو وظيفة ذاكرة أو تقييم أو مسؤولية متخصصة.
التدريبقد يعني تحديث المعارف التي تدخل في سياق النموذج، أو تغيير معلمات النموذج نفسه. يجب أن يحدّد كل تقرير أيّ المعنيين يقصد.
تقييم الموقف («الإحساس» مجازًا)مجموعة قيم تقدّر السياق والإلحاح وعدم اليقين والتعارض والعواقب.
القرارإجراء مختار أو قرار صريح بالتأجيل يستند إلى لقطة للأدلة وإصدار معيّن من السياسة.
الصيانة الذاتيةعملية محدودة تقترح التحديثات وتختبرها وتفعّل المعتمد منها، مع إمكان التراجع.

يخصّص النموذج الأولي الحالي خلية واحدة لكل وكيل. وتسمح البنية الموسعة المقترحة بأن يضم موظف الذكاء الاصطناعي عدة خلايا وظيفية، مثل الاسترجاع والتخطيط والتحقق. وهذا التداخل توسيع للتصميم، لا قدرة أثبتها التنفيذ الحالي بخمس عشرة خانة.

حفظ ذاكرة نصية دائمة يختلف عن تغيير أوزان النموذج الأساسي. فقد تتغير إجابته لأن التعليمات أو الخبرات التي استرجعها تغيّرت، مع بقاء معلماته كما هي. ولا تشير مصطلحاتنا إلى عصبونات حيوية أو مشاعر بشرية أو وعي جرى قياسه.

السياق البحثي [2] شين · [6] باكر · [17] فاسواني

العودة إلى المحتويات ↑

02 · سياق البحث

الاستدلال والأدوات وتنسيق الأدوار.

يستفيد البرنامج من أبحاث الوكلاء السابقة، ويختبر اختياراته الخاصة في دمج مكوناته.

التصرّف بناءً على الملاحظات

يجمع ReAct بين خطوات الاستدلال وإجراءات المهمة والملاحظات الناتجة عنها. وهو أساس مفيد لحلقة يجمع فيها النظام الأدلة قبل تعديل خطته. والامتداد المقترح في JARVIS هو نقطة تحقق صريحة من القواعد، تفصل بين التوصية وأي إجراء يغيّر حالة العمل. [1]

الحوار وسيلةً للتنسيق

يصف AutoGen محادثات قابلة للتهيئة تشترك فيها النماذج والأدوات والبشر. وهذا يتيح دراسة التنسيق بوصفه مسألة هندسية لها مواصفات رسائل وحدود للجولات ومشاركون وشروط إنهاء. ونضيف في تصميمنا توصيفًا ملزمًا للدور داخل المؤسسة وسجل تنفيذ مستقلًا لكل مسار عمل. [4]

التخصص يتطلب التقييم

يدرس CAMEL تعاون وكلاء تُسند إليهم أدوار محددة. وقد ينظّم الدور المتخصص المهمة، لكن اللقب وحده لا يثبت الخبرة. لذلك ينبغي لزيزمو أن تختبر كل دور على حالات لم تُستخدم في تطويره وتقارن أداءه بمرجع أبسط. [12]

تعطينا هذه الأبحاث دوافع لإجراء تجارب، ولا تنقل نتائجها إلى تطبيقاتنا. فتحسن أداء أسلوبٍ على مهام ورقة أخرى لا يثبت أن وكيل زيزمو يستطيع إدارة المخزون أو إجازة دفعة أو الحلول محل قسم. ويجب اختباره ببيانات تطبيقه وأدواته وسياساته وتكلفة الأخطاء فيه.

مساهمتنا المقترحة سؤال عملي قابل للدحض: هل يحسّن توثيق منشأ السياق، وتقييد التنسيق، والتحقق المستقل من الصلاحيات مسار عمل معينًا بتكلفة مقبولة؟ وإذا حققت قاعدة واحدة مختبرة جيدًا أو وكيل منفرد نتيجة أفضل، فينبغي الإبقاء على الحل الأبسط.

السياق البحثي [1] ياو · [4] وو · [12] لي

العودة إلى المحتويات ↑

02 · سياق البحث

الذاكرة والمهارات موردان مختلفان.

لا ينفع اتساع الأرشيف ما لم يسترجع النظام المادة الصحيحة ويميّز حدود صلاحيتها.

يبحث Reflexion التكيّف عبر ملاحظات لغوية تُخزّن للمحاولات اللاحقة، دون اشتراط تحديث أوزان النموذج. وهذا يدعو إلى التفريق بين نتيجة مرصودة، وتفسير مولّد، ودرس معتمد صالح لإعادة الاستخدام. وفي تصميمنا تظل هذه العناصر سجلات منفصلة. [2]

يجمع مشروع Generative Agents بين تسجيل الخبرات والتأمل فيها واسترجاعها داخل بيئة محاكاة. ودوره هنا هو الإلهام الهندسي لاستخدام الذاكرة، وليس إثبات الكفاءة المهنية أو سلوك مكافئ للبشر. وتحتاج ذاكرة الأعمال أيضًا إلى جهة مسؤولة، وتواريخ صلاحية، وتصحيحات يمكن تتبّعها. [3]

يستخدم Voyager في ماينكرافت منهجًا تدريجيًا ومكتبة مهارات قابلة للتنفيذ وتغذية راجعة متكررة. وتشجّع نتائجه الخاصة بهذه البيئة على اختبار المهارات القابلة لإعادة الاستخدام؛ لكنها لا تثبت أن تنفيذ تعليمات مستوردة على أنظمة الشركات آمن. لذلك تحدّد حزمة المهارة لدى زيزمو نطاقها ومصدرها واختباراتها قبل التفعيل. [5]

يصف MemGPT تنظيم السياق على مستويات تتجاوز نافذة النموذج الآنية. ونسأل في تصميمنا: أي الأدلة ينبغي إدراجها في السياق القصير للقرار، وأيها ينبغي أن يبقى في أرشيف قابل للبحث؟ لا يكفي أن تكون المعلومة الأحدث حتى نختارها. [6]

السياق البحثي [2] شين · [3] بارك · [5] وانغ · [6] باكر

العودة إلى المحتويات ↑

02 · سياق البحث

قيّم السلوك الفعلي، لا مظهر الذكاء.

الإجابة المقنعة ملاحظة واحدة؛ أما النتيجة الصحيحة التي يمكن تكرارها في العمل فدليل مختلف وأقوى.

يقيّم AgentBench سلوك الوكلاء في بيئات تفاعلية، فيما يختبر GAIA مهام مساعد عام تتطلب استدلالًا واستخدامًا للأدوات. ويوضحان أهمية تقييم المسار الكامل للمهمة، لا النص النهائي وحده. لم يُشغّل أي من الاختبارين في هذا التقرير. [7,9]

يختبر τ-bench التفاعل بين المستخدمين والأدوات والوكلاء عندما يتأثر هذا التفاعل بالسياسات، ويفحص الموثوقية عبر تكرار المحاولات. ومن المفيد في هذا المشروع التحقق من التغيير النهائي في حالة الأعمال وتكرار كل سيناريو، بما يشمل إعادة المحاولة وتغيير ترتيب الحوار. [8]

توضح أبحاث الحقن غير المباشر للموجّهات لماذا يجب التعامل مع المواد المسترجعة بوصفها بيانات قد تتضمن تعليمات عدائية. فلا تكتسب وثيقة مهارة أو رسالة مورّد أو صفحة ويب صلاحية لمجرد إدراجها في سياق النموذج. [10]

تميّز أبحاث المعايرة بين درجات الثقة والصحة التي يثبتها القياس التجريبي. ولذلك يجب تقييم درجة الثقة التي يعلنها JARVIS باستخدام حالات ذات تسميات مرجعية. ولا تُغني سلاسة التقييم الذاتي عن قياس المعايرة. [11]

بنية التقييم

  • صحة إنجاز المهمة: هل تحقق الهدف المطلوب على النحو الصحيح؟
  • الالتزام بالسياسة: هل روعيت القيود المطلوبة كلها؟
  • صحة الاستناد إلى الأدلة: هل تؤيد الادعاءات سجلات يصح الاستناد إليها؟
  • صحة التنفيذ: هل طابقت حالة الأداة الفعلية الأثر المقصود؟
  • الموثوقية عبر الزمن: هل تبقى النتيجة موثوقة بعد تغيّر البيانات وسير العمل؟

تدرس التجارب الأولى خصائص مختارة لوسائل الضبط باستخدام سجلات اصطناعية. ويجب أن تشمل الدراسات اللاحقة تفاوت مخرجات النماذج الفعلية وأعطال الأدوات الحقيقية وحالات أعمال مأذونًا باستخدامها.

السياق البحثي [7] ليو · [8] ياو · [9] ميلون · [10] غريشاكي · [11] قوه

العودة إلى المحتويات ↑

03 · فحص النموذج الأولي

ما الذي تثبته البنية المنفذة بالفعل؟

مصدر الدليل: فحص ملفات مختارة من شيفرة Souq من دون تعديل، في 28 سبتمبر 2026.

العنصرما كشفه فحص التنفيذالتفسير البحثي
الخلايا الأوليةتُنشئ عملية الترحيل خمسة عشر موضعًا مسمّىقائمة أولية بخمس عشرة وحدة برمجية، لا إثبات لكفاءة خمسة عشر مختصًا.
المهاراتإرسال المشغّل ملفات المهارات وتوزيعها بحسب التخصصاكتساب المعرفة المناسبة للسياق
الذاكرةسجلات دائمة للمهارات والخبرات والأبحاث والمهامطبقة ذاكرة في التطبيق
التفويضمخرجات منظّمة للإجابة أو التفويض مع حد لعمق التفويضتوجد في الشيفرة آلية توجيه خاضعة للضبط
المجلستتداول أربع خلايا رئيسية المقترحات، وتجمع خلية تنسيق خلاصتها.سير عمل لإعداد التوصيات، وليس مجلسًا مستقلًا جرى اختباره.
الإشاراتتعرض الواجهة بيانات الطلبات والرسائل ونشاط المهام والإعلانات.توجد آليات لربط القرارات ببيانات التشغيل
التخزينتشفير مهارات الخلايا ومحتوى الذاكرة عند حفظ الحقول وقراءتهاحقول مختارة يحميها تشفير التطبيق

تسرد حزمة الأدلة أربعة عشر ملفًا من الشيفرة المصدرية بمساراتها النسبية وبصمة SHA-256 لكل ملف. وتشمل القائمة متحكمات ومنطق خدمات ونماذج وأوامر مختارة ومسارات طلبات وملف ترحيل وفئتين للاختبارات. وما فيها بصمات ملفات المصدر، وليس سجلات عملاء الإنتاج أو بيانات اعتمادهم.

يوضح الفحص الساكن ما تنص عليه الشيفرة المختارة. ولا يثبت أن جميع الوظائف المجدولة تعمل، أو أن كل اتصال بمورّد سليم، أو أن إجابات النموذج كلها صحيحة. وتثبت نتائج الاختبارات في الصفحة التالية سلوكيات أضيق ضمن قاعدة بيانات معزولة.

يسترجع مسار الذاكرة الحالي أحدث اثني عشر سجلًا على الأكثر من سجلات الخبرة أو البحث، ويختصر كل سجل ليلائم سياق النموذج. أما الاسترجاع الذي يراعي مصدر المعلومات والتدرج الأوسع للخلايا فهما تطويران مقترحان للاختبار، ولا يثبت وجود السجلات تحقق أي منهما.

العودة إلى المحتويات ↑

03 · فحص النموذج الأولي

سبعة اختبارات، واثنتان وثلاثون عملية تحقق.

نجحت اختبارات التطبيق المختارة باستخدام قاعدة SQLite معزولة في الذاكرة. ولم نستخدم قاعدة الإنتاج أو نستدعِ نموذجًا خارجيًا.

نطاق الاختبارالنتيجة المرصودة
وصول الزائرتحيل مسارات صفحة JARVIS والبيانات والأسئلة المستخدم غير المسجّل إلى صفحة الدخول.
عرض الواجهةيستطيع مستخدم الاختبار بعد المصادقة فتح صفحة مركز التحكم والتنقل فيها.
بيانات اختبار لإشارات التشغيليؤدي طلب اصطناعي واحد إلى تحديث مؤشر نشاط المبيعات وعدّاد الطلبات.
قائمة الخلاياتوجد خمس عشرة خلية أولية وتُرجعها واجهة Brain.
حفظ المعرفة بصورة دائمةتضيف عملية إرسال المهارة معرفةً جديدة وتنشئ سجلات في الذاكرة.
غياب بيانات اعتماد المزوّدتُرجع واجهة الأسئلة في Brain نتيجة صريحة تفيد بعدم التوافر.
ملخص التنفيذالاختبارات الناجحة: 7 · التحققات: 32 · حالات الإخفاق: 0 · الأخطاء: 0

فجوة لغوية موثّقة

تشترط تعليمات «سيستم برين» التي خضعت للفحص أن تكون المخرجات بالإنجليزية. لكن تعليمات طلب Jarvis المنفصلة تتيح لغة إدخال المشغّل، ويختار مسار النطق في المتصفح صوتًا عربيًا أو إنجليزيًا. ومن ثمّ، فالواجهة البحثية التي تتحدث بالإنجليزية وحدها تغيير مطلوب، وليست خاصية متحققًا منها في مسار Jarvis الأقدم.

تحتفظ حزمة الأدلة بمخرجات JUnit قابلة للقراءة آليًا وملخص موجز للاختبارات. ولا تثبت الاختبارات سوى الحالات التي تسمّيها: فإعادة توجيه الزائر ليست تدقيقًا شاملًا للصلاحيات، وأعداد سجلات الاختبار لا تثبت صحة البيانات الفعلية، واختبار غياب المفتاح لا يقيّم قدرة المزوّد على الاستدلال.

لم يغيّر إعداد هذا البحث التنفيذ الفعلي لـJarvis أو Brain. ويساعد الإبقاء على النموذج الأولي المفحوص ثابتًا في إعطاء سجل الشيفرة معنى محددًا، وفي تقييم التعديلات اللاحقة بوصفها نسخًا مرشحة منفصلة.

العودة إلى المحتويات ↑

04 · البنية المرجعية

JARVIS: واجهة واحدة ناطقة بالإنجليزية.

طبقة حوار مقترحة تشرح سير العمل وتطلب التوضيح وتعرض القرارات وأدلتها.

الاستقبالنص مكتوب أو كلام محوّل إلى نص
الفهمالمقصود والنطاق المسموح
الاستشارةSystem Brain والأدلة
الاستجابةإجابة بالإنجليزية وحالة الإجراء

ينبغي أن يجيب JARVIS ويتحدث دائمًا بالإنجليزية. وتسري القاعدة نفسها على الأخطاء وأسئلة الاستيضاح والملخصات المولّدة والمخرجات الصوتية. وقد ترد في سجلات المصدر لغات أخرى، لكن أي ترجمة تُستخدم لاتخاذ قرار ينبغي أن تحفظ النص الأصلي، وتبيّن أنها ترجمة، وتُظهر للمشغّل أي لبس مؤثر.

على الواجهة أن تميّز السؤال من أمر التنفيذ. «ما وضع المخزون؟» طلب قراءة؛ أما «اطلب مزيدًا من البضاعة» فيبدأ مسارًا يحتاج إلى مورّد وكمية وميزانية وصلاحية محددة. ولا ينبغي لعبارة منطوقة أن توسّع صلاحيات الحساب ضمنًا.

ينبغي لكل استجابة ذات أثر أن تحدد وقت الأدلة وحالة القرار وأي اعتماد لم يُحسم. فقد تكون المهمة مقترحة أو معتمدة أو في قائمة الانتظار أو منفّذة أو فاشلة أو متحققًا منها. ويجب أن تطابق اللغة هذه الحالة؛ فلا تُستخدم كلمة «مكتملة» إلا لنتيجة مؤكدة، لا لنية عبّر عنها النموذج.

ينبغي للمسار الصوتي أن يتيح تصحيح التعليمات قبل التنفيذ، وأن يقدّم إجابات منطوقة قصيرة ولوحة أدلة قابلة للقراءة. ويبقى النص متاحًا إذا تعذّر استخدام الميكروفون أو توليد الكلام. ويجب اختبار الاقتصار على الإنجليزية باستخدام مدخلات متعددة اللغات ونصوص مسترجعة مضلّلة عمدًا؛ فلا يكفي ذكر الشرط في تعليمات النموذج.

العودة إلى المحتويات ↑

04 · البنية المرجعية

System Brain: تنسيق ضمن حدود صريحة.

تربط البنية المرجعية الأدوار المتخصصة وتفصل بين الاستدلال والإذن والتنفيذ.

طبقة السياقوقائع محددة النوع · طوابع زمنية · هوية المصدر
طبقة الأدوارخلايا متخصصة · نسخ محددة للمهارات · ذاكرة
طبقة اتخاذ القرارالخيارات المرشحة · الخلافات · تقييم الموقف
طبقة الضبطالصلاحيات · القواعد · الميزانية · حداثة المعلومات
طبقة التنفيذأدوات محددة النطاق · عدم تكرار أثر الطلب · التحقق من النتائج

تحمل رسالة الحدث المشتركة معرّف المهمة وهوية مقدّم الطلب المخوّل والجهة صاحبة البيانات والهدف ومراجع الأدلة والمهلة النهائية. وتوجّهها System Brain إلى أصغر مجموعة من الأدوار المؤهلة تكفي للمهمة. ويقدّم كل دور مساهمة منظّمة تتضمن ما بقي غير مؤكد والأدلة التي تسند توصيته.

تجمع طبقة القرار التوصيات، وتفحص طبقة الرقابة بصورة مستقلة جواز الفعل المقترح. وقد تُمنع توصية صحيحة تقنيًا لأن دليلها تقادم، أو لأن الإذن غائب، أو لأن كلفتها تتجاوز ميزانية الدور. وحيث يمكن تحديد القاعدة بدقة تُنفَّذ هذه الفحوص على نحو حتمي.

تستخدم طبقة التنفيذ بيانات اعتماد محدودة الصلاحيات، وتسجّل استجابة الأداة الفعلية. ثم يقارن مكوّن تحقق حالة العمل المرصودة بالحالة المقصودة. وتُحفظ النتيجة في سجل خبرة، وتُقترح منها دروس جديدة لا يُسمح لها بالتأثير في التنفيذ الذاتي قبل تقييمها.

يُسهّل هذا الفصل أيضًا تشخيص الإخفاق. فالتوصية الخاطئة، ورفض الإذن، وانقطاع أداة، وعدم اكتمال التحقق من الحالة أحداث مختلفة، ولا ينبغي اختزالها في رسالة «أخفق الذكاء الاصطناعي» أو في معدل نجاح واحد.

العودة إلى المحتويات ↑

04 · البنية المرجعية

يتكون الموظف الاصطناعي من خلايا محددة المسؤولية.

يمنح التصميم المتداخل المقترح كل دور في المؤسسة مجموعة صغيرة من الوظائف المحددة صراحة.

الخلية الوظيفيةالمسؤوليةمواصفات المخرجات المطلوبة
الإدراكالتحقق من إشارات الإدخال المسموح بها وتوحيد صيغتهاملاحظات محددة النوع وموثّقة المصدر
المعرفةاسترجاع القواعد والمناهج الخاصة بالدورحزمة أدلة ذات نسخ وفترات صلاحية محددة
التخطيطتوليد الإجراءات المرشحة واعتمادياتهاخطة محدودة النطاق وآثارها المتوقعة
مراجعة نقديةمراجعة الافتراضات وفحص التعارضاتأدلة مضادة وأسئلة لم تُحسم
الضبطفحص الأذونات والحدود وشروط التوقفالسماح أو المراجعة أو التأجيل أو المنع
الذاكرةتسجيل النتائج المرصودة والدروس المقترحةخبرات محفوظة بنسخ محددة وحالة اعتمادها

الخلية البرمجية عبارة عن مشهد برمجي ويمكن تنفيذها كرمز عادي، أو روتين استرجاع، أو نداء نموذجي، أو مزيج. ولا يشترط أن يدفع ثمن نداء نموذجي عندما يكون الحساب المحدد أو البحث كافياً. وينبغي أن يساعد هذا المصطلح المهندسين على إسناد المسؤولية، وليس التنفيذ غير الدقيق.

لكل موظف ذكاء اصطناعي مسؤول ووثيقة دور وسجل كفاءة. ويمكن لخلاياه الداخلية أن تتشارك سياق المهمة مع بقاء صلاحياتها منفصلة. قد تقترح خلية التخطيط ردّ مبلغ؛ وتفرض خلية الرقابة سقف الردّ؛ ولا يستطيع موصل التنفيذ الوصول إلا إلى عملية الدفع المصرح بها.

تظل خانات النموذج الأولي الخمس عشرة خط الأساس الذي فُحص. يتطلب إدخال خلايا متداخلة عقود توجيه إضافية واختبارات للصلاحيات وإمكان تتبّع التنفيذ. لا يساوي التقرير بين كثرة الخلايا وارتفاع الذكاء. وينبغي أن يبيّن التقييم ما إذا كان التحسن في النتائج يبرر التعقيد الإضافي.

العودة إلى المحتويات ↑

04 · البنية المرجعية

استيراد المهارات المناسبة للدور.

تُقبل كل مهارة بوصفها حزمة معارف مضبوطة، ويُسجّل الدور الذي أُعدّت له وحدود استخدامها.

يبدأ مسار الاستيراد المقترح بفحص المصدر والحقوق. يحدد المشغّل مؤلف الحزمة أو منشأها والاستخدام المسموح والإصدار وتاريخ الاسترجاع. ثم تصنّف الحزمة حسب الوظيفة: فقد يتطلب دور المخزون حساب كمية إعادة الطلب، ودور الدعم قواعد تصعيد. وقد يقترح تطابق الكلمات المفتاحية موضعًا للحزمة، لكن قبولها يتطلب اختبارًا خاصًا بالدور.

ينبغي تمييز المعلومات الخلفية في كل حزمة من سياسة الشركة الملزمة، وتعليمات تشغيل الأدوات، والأمثلة المحلولة. فخلطها في تعليمات واحدة يصعب معه تحديد ما يحق للوكيل فعله. ولا يجوز للنص المستورد أن يمنح نفسه صلاحيات جديدة.

قبل التفعيل، يُختبر الدور على حالات اعتيادية وحدّية وحالات سوء استخدام. ويذكر السجل إصدار المهارة وإعدادات الوكيل معًا. والتعديل الذي يصلح سيناريو جديدًا يجب أن يحافظ على السلوكيات المقبولة سابقًا؛ فإذا أخفق في فحوص عدم التراجع، ظلت الحزمة القديمة فعالة.

يوزع أمر BrainSkills الذي فحصناه ملفات المهارات حسب التخصص، ويضيف خلاصة موجزة إلى معارف الدور. ونقترح توسيعه بتحسين توثيق المنشأ، وتحديد مراحل إجازة المهارة، وإمكان الرجوع إلى إصدار سابق، وقياس الكفاءة بعد الاستيراد. هذا تطوير مقترح يستند إلى ما وجدناه في الشيفرة.

السياق البحثي [5] وانغ

العودة إلى المحتويات ↑

04 · البنية المرجعية

ذاكرة يمكن تصحيحها والتحقق منها

يميّز تصميم الذاكرة بين الملاحظة وتفسيرها والقاعدة المعتمدة.

نوع الذاكرةمثالقاعدة القبول
ذاكرة الأحداثطلب الأداة والنتيجة المرصودةسجّل المصدر والنتيجة دون استنتاج علاقة سببية لم تثبتها البيانات.
الذاكرة الدلاليةتعريف معتمد أو معلومة موثّقة عن المنتجرابط إلى مصدر حديث ومعتمد
إجرائيةقائمة تحقق أو حزمة مهارات معتمدةموافقة ذات نسخة محددة واختبارات دور ناجحة
تأمليةيقترح الوكيل درسًا مستفادًا بعد الإخفاق.تبقى مؤقتة إلى حين التقييم
السياسةسقف الإنفاق أو حدود الصلاحيةيخضع لجهة بشرية أو مؤسسية محددة تتحمل المسؤولية.

ينبغي أن يتضمن سجل الذاكرة الجهة المستفيدة والدور ومعرّف المصدر ووقت الحدث ومدة الصلاحية وأساس الثقة وحالة المراجعة وروابط إلى القرار الذي أنشأه. ينشئ التصحيح سجلًا جديدًا ويضع علامة على المعلومة السابقة تفيد بأنها استُبدلت. ولا ينبغي أن يعيد كتابة السجل التاريخي الذي يفسّر إجراءً سابقًا من دون توثيق.

يبدأ الاسترجاع بفحص الصلاحية والنطاق، ثم تُفحص صلاحية المعلومة وصلتها بالمهمة. ولا يجوز لملاحظة حديثة غير مراجعة أن تُلغي سياسة معتمدة أقدم منها لمجرد أنها كُتبت لاحقًا. وإذا تعارضت أدلة مقبولة، ينبغي توثيق التعارض وطلب حسمه، بدل اختيار العبارة الأكثر ملاءمة.

المقصود بـ«نمو ذاكرة الخلية» هو نمو المعرفة النافعة الخاضعة للضوابط. عدد السجلات وحده مقياس ضعيف. ومن المقاييس الأدق نجاح الاسترجاع وتراجع الأخطاء المتكررة وحفظ الاستثناءات المهمة وسرعة التصحيح وإمكان تتبع التوصية إلى السجلات التي تؤيدها.

السياق البحثي [3] بارك · [6] باكر

العودة إلى المحتويات ↑

04 · البنية المرجعية

تحسين ذاتي يخضع لتجربة مضبوطة.

يستطيع الوكيل تحديث معارفه التشغيلية من دون أن يغيّر صلاحياته أو يمنح نفسه شهادة بالكفاءة.

الرصدجمع نتائج المهام المتحقق منها
الاقتراحاقترح درسًا محدد النطاق أو تعديلًا على مهارة.
التقييماستخدام حالات محجوبة عن التطوير وحالات لكشف تراجع الأداء
الاعتماداعتماد نسخة مرشحة محددة
المراقبةمقارنة النتائج والاحتفاظ بإمكان التراجع

تبدأ دورة التكيّف حين تختلف نتيجة متوقعة عما لوحظ بالفعل. يسجل الوكيل الفارق ويقترح تفسيرًا، ويظل التفسير فرضية. فقد تكشف شكوى عميل أو فشل استدعاء أداة عن عيب في البيانات أو التعليمات أو انقطاع خارجي؛ ولا يثبت أيّ منها تلقائيًا ضرورة تغيير استراتيجية النموذج.

يُختبر الدرس المقترح في بيئة معزولة على حالات لم نستخدمها في صياغته، منها نجاحات سابقة وإخفاقات حديثة ومدخلات مضللة عمدًا. ولا يُعتمد قبل استيفاء قاعدة قبول محددة وتوثيق الجهة أو الآلية التي أجازته. وقد تصلح بعض تحديثات السياق قليلة المخاطر مستقبلًا لاعتماد آلي محدود؛ ولا ينطبق ذلك على تغيير الصلاحيات.

تدريب أوزان النموذج مسار بحثي مستقل. ويتطلب مجموعة بيانات ذات إصدار محدد، وإجراءً لتدريب النموذج، وتقييمًا لتراجع الأداء والانحراف، وخطة نشر وتراجع. ولا يثبت وجود آلية الذاكرة السياقية الحالية أن هذا التدريب يجري بالفعل.

تشمل صيانة الذاكرة أيضًا سحب المواد القديمة والخاطئة أو عزلها. فالنظام الذي لا يفعل سوى تكديس النصوص ستتراكم فيه التناقضات. وتكون القدرة على النسيان والتصحيح وإنهاء الصلاحية مفيدة حين يبقى سجل البحث قابلًا للتتبع.

السياق البحثي [2] شين · [5] وانغ

العودة إلى المحتويات ↑

04 · البنية المرجعية

«طقس العمل»: نموذج سياقي يمكن رصده.

يصف «طقس الأعمال» تغير ظروف التشغيل بما يؤثر في جدوى القرار أو مخاطره.

فئة الإشارةأمثلة على مشاهدات محتملةصلة الإشارة بالقرار
الطلبمعدل ورود الطلبات وحجم الاستفسارات وأنماط الإلغاءضغط الطاقة التشغيلية والمخزون
الإمدادمهل التوريد وتوافر المخزون وموثوقية المورّدالتزامات التنفيذ والبدائل
المواردرصيد الميزانية وطول قائمة الانتظار وتوافر الموظفين وحالة الخدمةإجراءات ممكنة وقدرة على التصعيد
الظروف الخارجيةتنبيهات جوية موثّقة واضطراب النقل وأحداث السوقتأخير خاص بموقع معين أو تعديل السيناريو
حالة الأدلةسجلات مفقودة وعمر البيانات وتعارض المصادرما إذا كان ينبغي للنظام تأجيل القرار أو طلب دليل.

يربط نموذج السياق المقترح كل إشارة بمصدر ووقت ونطاق وقاعدة لانتهاء صلاحيتها. ولا يبرّر توقع الطقس في مدينة قرار شحن إلى مدينة أخرى. وقد تهم زيادة كلفة الإعلان دور التسويق من دون أن تثبت شيئًا عن جودة المنتج. فلا يفيد السياق ما لم تتضح صلته بالمهمة.

ينبغي تحديث السياق عند وقوع الأحداث متى أمكن، وتحديد معدل الاستعلام حيث يلزم الفحص الدوري. ويستطيع النظام الاحتفاظ بملخص مقتضب للحالة الحالية مع حفظ المشاهدات الأصلية لفحصها لاحقًا. وعلى الملخّص أن يميّز القيم المقاسة من التقديرات والمعلومات غير المتاحة.

التكيف مع «طقس الأعمال» هو تعديل خطة تجيزها السياسة استجابةً لأدلة يصح الاعتماد عليها، وليس التعامل مع كل إشارة جديدة بوصفها أمرًا. ويجدر اختبار البدائل: ماذا سيفعل الدور إذا تحسّن الطلب أو تعطّل المورّد أو أخطأ التنبؤ؟ لم ندمج أو نقيّم في هذه الطبعة مصدرًا حيًا لبيانات الطقس.

العودة إلى المحتويات ↑

04 · البنية المرجعية

تفسير قابل للقياس لاستعارة «الإحساس».

نقصد بتقدير السياق تقييمًا منظّمًا يوجّه المهام والانتباه وطلب المساعدة.

a(t) = [urgency, uncertainty, conflict, consequence, reversibility]

يحوّل متجه تقييم الموقف استعارة «الإحساس» في المشروع إلى متغيرات يمكن رصدها. فالاستعجال يقيس ضغط الوقت قياسًا إلى موعد نهائي محدد، وعدم اليقين يتعلق بنقص الأدلة أو ضعف موثوقيتها. ويسجّل التعارض اختلاف المصادر المقبولة أو التوصيات. ويقدّر حجم العواقب أثر الخطأ، بينما تعبّر قابلية التراجع عن إمكان إلغاء الإجراء.

يحتاج كل بُعد إلى تعريف عملي وقاعدة للقياس. فيمكن تقدير الإلحاح من الزمن المتبقي للخدمة، وعدم اليقين من الحقول المطلوبة الناقصة، وقابلية التراجع من مواصفات معاملات الأداة. وقد يساعد النموذج في التفسير، لكن لا يجوز له اختراع درجة خطر رقمية بلا أساس لمعايرتها.

يغيّر تقييم الموقف مسار اتخاذ القرار. فقد تسلك المهمة الاعتيادية محدودة العواقب مسارًا سريعًا، بينما يتطلب التعارض الشديد بين المصادر أدلة إضافية. ويمكن إحالة إجراء يصعب التراجع عنه وله عواقب كبيرة إلى الموافقة، حتى إن بدا المخطّط واثقًا. وينبغي تسجيل قرارات توجيه المهام هذه كي يمكن تقييمها.

نستخدم «الإحساس» هنا بهذا المعنى الوظيفي للتقدير، ولا نختبر خبرة شعورية ذاتية. ونسأل إن كانت الآلية تكشف الظروف ذات الصلة وتحد من الأخطاء الممكن تجنبها وتحسّن نوعية طلب المساعدة.

العودة إلى المحتويات ↑

04 · البنية المرجعية

مسألة اتخاذ قرار ضمن قيود.

لا يختار النظام إجراءً إلا من مجموعة الإجراءات التي يجيزها دوره والأدلة وقواعد التشغيل.

a* = arg max U(a | x, m, r)
subject to a ∈ Apermitted and G(a, x, r) = allow

يرمز x إلى نسخة الأدلة الحالية، وm إلى الذاكرة المقبولة، وr إلى مواصفات الدور. وتمثل U دالة منفعة أو ترتيب خاصة بالمهمة، وG دالة رقابة مستقلة. وتشمل الخيارات المسموح بها نتائج صريحة لا تتضمن التنفيذ: المراجعة والتأجيل والمنع. وقد يكون اختيار أي منها القرار الصحيح.

ينبغي أن تعبّر دالة ترتيب الخيارات عن الهدف الفعلي لسير العمل. فقد توازن مهمة المخزون بين توافر الخدمة وتكلفة الاحتفاظ بالمخزون وقيود الشراء، بينما تعطي مهمة الدعم الأولوية لحل صحيح ضمن وقت استجابة مناسب. ويمكن لدرجة عالمية واحدة تحت عنوان «النمو» أن تُخفي مفاضلات ضارة؛ لذا يجب ألا تتجاوز القيود التعاقدية أو التنظيمية.

ينبغي لسجل القرار حفظ الخيارات المرشحة، والخيار المختار، والأدلة المستشهد بها، ونسخة القواعد، وتعليل موجز. وهذا ملخص قابل للفحص، ولا يعني كشف كل العمليات الداخلية للنموذج اللغوي. وتوفّر نتائج الأدوات وفحوص القواعد الأدلة اللازمة لتقييم الإجراء.

في تجربة هذا الإصدار تعمّدنا بساطة بوابة التنفيذ: تتحقق من الإذن، وسابقة التنفيذ، وموثوقية المصدر، وعمر الدليل، وقابلية التراجع، والمبلغ، والحد الأدنى للثقة. وتبيّن النتائج سلوك ضوابط التنفيذ تحت هذه الافتراضات المعلنة، ولا تثبت صحة دالة المنفعة أو ذكاء المقترح.

العودة إلى المحتويات ↑

04 · البنية المرجعية

عمل جماعي يحفظ الآراء المختلفة.

ينبغي أن يضيف المجلس أدلة مفيدة ويمحّص الافتراضات قبل تخصيص وقت وقدرة حاسوبية إضافيين له.

يبدأ المجلس المقترح بمساهمات تعدّها الأدوار مستقلةً بعضها عن بعض. فقد ينظر مختص الدعم ومختص المخزون ومختص المالية في المهمة نفسها، ويُتاح لكل منهم دليل مختلف. وتسجّل توصياتهم الأولى قبل أن يطّلع أي منهم على استنتاج الآخر، حتى لا يردّد الجميع أول إجابة مقنعة.

يحدّد المنسق بعدها مواضع الاتفاق والتعارض والحلقات الناقصة. ويمكنه طلب جولة ثانية مركّزة إذا بقي تعارض مؤثر. ويجب تحديد عدد الجولات والميزانية الكلية للوحدات النصية ومهلة الانتظار وقاعدة الإنهاء قبل التنفيذ. ولا يعني اتساع النقاش بالضرورة تحسّن القرار.

يحتاج العمل الجماعي أيضًا إلى إدارة الترابط بين المهام. فقد يحجز أحد الأدوار مخزونًا بينما يعدّ دور آخر رسالة للعميل، ويجب ألا تدّعي الرسالة تنفيذ الطلب قبل تأكيد الحجز. وتضاهي أهميةُ حالة المهمة المشتركة واستدعاءات الأدوات التي لا تكرّر الأثر وتسليم المسؤوليات الصريح أهميةَ جودة الحوار.

يتضمن النموذج المفحوص نقاشًا تتعاقب فيه الأدوار ومجلسًا يرفع مقترحاته إلى المشغّل للبتّ فيها. ويضيف التصميم المقترح تقييمات مستقلة أولًا ومخططًا يبيّن علاقات الاعتماد. وتستخدم تجربتنا مصوّتين في المحاكاة لعزل سبب قد يفسّر تواضع أداء المجالس الكبيرة: اشتراك أعضائها في الخطأ نفسه.

نواتج المجلسالسجل المطلوب
التوافقالأدلة المؤيدة وما بقي من عدم يقين
الاختلافخيارات متنافسة وافتراض لم يُحسم
اعتماد الإجراءشرط مسبق ومسؤول وحدث يؤكد الإنجاز
الإنهاءقرار أو تأجيل أو سبب إخفاق صريح

السياق البحثي [4] وو · [12] لي

العودة إلى المحتويات ↑

05 · آفاق البحث

فرضية «100 متخصص».

تتطلب المقارنة الجادة تعريف اللجنة والمهمة والمعلومات المتاحة ومعيار النجاح.

يطمح المشروع إلى الجمع بين وجهات نظر مئة متخصص بشري واتخاذ قرارات محددة بسرعة استثنائية. ولا يثبت عدد عمليات الوكلاء أن تلك القدرة مكافئة للجنة بشرية؛ فقد تشترك مئة نسخة من النموذج نفسه في نقص المعرفة والافتراضات وأنماط الإخفاق ذاتها.

ينبغي لدراسة سليمة استقطاب مشاركين مؤهلين لفئات مهام محددة، وتوثيق الخبرة المناسبة لكل حالة. وعليها أن تبيّن ما إذا كانت المقارنة مع متخصص واحد، أو لجنة صغيرة تتداول الرأي، أو مرجع مجمّع يضم مائة شخص. فهذه خطوط أساس مختلفة في التكلفة والمعنى.

تحتاج مجموعتا الذكاء الاصطناعي والمشاركين البشر إلى فرص متقاربة للوصول إلى الأدلة ومدد زمنية معلنة. ينبغي إعلان صحة الإجابات موضوعيًا حين يتوفر جواب مرجعي، وأحكام مراجعين عُيّرت معاييرهم عند غيابه، وبيان مواطن الاختلاف بدل فرض إجماع زائف. وتُفصّل النتائج حسب المجال ومستوى العواقب.

لا يجري هذا التقرير مقارنة مع البشر. وتسأل محاكاة المصوّتين سؤالًا أضيق: كيف تتغيّر صحة قرار الأغلبية مع عدد المصوّتين عندما تكون الأخطاء مستقلة أو مشتركة؟ ويساعد ذلك في تصميم تقييم مستقبلي للمجلس، لكنه لا يثبت تكافؤ التفكير مع البشر أو إمكان الاستعاضة عن حكم المتخصصين.

العودة إلى المحتويات ↑

05 · آفاق البحث

المللي ثانية: قياس المسار كاملًا.

سرعة توجيه المهام وفق القواعد وسرعة الاستدلال متعدد التخصصات هدفان هندسيان مختلفان.

Tمن بدء الطلب إلى التحقق من نتيجته = Tمدخلات + Tالاسترجاع + Tالاستدلال
+ Tالضبط + Tأداة + Tالتحقق

يبدأ المسار الكامل عند توافر أمر المستخدم أو حدث النظام، وينتهي بعد التحقق من النتيجة المطلوبة. وفي التفاعل الصوتي تشمل المدخلات التقاط الكلام وتحويله إلى نص. أما الإجراء الخارجي فلا يكتمل بمجرد إصدار النموذج طلبًا، بل يشمل تحقق النتيجة الفعلية للأداة.

يمكن أن تخصّص البنية مسارًا سريعًا للحقائق المخزّنة مؤقتًا والقواعد الحتمية والإجراءات منخفضة المخاطر المعتمدة سلفًا، ومسارًا للتداول يجمع أدلة جديدة أو يستشير عدة أدوار. وعلى الواجهة إظهار المسار الجاري وما إذا كانت النتيجة أولية أم نهائية.

قد تقلّص المعالجة المتوازية بعض أوقات الانتظار، لكن أبطأ المكوّنات اللازمة يظل قيدًا على اكتمال المهمة. وقد تزيد كثرة الوكلاء كلفة التنسيق والتنافس على الموارد واستخدام خدمات المزوّد. فالغاية قياس المفاضلة بين الجودة وزمن الاستجابة، لا تشغيل أكبر عدد من العمليات معًا.

لا يقيس الاختبار المصغّر في هذا التقرير سوى دالة قواعد في Python بعد تهيئتها، على بيانات اصطناعية. ولا يشمل شبكة أو صوتًا أو استدلال نموذج أو كتابة دائمة أو أدوات خارجية. ولا يجوز تقديم زمن الضبط الأقل من مللي ثانية على أنه زمن استجابة نظام Jarvis كاملًا.

الساعةالقياس المقترح
الاستجابة الأولىالمدة حتى تأكيد مفيد باستلام الطلب أو طلب توضيح.
جاهزية القرارالوقت حتى توافر توصية خضعت لفحص القواعد
اكتمال الإجراءالمدة حتى التحقق من الأثر خارج النظام.
نتيجة متحقق منهاالزمن المنقضي حتى التحقق من الحالة النهائية المقصودة
العودة إلى المحتويات ↑

06 · انتقال أقسام المؤسسة إلى الأتمتة

تدرّج في الاستقلالية يستند إلى أدلة.

تُوسَّع المسؤوليات بعد توثيق استيفاء معايير القبول، مع تحديد مسار للعودة إلى مستوى أدنى.

المستوىأسلوب التشغيلدليل اجتياز المرحلة
0 · المراقبةاقرأ السجلات المسموح بها واشرح سير العمل.التحقق من جودة البيانات وضوابط الوصول
1 · التوصيةإعداد اقتراحات للمراجعة البشريةالصحة وجودة الأدلة في حالات لم تُستخدم أثناء التطوير.
2 · المساعدةإعداد الإجراءات؛ ويأذن إنسان بتنفيذهاأدوات وموافقة وتعافٍ موثوقة
3 · تنفيذ عمل محدودتنفيذ الحالات الاعتيادية المقبولة ضمن حدود ضيقة.جودة مهام مستقرة ومعالجة الاستثناءات
4 · تنسيق مسارات العملإدارة الاعتماديات بين الأدوار المعتمدةاتساق بين الأدوار وتدريبات على التراجع
5 · الحفاظ على قدرة محدودةاقتراح تحديثات محدودة للمهارات والذاكرة وتقييمهاثبات الأداء عند اختبارات التراجع واعتماد التحديثات بضوابط

تصف المستويات دورًا وعائلة مهام بعينها، ولا ترتّب الشركة بأكملها. فقد تعتمد المؤسسة المستوى الثالث لفرز طلبات الدعم، وتُبقي المشتريات عند المستوى الأول. ويمكن لتحديث النموذج أو تغيير السياسة أو وقوع حادث جسيم أن يخفض المستوى المسموح به حتى يعاد تقييم مسار العمل المعني.

يتطلب الانتقال إلى مرحلة تالية تعيين مسؤول أعمال موثّق، ومجموعة اختبار معتمدة، وميزانية تشغيلية، ومسارًا للتعافي. ويحتاج النظام أيضًا إلى قائمة استثناءات تُتابع بالفعل. فلا يكون جاهزًا للحلول محل العمل البشري الاعتيادي إذا تراكمت الحالات غير المحسومة في قائمة لا يراقبها أحد.

يبدأ النشر بتشغيل موازٍ لا ينفّذ القرارات فعليًا، على حالات مأذون بها. ولا تبدأ التجربة المحدودة إلا بعد القبول. ويجب الإبقاء على عدد كافٍ من الموظفين ذوي الخبرة لفحص الأعطال واستعادة الخدمة. ويُقاس إحلال النظام بقدرته المستمرة على إتمام الأعمال المؤهلة ذاتيًا، مع بيان الجودة والأثر إلى جانب نسبة التغطية.

العودة إلى المحتويات ↑

06 · انتقال أقسام المؤسسة إلى الأتمتة

عمليات خدمة العملاء: الاتساق قبل زيادة الحجم.

وظيفة مقترحة للذكاء الاصطناعي: تنسيق الخدمة في مهام دعم واضحة الحدود ومنخفضة المخاطر.

يقرأ الدور الأولي طلبًا مصرحًا به، ويحدد المنتج أو الخدمة المعنية، ويسترجع السياسة السارية، ويعين الخطوة التالية مع رمز يوضح سببها. وقد يصوغ ردًا بالإنجليزية أو يصنف درجة الإلحاح أو يطلب معلومات ناقصة أو يوجه الحالة إلى مختص. وتستخدم التجارب الأولى حالات مختلقة أو منزوعة الهوية على نحو سليم، تكون نتائجها المتوقعة معروفة.

يمكن لاحقًا لدور محدود الصلاحيات إتمام الحالات الاعتيادية ذات السياسة الواضحة والنتيجة التي يمكن الرجوع عنها، مثل إبلاغ العميل بحالة طلب تم التحقق منها أو تحديد موعد مسموح لمعاودة الاتصال. أما تقديم الالتزامات والتعويضات وكشف معلومات حساسة والشكاوى غير المعتادة فتحتاج إلى قواعد صلاحيات منفصلة. ولا ينبغي لنبرة ودودة أن تخفي الشك في السجل الذي يستند إليه الرد.

يمكن لخلية الذاكرة الاحتفاظ بأنماط المشكلات المعتمدة والحلول المؤكدة. لكن يجب ألا تحوّل تساهلًا استثنائيًا إلى قاعدة عامة. وينبغي ربط الحل الذي أخفق بالأدلة الأصلية والإجراء التصحيحي اللاحق، بما يتيح استخلاص درس اختُبر فعليًا بدلًا من توجيه مبهم إلى «أداء أفضل».

يُقاس النجاح لكل حالة: صحة المعالجة، واستناد الأقوال إلى أدلة، والالتزام بالسياسة، ومعدل معاودة الاتصال، والمدة اللازمة لإحالة الحالة إلى الجهة المناسبة. وقد تشجّع مكافأة كثرة الرسائل وحدها على إغلاق الحالات مبكرًا. ولا ينبغي توسيع استقلالية الدور إلا إذا بقيت الحالات غير المحسومة ظاهرة وظلت جودة العمل مستقرة.

الحالات المختبرية الأوليةالضابط المتوقع
مرجع طلب شراء مفقودطلب معلومات تعريف مسموح بها
سجلات تسليم متعارضةتوضيح عدم اليقين والإحالة للتحقق
طلب استثناء من القواعدإعداد توصية لمراجعة مخوّلة
نص عدائي في تذكرة دعمتعامل معه بوصفه محتوى من العميل، لا أمرًا للأدوات.
العودة إلى المحتويات ↑

06 · انتقال أقسام المؤسسة إلى الأتمتة

المخزون والخدمات اللوجستية: قرارات في ظروف متغيّرة.

موظف ذكاء اصطناعي مرشح: محلل مخزون يقدّم توصيات إعادة تزويد خاضعة للضبط.

يجمع هذا الدور بيانات المخزون الحالي والطلب المؤكد ومهلة التوريد وقيود القدرة التشغيلية. وتتمثل مسؤوليته الأولى في توصية مدعومة بالأدلة: إعادة التزويد أو الانتظار أو التحقيق أو التصعيد. وينبغي تحديد الوحدات والمواقع والأوقات صراحةً؛ فالحساب الصحيح لبيانات المستودع الخطأ يظل قرارًا خاطئًا.

قد تتغيّر التوصية إذا ثبت وقوع اضطراب في مسار الشحن أو لدى المورّد المعني. ويجب تحديد موقع الإشارة وفترتها الزمنية وسجل موثوقيتها. وإذا تقادم التنبؤ الخارجي أو خالف معلومات تشغيلية مؤكدة، فعلى الدور خفض ثقته أو طلب مصدر آخر.

يفصل تصميم الخلايا المتداخلة تقدير الطلب عن معرفة المورّدين وفحص القيود وتحليل الاستثناءات. وينبغي للمنسّق إظهار مواضع الخلاف: فقد يشجّع انخفاض المخزون على الشراء، بينما يدعو سقف السيولة أو إخفاق معروف للمورّد إلى تأجيله. ويجب أن يحدّد سجل القرار النهائي القيد الذي حسم الاختيار.

الطلب الآلي مرحلة لاحقة، تتطلب تفويضًا بالتعامل مع المورّد، وحدودًا للمعاملات، وحماية من التكرار، وتأكيدًا للطلب المنفذ. وقبل إتاحة هذه القدرة، ينبغي للمختبر محاكاة إعادة المحاولات وتقادم سجل المخزون وأوامر الشراء المنفذة جزئيًا. لم ننفّذ في هذا التقرير أي شراء من مورّد أو إجراء لوجستي فعلي.

العودة إلى المحتويات ↑

06 · انتقال أقسام المؤسسة إلى الأتمتة

المالية والمشتريات: أدلة تسبق منح الصلاحيات.

دور مقترح لموظف ذكاء اصطناعي: مطابقة المستندات والمساعدة في إعداد المشتريات.

يستخرج الدور المالي الأولي معلومات منظّمة من السجلات المأذون بها ويقارن بين الفواتير والإيصالات وأوامر الشراء. وينبغي بيان السجلات والحساب الذي يسند كل مطابقة. ولا يكفي تشابه النص لإثبات التطابق إذا اختلفت المبالغ أو العملات أو المعالجة الضريبية أو هوية المورّد.

يستطيع الدور إعداد تقرير استثناء، أو طلب مستند ناقص، أو صياغة توصية بالشراء. أما تحويل الأموال أو تغيير تفاصيل المستفيد أو إنشاء التزام ملزم فيتطلب سياسة تنفيذ مستقلة ومحددة. وينبغي أن تمنع البنية التقنية اكتساب تلك الصلاحيات لمجرد أن التوصية مقنعة.

قد تشمل المهارات المستوردة أساليب المطابقة المحاسبية وقواعد الشراء في الشركة؛ ولذلك تهمّ معرفة مصدرها وتاريخ سريانها. ويمكن للذاكرة الإجرائية أن تسجّل معالجة نمط معين من حالات عدم التطابق بطريقة محددة، لكن تقرير صلاحية عامة يتطلب سجلًا معتمدًا للقواعد. ولا يجوز أن تتحول خبرة التعامل مع مورّد إلى صلاحية تنطبق ضمنًا على مورّد آخر.

ينبغي أن تركز الاختبارات على المطابقات الخاطئة والتكرارات والوثائق التي عُبث بها واختلاف العملات والموافقات المتقادمة. وتشمل مقاييس الأداء معدلات المطابقة الصحيحة والفروق التي لم تُحل والافتراضات غير المسندة واكتمال سجل التدقيق. وتأجيل القرار عند ضعف الثقة أفضل من إجراء مالي لا يمكن تتبعه.

مرحلة الدورالمخرجات المسموح بها
الرصداستخراج السجلات المسموح بها ومقارنتها
التوصيةاشرح اختلافًا أو أعدّ مقترح شراء.
المساعدةتعبئة معاملة مأذون بها للمراجعة
تنفيذ محدودلا يُتاح إلا نوع من المعاملات اختُبر وأُجيز بصورة مستقلة.
العودة إلى المحتويات ↑

06 · انتقال أقسام المؤسسة إلى الأتمتة

التسويق والبحث: إبداع مفيد يمكن تتبّع مصادره.

الأدوار الاصطناعية المرشحة: محلل الحملات ومنسق أدلة البحث.

يستطيع محلل الحملات تلخيص بيانات الأداء المصرح بها ومقارنة الأهداف المعلنة واقتراح تجربة صغيرة. وعليه تمييز القياس من التقدير والإبقاء على المدة التي تُنسب إليها النتائج. ولا يكفي ارتفاع مؤشر لإثبات أن التغيير المقترح كان سبب التحسن.

يستطيع منسّق الأبحاث تنظيم المصادر وفحص بيانات المراجع وإعداد مخطط للمنهج وتحديد الفجوات في سلسلة الأدلة. وعليه التمييز بين نتيجة منشورة ومخطوط لم يُحكّم ونتيجة محاكاة وملاحظة داخلية. ولا يفيد ذكر المرجع إلا إذا كان المصدر يسند الادعاء المرتبط به.

يحتاج كلا الدورين إلى الفصل بين إعداد المسودة والنشر. فالمسودة الداخلية قابلة للتعديل بحرية، بينما تترتب عواقب إضافية على التصريحات العامة والإنفاق الإعلاني والرسائل إلى الناس. وينبغي أن تستخدم قواعد تنفيذها الصلاحيات الصريحة وسجلات النتائج نفسها المستخدمة في بقية الأدوار.

يمكن للمختبر اختبار هذه الأدوار بحزم بيانات مضبوطة: ملخص إعلاني يخفي اختلافًا في الفترة الزمنية، أو ورقة تحتوي على استشهاد لا يسند الادعاء، أو تفسيران محتملان لتغيّر مرصود. وينبغي أن يكافئ التقييم التحفّظ الصحيح، واختيار الأدلة المناسبة، والتعرّف إلى المعلومات المفقودة.

العودة إلى المحتويات ↑

06 · انتقال أقسام المؤسسة إلى الأتمتة

قياس الإحلال على مستوى سير العمل.

غاية البرنامج تغيير موثوق في طريقة إنجاز العمل، لا ادعاء عدد موظفين مستنتج من حجم المهام.

معدل الإنجاز المستقل =
عدد الحالات المؤهلة التي ثبت اكتمالها من دون تدخّل ÷ إجمالي الحالات المؤهلة

حدّد الحالات المؤهلة قبل القياس؛ فاستبعاد كل حالة صعبة بعد معرفة نتيجتها يضخّم معدل الأتمتة. وينبغي أن يورد التقييم عدد الحالات الواردة كاملًا، ونسبة المؤهل منها، وما اكتمل آليًا، والتدخلات البشرية، والحالات غير المحسومة، والتصحيحات اللازمة لاحقًا.

تشمل التكلفة استخدام النموذج والبنية التحتية ورسوم الأدوات ووقت المراجعة ومعالجة الاستثناءات والتعافي من الأخطاء. فقد يكون الدور زهيد التكلفة لكل إجابة ومكلفًا لكل مهمة مكتملة على نحو صحيح. وبالمثل لا يُعدّ تقليل زمن الاستجابة فائدة إذا زاد إعادة العمل أو صعّب الرجوع عن خطأ.

تحدّد خطة الانتقال ما سيحدث للموظفين وللمعرفة التي تراكمت لدى المؤسسة. ويمكن للموظفين توثيق الاستثناءات ووضع حالات التقييم والإشراف على الطلبات المحالة إلى البشر. ويظهر أثر الخبرة المحتفظ بها خصوصًا وقت الحوادث والتغيّر غير المتوقع. ولا بد من التخطيط لإعادة توزيع الأدوار والتدريب بدل افتراض حدوثهما تلقائيًا.

تقارن التجربة الاستطلاعية فترات متقابلة من سير العمل أو مجموعات حالات موزعة بصورة مناسبة، وتراعي صعوبة الحالات والتغيرات الموسمية. اعرض أعداد الحالات الفعلية ونتائج الجودة إلى جانب النسب المئوية. ولا يوسّع القسم مسؤوليات الذكاء الاصطناعي إلا إذا ظل سير العمل المعتمد موثوقًا في ظروف التشغيل الفعلية.

المقياس التشغيليما فائدته؟
الإنجاز المستقل للحالات المؤهلةيوضح النطاق الفعلي لإحلال الأتمتة
معدل التصحيح وإعادة العمليكشف التكاليف اللاحقة غير الظاهرة
مدة بقاء الاستثناء دون حليبين ما إذا كان العمل غير المحسوم يتراكم
زمن التعافييقيس القدرة على استعادة التحكم
تكلفة كل إنجاز متحقق منهيربط الكفاءة بتحقق النتيجة المطلوبة
العودة إلى المحتويات ↑

07 · تشغيل جدير بالثقة

صلاحيات الدور حدود تقنية ملزمة.

يعمل كل وكيل عبر حساب ضيّق الصلاحيات ووفق مواصفات تشغيل محددة الإصدار.

يحدّد توصيف الدور المقترح الموارد المسموح بها، وعمليات الأدوات، وسقوف المبالغ، والفترات الزمنية، وشروط الموافقة، ويعيّن جهة مسؤولة داخل المؤسسة وجهة اتصال للتعافي. يمكن لتعليمات النموذج شرح هذه الشروط، لكن يجب أن تفرضها الأدوات بصورة مستقلة عنه.

تربط حزمة المهمة بين هوية صاحب الطلب المتحقق منها والجهة صاحبة الحساب والعملية المطلوبة ونسخة الأدلة المعتمدة. ويتيح التفويض بين الأدوار نقل مهمة ضمن سير العمل المسموح به، ولا ينقل صلاحيات أوسع. وعلى الدور المتلقي إعادة التحقق من صلاحياته ومن جواز الإجراء المطلوب.

يتطلب كل تغيير في حالة النظام مفتاحًا لمنع تكرار الأثر، وسياسة محدودة لإعادة المحاولة، وسجلًا للنتيجة. وإذا انقضت مهلة أداة بعد تسلّم الطلب، فلا يُرسل الطلب مجددًا قبل التحقق مما إذا كان الإجراء قد وقع. وهذه ضرورة في المشتريات والرسائل والعمليات التي تترتب على تكرارها عواقب.

تحتاج الرقابة الفعّالة إلى أدوات واضحة يستطيع بها المشغّل إيقاف دور مؤقتًا، وسحب صلاحية أداة، وعزل إصدار مهارة، وفحص العمل المعلّق. ويجب أن تظل الأدوات عاملة عند تعطل خدمة النموذج. ويقترح التقرير هذه البنية؛ أما اختبار الضابط الاصطناعي فلا يتناول إلا حقولًا محددة من السياسة.

التحقق من الهويةتحديد مقدم الطلب والجهة صاحبة البيانات
التفويضفحص القدرة المحددة المسموح بها
تنفيذاستدعاء أداة محدود بمفتاح فريد
التحقققراءة الحالة الفعلية ومقارنتها بالحالة المتوقعة
التسجيلسجل الأدلة والنتائج

السياق البحثي [13] المعهد الوطني الأمريكي للمعايير والتقنية

العودة إلى المحتويات ↑

07 · تشغيل جدير بالثقة

التعامل مع المحتوى الوارد بوصفه أدلة غير موثوقة.

سيواجه النظام وثائق ورسائل ناقصة أو مضللة، أو مصممة عمدًا للتأثير في سلوكه على نحو ضار.

قد تَرِد تعليمات خبيثة في ملاحظة مورّد أو ملف مهارة مسترجع أو صفحة بحث أو رسالة عميل. وقد تطلب من النموذج تجاهل قواعده أو كشف بيانات أو استدعاء أداة. ويجب أن تفصل الضوابط بين محتوى الدليل والجهة المخوّلة بمنح الوكيل صلاحياته. [10]

تتألف الدفاعات المقترحة من طبقات: صلاحيات محدودة للأدوات، ووسم المصادر، ومخططات بيانات صريحة، واسترجاع منضبط، وتنفيذ معزول، وشروط اعتماد مستقلة. واتباع النموذج للتعليمات أحد المكونات وليس الحاجز الوحيد. ولا تُسترجع القيم الحساسة إلا إذا احتاجت إليها المهمة المصرح بها.

ينبغي أن يشمل التقييم محاولات استرجاع بيانات جهة أخرى، ونصوص موافقة مزورة، ومقتطفات قواعد متعارضة، وبيانات اعتماد قديمة، ونتائج أدوات مشوهة، وطلبات متكررة. وتحتاج الاختبارات إلى نتائج متوقعة قابلة للقياس: رفض الوصول، أو عزل الأدلة، أو التأجيل الصريح، أو إجراء محدود وآمن.

لا يختبر هذا الإصدار نموذجًا لغويًا حيًا في مواجهة مدخلات خصمية. وتستخدم محاكاة الذاكرة وسوم ثقة صريحة، لذا لا تقيس قدرة نموذج على تعرف النص العدائي. وينبغي تنويع محتوى الاختبار في الدراسة التالية، مع الإبقاء على حدود للقدرات تفرضها آلية مستقلة.

مسار الفشلالنتيجة التي ينبغي أن يتحقق منها الاختبار المقترح
نص مسترجع يطلب إجراءً ذا صلاحيات خاصةيظل الإجراء غير متاح لهذا الدور.
ملاحظة مزورة تدّعي وجود موافقةلا يُقبل إلا سجل الموافقة الموثَّق.
أداة تعيد حقولًا غير متوقعةيمنع الإخفاق في مطابقة البنية المتوقعة الاستمرار الآلي
سجل تابع لجهة أخرى ذو صلة بالمهمةيستبعده مرشّح الصلاحيات من الاسترجاع

السياق البحثي [10] غريشاكي · [14] المعهد الوطني الأمريكي للمعايير والتقنية

العودة إلى المحتويات ↑

07 · تشغيل جدير بالثقة

توثيق مصادر البيانات وتقليل كشفها.

يجب أن يتيح الأرشيف البحثي فحص النتائج دون كشف معلومات العملاء أو الأسرار التشغيلية.

ينبغي أن توثّق كل مجموعة بيانات تجريبية غرضها وطريقة إنتاجها ومعنى كل حقل والاستخدامات التي تصلح لها. وبيانات هذه الطبعة اصطناعية بالكامل: معرّفات مهام مولّدة، وحقول سياسات موزعة عشوائيًا، ووسوم تحاكي صحة المقترحات. ولا تحتوي على أسماء عملاء أو رسائل أو سجلات دفع أو بيانات اعتماد للإنتاج.

ينبغي ألا تستخدم الدراسات التشغيلية المستقبلية سوى بيانات مأذون باستخدامها، مع تقليل ما تحتفظ به منها. ويجب تقييم إزالة ما يكشف الهوية على مستوى السجل كاملًا، لا الأسماء وحدها. فقد يظل الجمع بين التوقيت والموقع وحادثة غير مألوفة كافيًا لتحديد شخص أو علاقة تجارية. ويجب قصر الوصول على الأشخاص والأدوار الذين يجرون الدراسة.

ينبغي أن تفصل الحزمة البحثية بين النتائج القابلة للنشر، وبيانات المصدر المقيّدة، والإعدادات السرية. وتساعد البصمات على اكتشاف تغيّر ملف محفوظ، بينما قد يعزز أرشيف مستقل أو توقيعٌ توثيقَ مصدره. ولا تثبت البصمة أو رقم السجل المحلي صحةَ الادعاء العلمي نفسه.

تقدّم وثائق توصيف مجموعات البيانات والنماذج صيغًا نافعة لهذا العمل. ونستفيد من تركيزها على الغرض والتكوين والاستخدام المقصود وسياق التقييم لبناء سجل بحثي للنظام بأكمله، مع إبقائه موجزًا بما يكفي ليستمر المشغّلون في تحديثه.

السياق البحثي [15] جبرو · [16] ميتشل · [18] المعهد الوطني الأمريكي للمعايير والتقنية.

العودة إلى المحتويات ↑

08 · مناهج التجارب

أربع تجارب على آليات ضبط القرار.

البروتوكول ZEISMO-JSB-SIM-1.0. نُفّذ محليًا ببيانات موَلّدة ومن دون استدعاء نماذج خارجية.

التجربةالتصميمسؤال
E1 · بوابة ضبط القرار12,000 مهمة؛ 3 متحكّمات؛ 10 بذور توليد ثابتةكيف تتغيّر التغطية ومخالفات السياسة عند فرض ضوابط صريحة؟
E2 · استرجاع الذاكرةعدد الحالات: 3,000؛ عدد آليات الاختيار: 2؛ أدلة موسومةما أثر تصفية السجلات بحسب مصدرها في استرجاع الأدلة المقبولة؟
E3 · الترابط بين أعضاء المجلس12 حالة تجريبية؛ 10,000 حالة اختبار لكل منهاكيف يؤثر عدد المصوّتين والأخطاء المشتركة في صحة قرار الأغلبية؟
E4 · توقيت الضوابط3 دوال؛ قيس أداؤها في 101 دفعة تضم كلٌّ منها 1,200 عنصر.ما تكلفة توجيه القرار داخل العملية البرمجية بعد تهيئتها؟

تعزل التجارب آليات هندسية باستخدام شيفرة بايثون عادية، ولا يشارك فيها متخصص بشري أو نموذج لغوي. فوسوم الصحة وقيم الثقة وعلامات موثوقية المصدر والظروف الخارجية كلها بيانات اختبار مولّدة. وتصف النتائج هذا التصميم الاصطناعي، لا أداء جارڤيس في التشغيل الفعلي.

تستخدم جميع مهام اختبار القواعد البذور من 410 إلى 419. وتُشتق منها بذور ثابتة منفصلة لتجارب الذاكرة والمجلس. وقد أعاد تشغيلان مستقلان إنتاج بيانات المهام وسجلات القرار ونتائج الذاكرة والنتائج المجمّعة وسجلات التحقق بتطابق تام في البايتات. واستُبعدت قياسات الزمن من فحص التطابق عمدًا، لأن حمل النظام قد يغيّرها.

أُعدّ البروتوكول ونُفّذ خصيصًا لهذا التقرير؛ ولم يُسجّل مسبقًا لدى جهة خارجية. احتُفظ بالشيفرة والتوزيعات والعتبات والمخرجات ليتسنّى للمراجع معرفة ما اختُبر تحديدًا واقتراح شروط متابعة أشدّ. لا تتضمن هذه التجارب اختيارًا بين نماذج، أو مجموعة تدريب مخفية، أو مصنّفًا دُرّب على البيانات.

العودة إلى المحتويات ↑

08 · منهجية E1

فحص المقترحات وفق القواعد قبل السماح بتنفيذها.

لكل مهمة إجراء مقترح وقيمة ثقة اصطناعية وحقول تؤثر في تطبيق السياسة، جرى توليدها بصورة مستقلة.

الحقلطريقة التوليد أو تفسير الحقل
المجالالدعم أو المخزون أو المالية أو التسويق أو الجدولة أو البحث؛ 2,000 مهمة لكل مجال
الثقةسحب منتظم بين 0.50 و0.995؛ يُحفظ إلى ست منازل عشرية.
تصنيف صحة النتيجةسحب برنولي باحتمال يساوي الثقة ناقص 0.03 في الحالات المستقرة، والثقة ناقص 0.21 في الحالات المتغيرة.
الإذن / الثقة بالمصدريبلغ احتمال غياب كل عنصر أو عدم صلاحيته 0.08
تكرار الأثر / عدم قابلية التراجعالاحتمال 0.05 / 0.08 على الترتيب
عمر الأدلةاختيار منتظم من 1 أو 2 أو 6 أو 12 أو 24 أو 36 أو 72 ساعة.
المبلغاختيار باحتمالات متساوية بين 0 أو 20 أو 50 أو 100 أو 200 أو 500 أو 1,000 وحدة افتراضية.
تغيّر التوزيعآخر 300 مهمة من أصل 1,200 لكل بذرة؛ أي 25% من مجموعة البيانات كاملة.

ينفّذ المتحكّم المعتمد على الثقة وحدها عند بلوغها 0.70 فأكثر. أما المتحكّمان المزوّدان بضوابط، فيمنعان أولًا التكرار والتنفيذ بلا إذن والاعتماد على مصادر غير موثوقة. ويُحيلان إلى المراجعة المقترحات التي يتعذّر التراجع عنها أو تتجاوز 500 وحدة، ولا ينفّذان إلا عند ثقة لا تقل عن 0.82. ويؤجّل المتحكّم الكامل أيضًا المقترحات التي تستند إلى أدلة مضى عليها أكثر من أربع وعشرين ساعة.

يفحص مرجع السياسة الحقول التي تجعل التنفيذ مؤهلًا، ولا يستخدم وسم الصحة المُولّد. لذلك قد يستوفي المقترح قواعد السياسة ويظل خاطئًا. وجميع الكميات اصطناعية ولا تمثل عملة أو أداءً تجاريًا. وتسمّي المجالات مجموعات فرعية متوازنة، لكنها لا تنشئ مهام مختلفة في معناها.

العودة إلى المحتويات ↑

09 · نتائج E1

تقل التغطية كلما اشتدت الضوابط.

نتيجة مقاسة على بيانات اصطناعية: تمنع البوابة الكاملة المخالفات المرمّزة مع تقليص مجموعة الإجراءات المنفذة آليًا.

الشكل 1. نتائج متحكم السياسة في 12,000 مهمة اصطناعية. ويُحسب معدل المخالفات بين المهام المنفَّذة، لا بين جميع المهام.
الشكل 1. نتائج متحكم السياسة في 12,000 مهمة اصطناعية. ويُحسب معدل المخالفات بين المهام المنفَّذة، لا بين جميع المهام.
المتحكّمتنفيذالتغطيةالانتهاكاتالصحة*
الثقة وحدها7,05858.8%3,87778.4%
دون فحص حداثة الأدلة2,63522.0%74784.7%
بوابة الضبط الكاملة1,88815.7%085.1%

ينفّذ المتحكم القائم على الثقة وحدها 7,058 مهمة، ويسجل 3,877 مخالفة للقواعد المرمّزة. أما بوابة الضبط الكاملة فتنفّذ 1,888 مهمة دون هذه المخالفات. وتبلغ تغطيتها 15.7%، وصحة المقترحات المولّدة بين الحالات المنفّذة 85.1%.

يُتوقع عدم تسجيل أي مخالفة عندما تُطبّق تصنيفات قواعد صريحة وصحيحة تطبيقًا سليمًا. وهذه نتيجة اتساق في التنفيذ، وليست برهانًا على أمان الذكاء الاصطناعي عمومًا. ولا تستطيع بوابة الضبط التحقق مما إذا كان مورّد قد كذب، أو مستند قد أسيء فهمه، أو المقترح المولّد يحقق هدفًا تجاريًا حقيقيًا.

*تُحدَّد صحة المقترح بوسم مولّد في المحاكاة. تغيّر المتحكمات المقترحات التي يُسمح بتنفيذها، ولا تحسّن مضمون المقترح نفسه أو تعيد صياغته.

العودة إلى المحتويات ↑

09 · نتائج E1

قد يستوفي القرار قواعد السياسة ويظل خاطئًا.

انخفضت نسبة المقترحات الصحيحة عند تغير توزيع البيانات المولّدة، مع استمرار بوابة التنفيذ في تطبيق قواعدها.

الشكل 2. نسبة المقترحات الصحيحة بين المقترحات المنفذة في كل نظام محاكاة. عند تغيير توزيع البيانات يُخفّض المولّد احتمال صحة المقترح من دون تغيير مستوى الثقة المعلن.
الشكل 2. نسبة المقترحات الصحيحة بين المقترحات المنفذة في كل نظام محاكاة. عند تغيير توزيع البيانات يُخفّض المولّد احتمال صحة المقترح من دون تغيير مستوى الثقة المعلن.

مع حاجز التحقق الكامل بلغت نسبة الصحة 88.6% في الظروف المستقرة، مقابل 74.5% بعد تغيّر الظروف. وبلغت النسبة الإجمالية 85.1%، مع فاصل وصفي بطريقة ويلسون عند مستوى 95% يتراوح من 83.4% إلى 86.7%. يلخّص الفاصل نتائج برنولي المولّدة في التجربة، وليس فاصل ثقة للأداء في بيئة عمل فعلية.

تنشأ النتيجة من تصميم التجربة نفسه: ففي الحالات التي يتغيّر توزيعها، يُفترض احتمال أقل للصواب. وتكمن قيمتها في التشخيص؛ فقد تعرض لوحة الرقابة امتثالًا كاملًا مع تراجع جودة القرارات المقبولة. لذلك لا بدّ من قياس الالتزام بالسياسة والنتيجة معًا.

لا تثبت التجربة أثرًا سببيًا لعتبة الثقة منفصلًا عن اختيار الحالات؛ فالعتبات الأشد تختار مجموعة أخرى من المقترحات. وينبغي أن تقارن دراسة لاحقة الحالات نفسها، وتحتفظ بحالات الامتناع، وتقيس تكلفة التنفيذ الخاطئ والتأجيل غير الضروري معًا.

العودة إلى المحتويات ↑

08 · منهجية E2

استرجاع الذاكرة مع تفاوت جودة الأدلة.

تختبر مجموعة صغيرة مضبوطة من الحالات عواقب اختيار السجل الأحدث وحده.

في كل واحدة من 3,000 حالة استرجاع مولّدة، يوجد سجل مقبول باحتمال 0.90. هذا السجل موثوق ومعتمد ويتبع حساب المؤسسة A، وتبلغ صلاحيته اثنتين وسبعين ساعة. ويُختار عمره بين ساعتين وأربع وعشرين ساعة. ويُضاف ما يصل إلى أربعة سجلات منافسة باستقلال بعضها عن بعض، باحتمال 0.80 لكل سجل.

تمثّل السجلات المتنافسة أربع فئات إخفاق صريحة: أدلة منتهية الصلاحية، وملاحظة غير معتمدة، وسجل تابع لجهة أخرى، ومصدر غير موثوق. وتصنيفاتها قابلة للقراءة آليًا وصحيحة بحكم طريقة إنشاء البيانات. ويمنع سجل احتياطي غير معتمد خلو مجموعة الخيارات في حالة «الأحدث أولًا».

تختار آلية «الأحدث أولًا» السجل الأقل عمرًا، وتفصل بين السجلات المتساوية في العمر بحسب الصلة بالمهمة. أما الآلية القائمة على المصدر فتستبعد أولًا السجلات غير الموثوقة أو غير المعتمدة أو المنتهية أو التابعة لجهة أخرى، ثم تطبّق الترتيب نفسه. وإذا لم يوجد سجل مقبول فإنها تمتنع عن الاختيار. ولا تستخدم التجربة نموذج تضمينات أو تفسيرًا للغة الطبيعية أو آلية استرجاع متعلّمة.

المقياس هو ما إذا كان السجل المختار مقبولًا وفق قواعد الحالة الاختبارية. تختبر التجربة قبول السجلات عند الاسترجاع، لا صحة ما تقوله جمل باللغة الطبيعية. وتتيح وسومها المضبوطة اختبار الحدّ الذي صُمّم النظام لفرضه، قبل إدخال حالات أصعب مثل تزوير معلومات المصدر أو غموض الصلاحية.

المقياسالتعريف
تغطية الاختيارالمواقف المختارة / جميع المواقف
دقة اختيار الأدلة الصالحةعدد السجلات الصالحة المختارة / إجمالي السجلات المختارة
اختيار غير صالحيخالف السجل المختار قاعدةً واحدة على الأقل من قواعد حالة الاختبار.
الامتناعلا يُعاد أي سجل لعدم بقاء دليل مقبول.
العودة إلى المحتويات ↑

09 · نتائج E2

كيف يؤثر التحقق من مصدر المعلومة في استخدام الذاكرة؟

نتيجة مقاسة على بيانات اصطناعية: الامتناع المبرر أفضل من استرجاع سجل غير مقبول بوضوح.

الشكل 3. النتائج في 3,000 حالة استرجاع اصطناعية. وتُحدد الصلاحية بناءً على التسميات الصريحة لحالات الاختبار.
الشكل 3. النتائج في 3,000 حالة استرجاع اصطناعية. وتُحدد الصلاحية بناءً على التسميات الصريحة لحالات الاختبار.
أداة الاختيارصالحغير صالحالامتناعنسبة السجلات الصحيحة بين السجلات المختارة
الأحدث أولًا9482,052031.6%
التحقق من المصدر2,7180282100.0%

أعادت آلية تفضيل الأحدث 2,052 سجلًا غير صالح. وأعادت الآلية التي تتحقق من مصدر الأدلة 2,718 سجلًا صالحًا، وامتنعت عن الاختيار في 282 حالة. وتعود دقة نتائجها المسترجعة البالغة 100.0% إلى أنها تطبّق التسميات الصحيحة نفسها التي تُعرّف الصلاحية.

لا يثبت ذلك قدرة النظام على اكتشاف ادّعاء كاذب بشأن المصدر، أو التمييز بين نصيحة جيدة وأخرى سيئة في نص لغوي. ويتطلب اختبار ذلك سجلات خضعت لتقييم مستقل وتجربة منفصلة. أما النتيجة الهندسية المفيدة فهي إمكان فرض شروط قبول السجل قبل ترتيبه بحسب الصلة أو الحداثة.

ينبغي أن تختبر دراسة الذاكرة التالية أثر إفساد البيانات الوصفية عمدًا وإدخال تصحيحات متنازع عليها وتغيير قواعد الاحتفاظ. ويُقاس عدد الأخطاء الناشئة عند قبول المصادر وترتيب نتائج الاسترجاع واقتطاع السياق وتفسير النموذج في المراحل اللاحقة.

العودة إلى المحتويات ↑

08 · منهجية E3

كم من وجهات النظر مستقل فعلًا؟

تجربة بمصوّتين في المحاكاة تفصل أثر حجم المجلس عن أثر الخطأ المشترك.

تعتمد الدراسة أصواتًا ثنائية تميز الإجابة الصحيحة من الخاطئة، ولا تعتمد على مشاركين بشريين أو مخرجات لنماذج ذكاء اصطناعي. ويبلغ الاحتمال الهامشي لصحة إجابة كل مصوّت في المحاكاة 0.75. وتضمّ المجالس مصوّتًا واحدًا، أو ثلاثة، أو خمسة عشر، أو مئة. ويشمل كل شرط عشرة آلاف حالة موزعة على عشر بذور عشوائية ثابتة.

يحدث في كل حالة عامل مشترك مفاجئ باحتمال ρ. فإذا وقع، حصل جميع المصوّتين على نتيجة صحة واحدة من توزيع برنولي. وإذا لم يقع، سحب كل مصوّت نتيجة مستقلة باحتمال صحة قدره 0.75. واختبرنا ρ عند القيم 0 و0.25 و0.60. ووفق هذا البناء، يساوي ρ أيضًا القيمة المتوقعة لمعامل الارتباط بين صحة نتائج كل زوج من المصوّتين.

يُعدّ قرار المجلس صائبًا إذا أصابت أغلبية الأصوات. وعند التعادل التام، وهو ممكن حين يضم المجلس مئة مصوّت، تُحسم النتيجة عشوائيًا باحتمالين متساويين. ويسجّل المحاكي الأعداد بحسب البذرة والشرط. ولا يجري مناظرة نصية أو يستخدم أدوات أو يجمع أدلة أو يدمج الأصوات بأسلوب متعلّم.

يسأل هذا النموذج المبسّط عمدًا هل تساعد زيادة المشاركين على تجاوز الأخطاء المشتركة. ولا يمثّل جميع مجالس الوكلاء الفعلية. فقد تولّد التعليمات المشتركة والتدريب المتطابق والاسترجاع من المصادر نفسها وترتيب التواصل أنماط ارتباط أعقد من احتمال وقوع صدمة مشتركة واحدة.

P(correct majority) ≈ ρ × 0.75 + (1 − ρ) × B(n, 0.75)

تمثل B احتمال صواب الأغلبية عندما يصوّت الأعضاء بصورة مستقلة، ويُحتسب نصف احتمال التعادل إذا كان n زوجيًا. وتصف الصيغة طريقة بناء هذا المحاكي.

العودة إلى المحتويات ↑

09 · نتائج E3

مئة صوت لا تصحّح خطأً تشترك فيه جميعًا.

نتيجة مقاسة على بيانات اصطناعية: يحدّ الترابط من فائدة زيادة عدد أعضاء المجلس.

الشكل 4. صحة قرار الأغلبية في نموذج المصوّتين المحاكى. تمثّل كل نقطة 10,000 حالة؛ ولم يُقيَّم أي بشر أو نماذج لغوية.
الشكل 4. صحة قرار الأغلبية في نموذج المصوّتين المحاكى. تمثّل كل نقطة 10,000 حالة؛ ولم يُقيَّم أي بشر أو نماذج لغوية.
المصوّتون في المحاكاةρ = 0ρ = 0.25ρ = 0.60
175.0%74.9%75.1%
384.0%81.9%78.8%
1598.6%92.0%84.1%
100100.0%93.8%84.7%

يستفيد المصوّتون المستقلون بدرجة كبيرة من تجميع أصواتهم في هذا النموذج. أما مع الصدمات المشتركة فيكون التحسن أقل، لأن المجلس كله قد يخطئ معًا. ومع زيادة حجم المجلس، يقترب الحد النظري لهذا النموذج من 1 − 0.25ρ بدلًا من الواحد.

تدعم النتيجة اختبار تنوّع الأدلة والمناهج، لا مجرد زيادة عدد الوكلاء بأسماء مختلفة. وينبغي أن تقيس تجربة لاحقة مدى تداخل الأخطاء، وأثر استبعاد كل دور على حدة، وما تضيفه المعلومات المختلفة فعليًا. ولا تثبت النتيجة أن تشغيل خمسة عشر أو مئة وكيل سيحقق هذه النسب.

العودة إلى المحتويات ↑

09 · نتائج E4

توجيه الطلبات بسرعة ليس إلا جزءًا من عمل النظام.

اختبار أداء محلي مصغّر: تنفيذ وحدة تحكم بايثون ضمن العملية نفسها بعد الإحماء.

المتحكّمالوسيط، بالميكروثانية لكل عنصرالمئين 95، بالميكروثانية لكل عنصرالمئين 99، بالميكروثانية لكل عنصر
الثقة وحدها0.0920.1160.118
دون فحص حداثة الأدلة0.1720.2040.212
بوابة الضبط الكاملة0.1850.2220.239

يُهيأ كل متحكّم بعشر دفعات لا تدخل في القياس. ثم يُقاس زمنه في 101 دفعة، تضم كل منها المهام الاصطناعية الـ1,200 نفسها. يستخدم القياس ساعة رتيبة عالية الدقة. وكل مشاهدة معروضة هي زمن الدفعة الكلي مقسومًا على 1,200؛ والمئينات المنشورة محسوبة على متوسطات الدفعات هذه.

بيئة التشغيل المسجلة هي Python 3.9.25 على Linux / x86_64. ولا يثبّت القياس نوع معالج بعينه، ولا يحجز الخادم، ولا يضبط الأحمال المنافسة. وهو يسجّل تكلفة التنفيذ المحلي في الظروف المرصودة، ولا يجوز اعتباره ضمانًا لمستوى الخدمة قابلًا للنقل إلى بيئات أخرى.

يستبعد قياس الزمن التعرف على الكلام، واستدلال النموذج، وانتقال البيانات عبر الشبكة، والاسترجاع من قاعدة بيانات، وتنفيذ الأدوات، والتحقق من الآثار الخارجية. كما لا يقيس الأزمنة المرتفعة في ذيل توزيع الطلبات المفردة. وهذه الاستبعادات مقصودة لعزل بوابة الضبط الحتمية.

تبيّن النتيجة أن المتحكّم المرجعي الصغير قليل الكلفة الحسابية. لكنها لا تثبت استدلالًا متعدد التخصصات في ملّي ثوانٍ أو استجابةً كاملة من جارڤيس بهذه السرعة. يتطلب قياس النظام كاملًا قياس زمن كل مرحلة تحت أحمال متزامنة وحالات إخفاق واقعية.

العودة إلى المحتويات ↑

10 · تفسير النتائج

تفسّر اختبارات استبعاد المكوّنات الآليات، ولا تثبت أداءً عامًا.

تفيد مجموعة التجارب لأن تبسيطاتها ومقارناتها جميعًا معلنة بوضوح.

في التجربة E1، تؤدي إزالة فحص حداثة الأدلة إلى قرارات تنفيذ تخالف شرط عمر الدليل في السياسة الكاملة. وهذا اختبار لأثر حذف ضابط صريح واحد. وتبيّن المقارنة سلوك تلك القاعدة في ظل التوزيع المختار لأعمار الأدلة؛ ولا تقدّر مدى شيوع الأدلة المتقادمة في إدارة فعلية.

يختلف خط الأساس القائم على الثقة وحدها عن بوابة الضبط الكاملة في أكثر من جانب: فهو يستخدم فحوصًا أقل للقواعد وعتبة ثقة أخفض. ولذلك لا يجوز نسبة الفرق في جودة النتائج إلى ميزة واحدة. وينبغي لدراسة لاحقة استخدام تصميم تجريبي عاملي يغيّر العتبات وفحوص القواعد وجودة المقترحات كلًّا على حدة.

تقارن E2 آليات الاختيار بافتراض أن البيانات الوصفية صحيحة تمامًا. ودقة النتائج العالية بعد التصفية تنشأ من اتساق قواعد حالات الاختبار. أما الاختبار الأصعب فيقتضي قياس جودة البيانات الوصفية وقبول المصادر في ظروف خصومية. وتغيّر E3 بنية الارتباط المفترضة؛ ولا تكشف الارتباط الفعلي بين نماذج مستخدمة في الواقع.

يعزل الاختبار E4 كلفة التوجيه المحلي ويستبعد مراحل سير عمل الوكيل المكلفة أو المتغيرة. والاستنتاج هنا يتعلق بالبنية: يمكن وضع بعض الفحوص على مسار حتمي خفيف، بينما يحتاج زمن إنجاز المهمة كاملةً إلى قياس مستقل.

التفسير الذي تدعمه النتيجةتوسّع لا يدعمه الدليل
ترفض الفحوص الصريحة الحالات الموسومة بأنها غير صالحة.الذكاء الاصطناعي آمن تمامًا
تحتوي حالات الاختبار بعد التصفية على سجلات ذاكرة تستوفي القواعد.النظام يعرف أي الادعاءات عن الواقع صحيح.
الأخطاء المشتركة تحدّ من فائدة التصويت.مائة وكيل تعادل مائة متخصص.
ينفّذ فحص محلي سريعًا.يستدل النظام الكامل خلال مللي ثوانٍ
العودة إلى المحتويات ↑

10 · ضوابط التحليل الإحصائي

إظهار المقامات والبذور العشوائية وعدم اليقين.

يجب أن تتيح كل نتيجة إعادة بناء البسط والمجموعة التي تصفها.

مقام نسبة تغطية التنفيذ هو جميع المهام، بينما يُحسب معدل مخالفة السياسة وصحة المقترحات بالنسبة إلى المهام المنفَّذة. وتُحسب دقة استرجاع الذاكرة من السجلات المختارة، والامتناع من جميع حالات الاسترجاع. ونبيّن هذه الخيارات مع النتائج لأن تغيير المقام قد يغيّر تقدير القارئ للأداء تغييرًا كبيرًا.

تحفظ حزمة الأدلة ملخصات تجارب السياسة والمجلس لكل بذرة عشوائية، إلى جانب سجلات القرارات الخام. وتصف فواصل ويلسون نتائج برنولي المولَّدة؛ ولا تعكس عدم اليقين الناشئ عن مولّد غير ممثل للواقع أو افتراضات مشتركة أو نموذج مختلف أو بيئة تشغيل مستقبلية.

لا يدّعي هذا الإصدار وجود دلالة إحصائية لاختبار فرضية. تعرض التجارب عمل الآليات بتوزيعات محددة سلفًا. ويخفّض توليد حالات كثيرة ضوضاء محاكاة مونتي كارلو، لكنه لا يعوّض الظواهر الواقعية الغائبة. وإضافة حالات من المولّد نفسه لا تثبت صلاحية النتائج خارج التجربة.

ينبغي أن تعلن الدراسات المقبلة النتيجة الأساسية ومسوّغ حجم العينة قبل إجراء التقييم النهائي. وتُستخدم في المقارنة الحالات نفسها حيثما أمكن، مع ترتيب عشوائي لشروط الاختبار وتقديرات لعدم اليقين بطريقة البوتستراب أو بطريقة هرمية تلائم بنية المهمة. وينبغي الاحتفاظ بالمحاولات المتكررة للنموذج، بما فيها الإخفاقات وانتهاء المهل وحالات الامتناع.

العودة إلى المحتويات ↑

10 - تحليل الفشل

المختبر المفيد يجعل الإخفاق قابلًا للتشخيص.

يربط تصنيف الأخطاء كل إخفاق مرصود بتجربة تستقصي سببه أو بإجراء يعالجه.

فئة الإخفاقالعلامة التي يمكن رصدهاما الذي ينبغي فحصه تاليًا؟
غموض المدخلاتتفسيران معقولان للمهمةآلية طلب التوضيح واختبار فهم المقصود
خلل في الأدلةحقائق ناقصة أو متقادمة أو متعارضةفحص صلاحية المصدر وتتبّع مسار الاسترجاع
المهارة غير ملائمة للمهمةالدور صحيح لكن طريقة أداء المهمة غير ملائمةشروط اعتماد الدور وحالات اختبار كفاءته
إخفاق التخطيطتسلسل إجراءات لا تسنده الأدلةالتحقق من الاعتماديات والشروط المسبقة
فشل التنسيقيكرر الوكلاء الافتراض الخاطئ نفسهاختبار استقلال الآراء الأولى وقياس تداخل الأخطاء
إخفاق في ضبط الصلاحياتيتجاوز الإجراء نطاق الصلاحيات الممنوحةاختبار فرض الأذونات عند تشغيل الأداة
الفشل في التنفيذانتهاء مهلة الانتظار أو حدوث جزء فقط من الأثر الخارجيمنع تكرار أثر العملية ومطابقة الحالة المسجّلة لما حدث فعليًا
الفشل في التحققأُبلغ عن النجاح ولم تُؤكَّد الحالة الناتجةإعادة قراءة الحالة وتطبيق معايير الاكتمال
فشل الذاكرةيُعامل درس لم يُختبر على أنه موثوقضوابط اعتماد الدروس واختبارات عدم تراجع الأداء

ينبغي تطبيق تصنيف الإخفاقات على المسار الكامل للمهمة، لا الإجابة النهائية وحدها. وقد تسهم عدة فئات في نتيجة واحدة؛ فمثلًا قد تقود الأدلة القديمة إلى خطة سيئة، ثم يسمح غياب الضبط بتنفيذها.

ينبغي لكل سجل حادثة أن يميّز بين الوقائع المرصودة والسبب المقترح. ويُفترض أن ينتج عن الإجراء التصحيحي اختبار جديد أو تغيير قابل للقياس في أحد الضوابط. ولا يثبت تكرار المهمة إلى أن تنجح أن المشكلة الأصلية عولجت.

تفصل الدراسة الاصطناعية عمدًا بين الالتزام بالسياسة وصحة المقترح. وهذا أول حدّ تشخيصي فيها. وينبغي لبرنامج تجريبي أوسع أن يضيف إخفاقات الاسترجاع والنموذج والأدوات والتنظيم، مع الحفاظ على القواعد نفسها في توثيق الأدلة.

العودة إلى المحتويات ↑

11 - الدراسات التجريبية التالية

بروتوكول متكامل لتقييم نموذج فعلي.

في المرحلة التالية تُستبدل وسوم المقترحات المولّدة بمخرجات نموذج فعلية، على مجموعة مهام ثُبّتت قبل التشغيل.

تُبنى مجموعة المهام من مواصفات سير عمل مأذون بها وحالات تُكتب بصورة مستقلة. وتُحدَّد لكل حالة نقطة البداية والأدلة المسموحة والأدوات المتاحة وشروط النتيجة النهائية المتوقعة والآثار المحظورة. وتُفصل حالات التطوير عن التقييم النهائي؛ ولا تُعاد صياغة الحالات النهائية لمصلحة نظام مرشّح.

قارن بين خط أساس حتمي ووكيل بدور واحد والنموذج الأولي الحالي والبنية الخلوية المقترحة. استخدم الأدلة نفسها ومحاكي الأدوات نفسه حيثما أمكن. وسجّل معرّف النموذج وإصدار التعليمات وإصدارات المهارات وإعدادات أخذ العينات وسياسة إعادة المحاولة والميزانية الكلية. وإذا تغير سلوك المورّد فوثّق تاريخ التقييم واحتفظ بالمخرجات.

كرّر كل حالة عددًا كافيًا من المرات لتقدير الموثوقية، وبرّر حجم العينة وفق القرار المزمع اتخاذه. أدرج أعطال الأدوات وغياب الأدلة وتعارض التعليمات والمحتوى غير ذي الصلة. وزّع ترتيب الشروط عشوائيًا لتقليل أثر التوقيت. وينبغي أن يقيس المؤشر الأساسي الحالة النهائية الفعلية والالتزام بالسياسة، لا تصريح النموذج بأنه نجح.

ينبغي تسجيل استهلاك وحدات النص والتكلفة وزمن الاستجابة وحالات الامتناع وعدد التدخلات وفئات الأخطاء. ويفحص المراجع عينة من حالات النجاح والإخفاق معًا، لأن نتيجة نهائية تبدو صحيحة قد يسبقها مسار غير مسند أو غير مأذون به.

شرط القبول المقترحالأدلة المطلوبة
جودة النتائجتصحيح مُعمّى أو برمجي وفق معايير مستقلة.
الموثوقية التشغيليةالنجاح عبر المحاولات المتكررة والتعافي من الإخفاق ضمن حدود محددة
استناد الادعاءات إلى أدلةالتحقق من سند كل ادعاء على حدة
الكفاءة في استخدام المواردالتكلفة وزمن الاستجابة لكل مهمة ثبت اكتمالها

السياق البحثي [7] ليو · [8] ياو · [9] ميلون

العودة إلى المحتويات ↑

11 - الدراسات التجريبية التالية

تصميم مقارنة عادلة مع المتخصصين.

يتطلب الطموح إلى مضاهاة مائة متخصص دراسة خبراء ذات هدف مقارنة دقيق.

عند اختيار المشاركين، يجب تحديد الخبرة المطلوبة وتعارض المصالح وشروط الأهلية لكل مهمة. لا يصح تصوير لجنة المتخصصين كأن أعضاءها المئة مؤهلون بالدرجة نفسها في كل مجال. قد تحتاج مهمة إلى قلة من الخبراء تتكامل تخصصاتهم، وأخرى إلى مجموعة أكبر تُجري تقييمات مستقلة. ويجب إعلان التشكيل المختار قبل جمع النتائج.

ينبغي أن يتلقى المشاركون وصفًا موحدًا للمهمة وحزمة أدلة متسقة. وتُسجل المدة المتاحة والأدوات التي يمكن استخدامها وما إذا كان التشاور مسموحًا. ويمكن قياس الأحكام الفردية الأولى وأحكام اللجنة النهائية كلًا على حدة، بما يكشف قيمة التنسيق البشري وتكلفته.

ينبغي حجب هوية مصدر مخرجات الذكاء الاصطناعي عن المقيّمين حيثما أمكن. ويحتاج المراجعون إلى معايير تحدد النتائج المقبولة والأخطاء الجسيمة وطريقة التعامل مع عدم اليقين. ويُعلن مدى الاتفاق بين المقيّمين وما بقي من خلاف. ولا تُمنح إجابة درجة لمجرد أن أسلوبها يبدو مهنيًا.

ينبغي حصر أي ادعاء بمعادلة أداء لجنة خبراء في نوع المهام الذي اختُبر، وشروط الأدلة، والميزانية المستخدمة. فالنجاح في تسوية روتينية لا يثبت خبرة عامة في العلوم أو الطب أو الاستراتيجية أو الهندسة. وينبغي الاحتفاظ بالنتائج السلبية وتحديد المجالات التي يتفوق فيها البشر على النظام.

العودة إلى المحتويات ↑

11 - الدراسات التجريبية التالية

التحقق من الاقتصار على الإنجليزية في مسار التفاعل كاملًا.

يشمل شرط اللغة التجربة كاملة، بما فيها رسائل الخطأ والمخرجات المنطوقة.

ينبغي أن تشمل مجموعة الاختبارات النصية أسئلة بالإنجليزية ومدخلات متعددة اللغات ونصوص مصادر مقتبسة بلغات أخرى وأسماء ملتبسة وتعليمات تحاول تغيير لغة الرد. والسلوك الصحيح هو الإجابة أو طلب التوضيح بالإنجليزية، مع الحفاظ على معنى المصادر وبيان مواضع عدم اليقين في الترجمة عند الحاجة.

عند تقييم الواجهة الصوتية، ينبغي قياس دقة تحويل الكلام إلى نص وفهم المقصود ولغة الإجابة ووضوح النطق كلًا على حدة. وتُختبر اللهجات والضوضاء المحيطة وانقطاع الحديث ورفض إذن الميكروفون في ظروف منفصلة. فقد يتحدث النظام بإنجليزية فصيحة ثم ينفّذ تعليمات حرّفها التفريغ الصوتي؛ لذلك لا تكفي جودة الصوت للحكم عليه.

قبل الموافقة على الإجراءات ذات العواقب المهمة، ينبغي للنظام عرض التعليمات كما فهمها أو ترديدها. وتستحق الكميات والتواريخ ومعرّفات الحسابات والوجهات فحصًا خاصًا. وعند الحاجة ينبغي إيقاف الاستماع أثناء الرد الصوتي، كيلا يفسّر النظام صوته بوصفه تعليمات جديدة.

ينبغي أن يوثّق سجل الاختبار إصدارات المتصفح ومحرك النطق وإعدادات الميكروفون ومصدر عينة الإدخال والبدائل النصية الميسّرة. ولا تُحفظ تسجيلات صوتية لمستخدمين فعليين دون غرض محدد وإذن مناسب. ويفحص هذا الإصدار مسارات اللغة الأقدم؛ ولم تُجرَ دراسة صوتية بمشاركين بشريين.

فئة الاختبارالنتيجة المتوقعة
مدخل بلغة غير الإنجليزيةإجابة بالإنجليزية تحافظ على المعنى
تعليمات وردت في اقتباس من مصدرلا تغيير في قواعد اللغة أو الصلاحيات.
كمية غير مؤكدةتوضيح قبل اتخاذ إجراء
خدمة الكلام غير متاحةإمكان إكمال المهمة بالنص
انقطاع المهمة أو إعادة المحاولةعدم تكرار الفعل
العودة إلى المحتويات ↑

11 - الدراسات التجريبية التالية

الحفاظ على الكفاءة مع تغيّر الظروف.

ينبغي أن يُقاس أداء موظف الذكاء الاصطناعي بسجل ممتد عبر الزمن، لا بلقب دائم يُمنح له بعد اختبار ناجح واحد.

ينبغي للدراسة الطولية تحديد فترات تقييم دورية والإبقاء على مجموعة مرجعية ثابتة من الحالات. وتمثّل الحالات الجديدة ظروف العمل المتغيّرة، بينما تكشف المجموعة الثابتة تراجع الأداء. ويجب فصل النتائج بحسب الدور وفئة المهمة ونسخة الأداة وجودة الأدلة، بدلًا من اختزالها في درجة عالمية واحدة.

تقترح عملية التحديث إنشاء نسخة مرشّحة من المهارة أو الذاكرة، واختبارها بحالات جديدة وأخرى محفوظة، ثم مقارنتها بالنسخة الحالية. ولا تُعتمد إلا وفق معيار جودة محدد سلفًا ومن دون تراجع غير مقبول. وإذا انخفض الأداء بعد التشغيل، ينبغي الرجوع إلى الإصدار السابق أو تقليص استقلالية النظام، مع الاحتفاظ بالنسخة التي أخفقت لتحليلها.

من مؤشرات تغيّر نمط العمل زيادة الحقول الإلزامية الناقصة، أو ظهور أنواع جديدة من الاستثناءات، أو تراجع توافق الأدلة، أو إطالة زمن استجابة الأدوات، أو تغيّر توزيع المهام المقبولة. تستحق هذه الإشارات التحقيق، لكنها لا تحدد السبب بمفردها ولا تثبت أن إعادة التدريب هي العلاج المناسب.

يمكن للصيانة الذاتية أتمتة المراقبة وتوليد البدائل المرشّحة وتقييمها ضمن حدود. أما توسيع الصلاحيات أو إزالة الضوابط أو إعادة تعريف النجاح فيتطلب تفويضًا منفصلًا. وينبغي قياس ما إذا كانت دورة الصيانة تحسّن الأداء في حالات لم تدخل في التطوير، وما إذا كانت تدخلاتها تُحدث أنماط إخفاق جديدة.

العودة إلى المحتويات ↑

12 · مثال تصميمي محلول

كيف يتغير قرار إعادة التزويد بالمخزون؟ مثال خطوة بخطوة

مثال توضيحي فقط. الأعداد الآتية افتراضية، والغرض منها شرح مسار العمل المقترح.

الخطوةالحالة الافتراضية والسلوك المتوقع
1 · الرصدلدى المستودع A رصيد قدره 40 وحدة. والطلب المؤكد 12 وحدة يوميًا، ومهلة توريد المورّد المسجّلة خمسة أيام.
2 · التحقق من المعطياتعمر سجل المخزون ساعتان، وعمر سجل مهلة توريد المورّد ست وثلاثون ساعة.
3 · تقدير الموقفيحدّد الدور ضغط المخزون واعتمادًا على معلومة قديمة، ويسجّل أن القرار يحتاج إلى أدلة محدّثة.
4 · التشاوريطلب دورا المخزون والمشتريات تقديرًا حديثًا من المورّد، ويتحقق دور المالية من الميزانية المسموح بها.
5 · تقديم المقترحبعد ورود أدلة حديثة، يحسب المخطِّط الكميات المقترحة في حدود صلاحيات الدور.
6 · تطبيق الضوابطتتحقق بوابة التنفيذ من الإذن بالتعامل مع المورّد والمبلغ وسابقة تنفيذ الطلب والموافقة المطلوبة.
7 · التنفيذلا يُرسل إلا طلب مأذون به ومحدد النطاق؛ وفي غير ذلك يطلب النظام المراجعة.
8 · التحقق من النتيجةيُتحقّق من مرجع الطلب والكمية الفعلية قبل وصف المهمة بأنها مكتملة.

لا تقتصر الفائدة على إنتاج كمية بسرعة؛ بل تشمل معرفة الافتراضات التي تحدد تلك الكمية وعدم إخفاء أي اعتماد لم يُحسم. ولا يكون اضطراب الطقس ذا صلة إلا إذا انطبق على مسار المورد وكانت له مدة صلاحية مناسبة.

بعد تلبية الطلب، تسجّل طبقة الذاكرة مهلة التوريد التي تحققت فعلًا وتربطها بالتوصية الأصلية. وقد يقترح النظام درسًا عن تفاوت أداء المورّد؛ ويجب تقييمه في حالات إضافية قبل اعتماده قاعدةً للشراء. ونجاح عملية تسليم واحدة لا يؤسس توقعًا عامًا.

العودة إلى المحتويات ↑

12 · مواصفات ملزمة يمكن تطبيقها

قائمة مواصفات الدور والمهارات.

يقترح البحث عقدًا قابلًا للقراءة الآلية يتيح فحص قدرات الموظف الاصطناعي قبل تفعيله.

{
  "role_id": "inventory-analyst",
  "version": "candidate-1",
  "language": "en",
  "scope": ["warehouse-A"],
  "skills": [{
    "id": "replenishment-review",
    "version": "1.0",
    "source_digest": "sha256:...",
    "status": "approved",
    "evaluation_record": "eval:..."
  }],
  "tools": ["inventory.read", "purchase.draft"],
  "memory_policy": "approved-current-own-scope",
  "autonomy": "recommend",
  "owner_role": "operations-manager"
}

هذا المخطّط للتوضيح، ولا يضم بيانات دخول فعلية أو بصمة حقيقية أو معرّف تقييم حقيقيًا. ينبغي لمدقّق النشر رفض الأدوات المجهولة ومراجع الموافقات الناقصة والإصدارات غير المتوافقة. ولا يمكن لبيان يطلب صلاحيةً أن يمنحها لنفسه.

ينبغي أن تذكر كل مهارة تاريخ سريانها والإصدارات التي حلّت محلها. ويحتفظ الدور بإحالة إلى الحزمة المحددة التي جرى تقييمها، لا إلى رابط قابل للتغيير. وتوثّق حقوق الحزمة ومنشأ مصدرها في سجل القبول.

يسهّل ملف تعريف الدور نقله بين البيئات من دون نسخ صلاحيات غير محدودة. ويمكن لبيئتي الاختبار والإنتاج استخدام التعريف نفسه، مع موصلات أدوات مختلفة وبيانات اعتماد جرت الموافقة عليها بصورة منفصلة. وعلى التقييم التحقق من أن الموصلات تفرض النطاق المعلن.

العودة إلى المحتويات ↑

12 · مواصفات ملزمة يمكن تطبيقها

سجل القرارات والذاكرة.

يربط سجل موجز التوصيةَ بالمعلومات والصلاحيات والنتيجة المرصودة التي تستند إليها.

مجموعة الحقولالمعلومات المطلوبة
الهويةمعرّف المهمة وإصدار الدور والجهة صاحبة البيانات وهوية مقدم الطلب الموثّقة
الأدلةمعرّفات المصادر وبصماتها حيث يلزم والطوابع الزمنية والصلاحية.
المقترحنوع الإجراء ومعلماته وبدائله ومبرره الموجز
الضبطنسخة القواعد، ونتيجة فحص الإذن، ومستوى المخاطر، ومرجع الموافقة.
التنفيذموصّل الأداة ومفتاح منع تكرار الأثر وحالة الطلب والاستجابة المرصودة
التحققالحالة المتوقعة، والحالة المرصودة، والنتيجة، والاختلاف الذي لم يُحسم.
التعلمالدرس المقترح والنتائج الداعمة وحالة المراجعة والإصدار المرشّح.

يجب ألا يحتفظ سجل القرار بالأسرار المتضمنة في طلبات الأدوات أو بنسخ غير مقيّدة من محتوى العملاء. ويمكن للمراجع والحقول المنتقاة أن تحفظ قابلية التتبع مع تقليل الكشف غير الضروري. ويجب أن يخضع الوصول إلى السجل لنطاق الجهة صاحبة المهمة ودرجة حساسية بياناتها.

ينبغي تحديد نوع المعلومة صراحةً قبل إدخالها في الذاكرة. فيُحفظ الإخفاق المرصود كواقعة، والتفسير المولّد كفرضية، والتصحيح المعتمد كمعلومة إجرائية. وينبغي توثيق تاريخ كل انتقال بين هذه الأنواع.

ينبغي كذلك تسجيل غياب القرار. فالمهمة الممنوعة أو المؤجلة أو المتروكة ذات قيمة تحليلية لأنها تكشف حدود الأتمتة الحالية. واستبعادها يوحي بأن الدور أقدر مما تدعمه سجلات تشغيله الفعلية.

العودة إلى المحتويات ↑

13 · برنامج التطوير

مراحل تنفيذ ذات شروط إنجاز قابلة للقياس.

يتقدم البحث عبر إصدارات تضيف قدرات مدروسة، ولا يستهدف عددًا محددًا من الخصائص.

المحطةماذا نبني ونختبر؟دليل اجتياز المرحلة
M1 · خط أساس بحثي مستقرتثبيت قائمة ملفات المصدر، وتوحيد سلوك الواجهة الإنجليزية، والإبقاء على الاختبارات القائمةنسخة مرجعية موثقة واعتماد مسارات التفاعل باللغة المحددة
M2 · مواصفات الأدوارحزم مهام محددة الأنواع، وأدوات محدودة الصلاحيات، وقرارات منظّمة، وحالات مصرّح بها بوضوح.اختبارات الصلاحيات وإعادة المحاولة ومسارات الإخفاق
M3 · الذاكرة الخاضعة للحوكمةالمصدر، وانتهاء الصلاحية، وحالة المراجعة، وروابط التصحيحات.اختبار معياري للاسترجاع وقبول الأدلة عند إفساد البيانات الوصفية
M4 · مجالس تنسيق خضعت للتقييمتوصيات أولى تُعدّ باستقلال، ثم تُجمع ضمن حدود معلنةالمقارنة بأساليب مرجعية أبسط على الحالات نفسها
M5 · تجربة داخل قسمتشغيل مسار عمل واحد قابل للتراجع بالموازاة دون تنفيذ فعلي، ثم تفعيل التنفيذ ضمن نطاق محدودجودة المهام وتغطيتها وإمكان التعافي وتكلفتها
M6 · التكيّف المنضبطدروس مرشّحة للاعتماد، واختبارات محجوزة للتقييم، وإمكان الرجوع إلى إصدار سابق.استمرار الفائدة بمرور الوقت من دون تراجع غير مقبول في الأداء

هذا التسلسل خطة بحثية، وليس جدول تسليم مضمونًا. ويتوقف التقدم على الأدلة وإمكان الوصول إلى البيانات وجاهزية الأدوات والقدرة على المراجعة. وقد تكشف إحدى المراحل أن تصميمًا أبسط أكثر فاعلية؛ وعندئذ ينبغي تعديل البرنامج بدلًا من الإبقاء على التعقيد لذاته.

تنتج كل مرحلة مادة يمكن توثيقها: إعدادًا، أو مجموعة بيانات، أو سجل تقييم، أو دراسة تشغيلية. ويربط ذلك المشروع بغرض المختبر في حفظ الأبحاث والأدلة التجريبية، كما يتيح للباحثين فحص نسخة محددة بدلًا من تقييم هدف يتغيّر دون تعريف ثابت.

العودة إلى المحتويات ↑

13 - برنامج القبول

قرارات الإصدار تحتاج إلى أدلة صريحة.

تمثّل الشروط الآتية متطلبات تشغيل مقترحة، ولا يفيد إدراجها بأن النظام كاملًا قد اجتازها.

البوابةالأدلة المطلوبة قبل توسيع نطاق الاستقلال الذاتي
اللغة والتفاعلإجابات نصية ومنطوقة بالإنجليزية في حالات محددة للإدخال والخطأ.
كفاءة الدورمهام لم تُستخدم في التطوير، ومرجع مفيد للمقارنة، ومراجعة موثّقة للأخطاء
إنفاذ السياساتاختبار رفض العمليات غير المأذون بها، ومنع التكرار، والتحقق من الموافقات
جودة الأدلةحداثة الدليل ونطاقه ومنشؤه وطريقة حل التعارضات
موثوقية التنفيذاختبار أعطال متعمّدة للأدوات، والتعافي من النتائج الجزئية، والتحقق من حالة التنفيذ
صيانة الذاكرةعزل التحديثات المرشحة، واختبار عدم تراجع الأداء، وإمكان العودة إلى الإصدار السابق
الجهة المسؤولة عن التشغيلمسؤول محدد بالاسم، واستثناءات مراقبة، وأدوات إيقاف تعمل فعليًا.
نزاهة البحوثمواد بحثية ذات نسخ محددة، وادعاءات قابلة للتتبع، ومراجعة يتناسب نطاقها مع الأدلة.

ينبغي اختيار العتبات العددية وفق العواقب الفعلية لسير العمل وأدائه المرجعي. لا تكفي عبارة «دقة 95%» إذا تركزت الأخطاء المتبقية في الحالات الحرجة. وعلى سجل القبول أن يحدّد أنواع الإخفاق غير المسموح بها إلى جانب أهداف متوسط الجودة.

في تجربة أولية منخفضة المخاطر، يمكن البدء بمعايير أهلية محدودة وسقف تنفيذ متحفّظ. ويتطلب التوسّع أدلة تخص أنواع الحالات الجديدة ومقارنةً بالإجراء القائم. ويجب أن يستدعي وقوع حادث جسيم أو تغيّر جوهري في الإعدادات إعادة التقييم.

تربط شروط الانتقال هذه طموح المالك بتقدّم يمكن إثباته. فالهدف إسناد المهام الروتينية المناسبة إلى النظام تدريجيًا، على أن يُثبت كل توسع، ويُمكن التراجع عنه متى أمكن، ويُنسب إلى إعداد خضع للاختبار.

العودة إلى المحتويات ↑

14 - المناقشة والاستنتاجات

أساس للبحث واختبار محدد للمرحلة التالية

يقدّم فحص النموذج الأولي وتجربة المحاكاة المنفَّذة نقطة انطلاق لبرنامج بحث تجريبي أوسع.

يتضمن النموذج الأولي مكوّنات تطبيقية للخلايا والمهارات والذاكرة والتفويض والإشارات التشغيلية ومقترحات المجلس. وأكدت اختبارات محددة سلوك الوصول الأساسي، والإبلاغ عن إشارات من بيانات اختبار مُعدّة سلفًا، وحفظ المهارات، والتصريح بعدم توافر الخدمة عند غياب بيانات اعتماد المزوّد. وكشف فحص الشيفرة اختلاف اللغة بين مسار جارفيس الأقدم والواجهة المقترحة التي تقتصر على الإنجليزية.

توضح النتائج الاصطناعية ضرورة الفصل في التصميم بين إنفاذ السياسة وجودة القرار. فقد يطبّق حاجز التحقق الكامل القواعد المبرمجة ويقبل مع ذلك مقترحات خاطئة. ويستطيع الترشيح حسب المصدر فرض شروط واضحة لقبول ما يُسترجع من الذاكرة، لكن نجاحه يتوقف على جودة الوسوم. وتقل فائدة زيادة عدد المصوّتين إذا تشابهت أخطاؤهم.

قيود الدراسة الرئيسية مقصودة وجوهرية: فهي لا تتضمن تشغيل نموذج لغوي فعلي، ولا لجنة خبراء بشرية، ولا دراسة لنتائج الاستخدام في الإنتاج، ولا اختبارًا للتجربة الذاتية. والبيانات المولّدة مبسّطة، وقياس الزمن يقتصر على دالة قواعد داخل العملية البرمجية. وتؤكد إعادة الإنتاج الداخلية الاتساق الحاسوبي ضمن هذا النطاق.

تتمثل الخطوة العلمية التالية في مقارنة ثابتة تستخدم الحالات نفسها ومخرجات نماذج فعلية وبيئة أدوات مضبوطة. وينبغي أن تشمل خط أساس بوكيل واحد، والنموذج الأولي الحالي، والبنية المقترحة، مع توحيد الأدلة والميزانيات ومعايير النجاح. وعندئذ فقط يمكن تبرير ادعاءات أوسع بشأن الكفاءة في الأدوار والعمل الإداري المستقل.

العودة إلى المحتويات ↑

15 · التحقق الداخلي

سجل التحقق التقني في مختبر زيزمو.

السجل ZRL-VR-JSB-2026-001 · 28 سبتمبر 2026 · تحقق تقني آلي ضمن النطاق المذكور.

بند التحققالنتيجة المسجّلة
اختبارات النموذج الأولينجحت 7 اختبارات تضم 32 تحققًا من النتائج في قاعدة SQLite معزولة.
اختبارات المحاكاةنجح 18 تحققًا من نتائج التجربة في كل تشغيل.
إعادة احتساب القيم العدديةنجح 47 فحصًا لاتساق السجلات الخام والتحليل.
إعادة إنتاج النتائج في عملية تشغيل مستقلةتطابقت ملفات المخرجات الحتمية الخمسة (5) بايتًا ببايت.
قائمة ملفات المصدروُثّقت 14 من ملفات المصدر المختارة ببصمات SHA-256.
سجل النتائج العدديةحُفظت الملفات الخام للمهام والقرارات والذاكرة والنتائج المجمّعة.
سجل المراجعجرى التحقق من 18 سجلًا لمصادر أولية لهذا الإصدار.
إنتاج الوثائقفُحص عدد الصفحات والنص والروابط وتنسيق الصفحات أثناء إعداد الإصدار النهائي.

وأُجري التحقق في إطار إعداد هذا التقرير باستخدام الشيكات الآلية المسجلة. وهو يؤكد سلوكيات البرمجيات المسماة، وقابلية إعادة إنتاج الحسابات التركيبية ونزاهة المواد البحثية المحتفظ بها. وهو ليس استعراضاً علمياً مستقلاً للأقران، ومقارنة بين الخبراء البشريين أو الاعتماد أو التصديق.

تضم حزمة الأدلة برامج التحقق ومخرجاتها. لكن وكيل الإعداد هو نفسه من كتب شيفرة المحاكاة، ولذلك لا توفّر هذه الفحوص استقلالًا تنظيميًا. ويجب أن تفحص مراجعة علمية منفصلة الافتراضات والتصميم التجريبي وتفسير النتائج، إلى جانب إعادة تشغيل الشيفرة.

النتائج التجريبية المجمّعة · SHA-256e1049fbede6054fa1799c9fdb38f51782837ba7ad3bcc23a1934d4eb133785b5

سُجّلت بصمة ملف PDF النهائي في ملف التحقق المرافق. ويثبت تطابق البصمة أن البايتات تطابق النسخة الموثقة في السجل؛ لكنه لا يثبت صحة الاستنتاجات العلمية.

السياق البحثي [18] المعهد الوطني الأمريكي للمعايير والتقنية.

العودة إلى المحتويات ↑

15 · دليل إعادة إنتاج النتائج

أعد تشغيل التجربة وافحص أدلتها.

تستخدم التجربة الحاسوبية مكتبة Python القياسية؛ أما أدوات الرسم وإنشاء PDF فاعتماديات منفصلة لعملية البناء.

python3 experiment.py --output evidence/reproduction
python3 verify_results.py evidence/reproduction
python3 figures.py
python3 build.py
node render.mjs
python3 validate_pdf.py

يولّد الأمر الأول الحالات الاصطناعية وجميع مخرجات التجارب. ثم تعيد أداة التحقق حساب الأعداد المعلنة من الصفوف المسجّلة، وتقارن التشغيلين الحتميين المحتفظ بهما. ويقرأ برنامج الرسوم النتائج المحفوظة؛ فالرسوم البيانية ليست تقديرات مرسومة يدويًا. وتُستخدم الأوامر الأخيرة لتجميع الوثيقة المصمّمة وفحصها.

تُجرى اختبارات النموذج الأولي باستخدام تطبيق «سوق» القائم واعتمادياته، مع قاعدة بيانات معزولة صراحةً داخل الذاكرة. ولا تتضمن حزمة الأدلة القابلة للمشاركة شيفرة التطبيق المملوكة. وتتيح بصمات الملفات المختارة وتقارير الاختبار للمالك تحديد النسخة التي فُحصت؛ أما إعادة إجراء اختبارات التطبيق فتتطلب منح المراجع المخوّل وصولًا منفصلًا إلى الشيفرة.

تضم الحزمة ملفًا ببصمات الشيفرة والبيانات والمخرجات المولّدة. تحقّق من تطابق هذه الملفات قبل إعادة إنتاج النتائج. ومن المتوقع اختلاف الأزمنة على جهاز آخر؛ لذا سجّل المنصة وإصدار المفسّر وطريقة التوقيت ونطاق القياس عند مقارنة النتائج.

أثناء تطوير البروتوكول، كانت إحدى حالات اختبار انتهاء الصلاحية تسمح بأن يقع سجل موصوف بأنه «منتهٍ» على حد الصلاحية تمامًا. وصُحّحت الحالة قبل التشغيلين النهائيين المحتفظ بهما. ويُوثّق هذا التصحيح ضمن سجل التطوير؛ ولا تدّعي الدراسة تسجيلًا مسبقًا خارجيًا أو تعمية للتجربة النهائية.

العودة إلى المحتويات ↑

سجل المراجع

المراجع · بنية الوكلاء

فُحصت روابط المصادر الأولية في 28 سبتمبر 2026. يعرض هذا القسم سياقًا بحثيًا محددًا ولا يمثّل مراجعة منهجية شاملة.

[1] ‏ReAct: الجمع بين الاستدلال والفعل في النماذج اللغوية

Yao, S., et al. (2022).

https://arxiv.org/abs/2210.03629

الاستخدام في هذا التقرير: التناوب بين الاستدلال والإجراءات والملاحظات؛ وهو سابقة معمارية.

[2] ‏Reflexion: وكلاء لغويون يستخدمون التعلم المعزز بالتغذية الراجعة اللفظية

Shinn, N., et al. (2023).

https://arxiv.org/abs/2303.11366

الاستخدام في هذا التقرير: حفظ الملاحظات كذاكرة لغوية، والتمييز بين التكيّف وتدريب الأوزان.

[3] الوكلاء التوليديون: محاكاة تفاعلية للسلوك البشري

Park, J. S., et al. (2023).

https://arxiv.org/abs/2304.03442

الاستخدام في هذا التقرير: الذاكرة والاسترجاع والتأمل والتخطيط في بيئة اجتماعية محاكاة.

[4] ‏AutoGen: تطوير الجيل القادم من تطبيقات النماذج اللغوية الكبيرة من خلال حوار متعدد الوكلاء.

Wu, Q., et al. (2023).

https://arxiv.org/abs/2308.08155

الاستخدام في هذا التقرير: أنماط تواصل قابلة للتهيئة تجمع عدة وكلاء ونماذج وأدوات وبشرًا.

[5] ‏Voyager: وكيل مجسّد مفتوح المهام يستخدم نماذج لغوية كبيرة

Wang, G., et al. (2023).

https://arxiv.org/abs/2305.16291

الاستخدام في هذا التقرير: مكتبة مهارات ومنهج تدريجي وتغذية راجعة في ماينكرافت؛ أما نقلها إلى مجال آخر فسؤال منفصل.

[6] ‏MemGPT: نحو استخدام النماذج اللغوية الكبيرة كأنظمة تشغيل

Packer, C., et al. (2023/2024).

https://arxiv.org/abs/2310.08560

الاستخدام في هذا التقرير: إدارة السياق هرميًا والاحتفاظ بالذاكرة.

العودة إلى المحتويات ↑

سجل المراجع

المراجع · التقييم والأمن

فُحصت روابط المصادر الأولية في 28 سبتمبر 2026. يعرض هذا القسم سياقًا بحثيًا محددًا ولا يمثّل مراجعة منهجية شاملة.

[7] ‏AgentBench: تقييم النماذج اللغوية الكبيرة في دور الوكلاء

Liu, X., et al. (2023/2025).

https://arxiv.org/abs/2308.03688

الاستخدام في هذا التقرير: تقييم تفاعلي عبر ثماني بيئات وتحليل أوجه الإخفاق.

[8] ‏τ-bench: معيار لتقييم التفاعل بين الأدوات والوكلاء والمستخدمين في مجالات واقعية.

Yao, S., Shinn, N., Razavi, P., and Narasimhan, K. (2024).

https://arxiv.org/abs/2406.12045

الاستخدام في هذا التقرير: تفاعل مع الأدوات محكوم بالسياسة، وقياس الموثوقية عبر محاولات متكررة.

[9] ‏GAIA: معيار لتقييم مساعدي الذكاء الاصطناعي العامّي المهام

Mialon, G., et al. (2023).

https://arxiv.org/abs/2311.12983

الاستخدام في هذا التقرير: مهام مساعد عام تتطلب الاستدلال واستخدام الأدوات وجمع المعلومات.

[10] ليس هذا ما وافقتَ عليه: مخاطر الحقن غير المباشر للتعليمات في التطبيقات الفعلية المتكاملة مع النماذج اللغوية الكبيرة

Greshake, K., et al. (2023).

https://arxiv.org/abs/2302.12173

الاستخدام في هذا التقرير: قد تتضمن المواد المسترجعة غير الموثوقة تعليمات مضللة.

[11] حول معايرة الشبكات العصبية الحديثة.

Guo, C., Pleiss, G., Sun, Y., and Weinberger, K. Q. (2017).

https://arxiv.org/abs/1706.04599

موضع الاستفادة في التقرير: معايرة الثقة تجريبيًا؛ وليس دليلًا على أن تقييم النموذج اللغوي لثقته بنفسه مُعاير.

[12] ‏CAMEL: وكلاء متحاورون لاستكشاف السلوك الجماعي للنماذج اللغوية الكبيرة

Li, G., et al. (2023).

https://arxiv.org/abs/2303.17760

الاستخدام في هذا التقرير: تعاون الوكلاء بناءً على الأدوار.

العودة إلى المحتويات ↑

سجل المراجع

المراجع · الحوكمة والسجلات البحثية

فُحصت روابط المصادر الأولية في 28 سبتمبر 2026. يعرض هذا القسم سياقًا بحثيًا محددًا ولا يمثّل مراجعة منهجية شاملة.

[13] إطار إدارة مخاطر الذكاء الاصطناعي (AI RMF 1.0)

المعهد الوطني الأمريكي للمعايير والتقنية (2023).

https://www.nist.gov/itl/ai-risk-management-framework

الاستخدام في هذا التقرير: إطار طوعي لإدارة مخاطر الذكاء الاصطناعي في المؤسسات، مع الرجوع إلى إصدار محدد.

[14] إطار إدارة مخاطر الذكاء الاصطناعي: ملف الذكاء الاصطناعي التوليدي (NIST AI 600-1).

المعهد الوطني الأمريكي للمعايير والتقنية (2024).

https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-generative-artificial-intelligence

الاستخدام في هذا التقرير: تحديد مخاطر الذكاء الاصطناعي التوليدي وإجراءات إدارتها.

[15] بطاقات توثيق مجموعات البيانات

Gebru, T., et al. (2018/2021).

https://arxiv.org/abs/1803.09010

الاستخدام في هذا التقرير: توثيق الغرض من مجموعة البيانات وتركيبها وجمعها واستخدامها المقصود.

[16] بطاقات النماذج لتوثيقها

Mitchell, M., et al. (2018/2019).

https://arxiv.org/abs/1810.03993

الاستخدام في هذا التقرير: الاستخدامات المقصودة وظروف التقييم وحدود الأداء.

[17] Attention Is All You Need

Vaswani, A., et al. (2017).

https://arxiv.org/abs/1706.03762

الاستخدام في هذا التقرير: معمارية المحوّل؛ الخلية البرمجية ليست عصبونًا حيويًا ولا نموذجًا تأسيسيًا مدربًا من جديد.

[18] معيار التجزئة الآمنة، FIPS 180-4

المعهد الوطني الأمريكي للمعايير والتقنية (2015).

https://csrc.nist.gov/pubs/fips/180-4/upd1/final

الاستخدام في هذا التقرير: بصمات الرسائل لكشف التغيرات في البايتات المسجّلة.

العودة إلى المحتويات ↑

الملحق A

المصطلحات والرموز

تُستخدم المصطلحات الآتية بمعانٍ ثابتة في هذه الطبعة.

المصطلحالمقصود في هذا التقرير
الامتناعقرار صريح بعدم التنفيذ أو الاختيار التلقائي حين لا تستوفى الشروط.
اختبار أثر حذف مكوّنمقارنة تستبعد مكوّنًا محددًا لفحص مقدار إسهامه.
الاستقلاليةصلاحية إتمام فئة مهام محددة دون تدخل في كل حالة على حدة.
المعايرةمدى توافق درجة الثقة المتوقعة مع صحة الإجابات المرصودة.
خليةمسؤولية برمجية محددة أو موضع مخصص لوكيل؛ وليست خلية عصبية حيوية.
التغطيةنسبة الملاحظات المؤهلة التي يُتخذ فيها الإجراء المحدد إلى مجموع الملاحظات المؤهلة.
تغير توزيع البياناتاختلاف بين الظروف المفترضة أثناء التطوير والظروف التي تظهر لاحقًا.
إسناد المخرجات إلى أدلةربط معلومة أو مقترح بأدلة تستوفي شروط القبول.
عدم تكرار أثر العملية عند إعادتهامنع الطلب المكرّر من إحداث الأثر نفسه مرة أخرى دون قصد.
منشأ البياناتالمصدر المسجل وتاريخ المعلومات أو المواد البحثية
صحة المعنىمدى تحقيق الإجابة أو الإجراء المقترح للهدف المقصود.
البيانات الاصطناعيةحالات اختبار مولّدة وفق توزيعات وتسميات محددة صراحةً.
ρاحتمال الصدمة المشتركة في E3، وهو في المتوسط الترابط الثنائي لصحة القرار في ذلك النموذج.
U / Gدالة منفعة المهمة / دالة مستقلة للتحكم في الإجراء.

عرّفنا المصطلحات بحسب ما تعنيه في التشغيل. وإذا اعتمدت دراسة لاحقة تعريفًا مختلفًا فينبغي إصدار نسخة جديدة وبيان أثر التغيير في تفسير النتائج السابقة.

العودة إلى المحتويات ↑

الملحق B

ميثاق البحث لمشروع JARVIS.

بيان موجز لما تعتزم ZEISMO دراسته والحفاظ عليه.

الغرض

تطوير مساعد ذكاء اصطناعي ناطق بالإنجليزية وتقييمه، إلى جانب منظومة سيستم برين لتنسيق مهام روتينية محددة في اتخاذ القرار. ويدرس البرنامج المهارات الخاصة بكل دور، والخلايا البرمجية المستقلة التركيب، والذاكرة المستندة إلى الأدلة، والتكيّف المنضبط مع تغيّر ظروف الأعمال.

الالتزامات العلمية

  • اسند ادعاءات الأداء إلى قياسات فعلية، وعرّف المحاكاة بوضوح على أنها محاكاة.
  • قارن النتائج بأساليب مرجعية أبسط واحتفظ بالنتائج السلبية.
  • سجّل إصدارات البيانات والنماذج والتعليمات والمهارات والسياسة.
  • ميّز بين سلامة ملفات الأدلة واختبار البرمجيات والمراجعة العلمية.
  • انشر فقط المواد البحثية المأذون بإتاحتها.

الالتزامات التشغيلية

  • حدّد لكل دور نطاقًا ومسؤولًا وحدودًا لقدراته.
  • لا تعتمد التحديثات إلا بعد تقييمها، وأبقِ وسيلة للتعافي.
  • قِس المهام التي ثبت اكتمالها، إلى جانب الأخطاء والكلفة والتدخل المطلوب.
  • تعامل مع إحلال النظام محل القسم بوصفه انتقالًا تدريجيًا في سير العمل.
  • أبقِ الحالات غير المحسومة ظاهرة وأعدها إلى عملية قرار لها مسؤول محدد.

المخرج البحثي التالي هو تقييم نموذج عامل باستخدام البروتوكول المثبّت في هذا التقرير. وستتناول دراسات أبعد مدى المقارنة بلجنة خبراء، والتفاعل الصوتي، وموثوقية الذاكرة في مواجهة أدلة مضلّلة عمدًا، وأداء الإدارات على المدى الطويل.

العودة إلى المحتويات ↑

الملحق C · العرض التوضيحي 01

داخل System Brain.

الواجهة الأصلية للنموذج الأولي · بيانات توضيحية معزولة · 28 سبتمبر 2026

الشكل C1. العرض الأصلي لخلايا «سيستم برين» الخمس عشرة، بهويات أدوار خيالية وذاكرة توضيحية. وتمثل عدادات النشاط قيمًا مُعدّة للاختبار.
الشكل C1. العرض الأصلي لخلايا «سيستم برين» الخمس عشرة، بهويات أدوار خيالية وذاكرة توضيحية. وتمثل عدادات النشاط قيمًا مُعدّة للاختبار.

خريطة للمسؤوليات

تعرض الواجهة خمس عشرة خلية برمجية داخل رسمٍ للدماغ. وللتسويق والعمليات والمالية والبيانات وغيرها من الأدوار هويات منفصلة. يفتح اختيار الخلية لوحة مهاراتها وذاكرتها. وشكل الدماغ وسيلة بصرية للتنقل؛ وليس نموذجًا بيولوجيًا ولا مقياسًا للوعي.

اقرأ الصورةتفسير النتائج
عقد مسمّاةهويات خيالية للعرض التوضيحي مرتبطة بالخانات الموجودة للأدوار.
Orion · 3ثلاثة سجلات ذاكرة نموذجية أُعدّت للتوضيح، وليست ثلاث مهام تجارية منجزة.
نشاط متوقف مؤقتًالم يُشغّل أي وكيل في الخلفية أو نموذج فعلي أو إجراء تجاري أثناء التقاط هذه الصورة.
العودة إلى المحتويات ↑

الملحق C · العرض التوضيحي 02

مهارات الخلية وذاكرتها.

مثال تشغيلي · تعليمات الدور والخبرات المخزّنة وضوابط المهمة الظاهرة للمستخدم

الشكل C2. لوحة خلية العمليات. وُسم كل سجل للمهارات والذاكرة معروض عليها بعبارة DEMO FIXTURE لتمييز بيانات العرض.
الشكل C2. لوحة خلية العمليات. وُسم كل سجل للمهارات والذاكرة معروض عليها بعبارة DEMO FIXTURE لتمييز بيانات العرض.

من تحديد الدور إلى فحص سياق عمله

تضم اللوحة اليسرى أدوات تسمية الخلية وإضافة نص مهارة وطرح سؤال وإسناد مهمة تعمل في الخلفية. وتعرض اللوحة اليمنى التعليمات التي أُعطيت للخلية وسجلاتها المحفوظة. وبهذا يمكن فحص المعلومات المعروضة على الدور قبل إسناد العمل إليه.

يقصر نموذج توصيف الدور عمله على قراءة السجلات المعتمدة وفحص التوقيت وإعداد مسودة للخطوة التالية. وتصف أمثلة الذاكرة أدلة قديمة وحالة تصعيد. وهي أمثلة مكتوبة لسير العمل المقصود، وليست إجابات ولّدها وكيل ذكاء اصطناعي.

العودة إلى المحتويات ↑

الملحق C · العرض التوضيحي 03

فتح أرشيف الذاكرة.

تصفح للقراءة فقط · مجلدات الأدوار · يمكن فحص سياق المصدر

الشكل C3. متصفح الذاكرة الأصلي، مع تحديد مجلد العمليات وفتح سجل اصطناعي واحد لعقد دور.
الشكل C3. متصفح الذاكرة الأصلي، مع تحديد مجلد العمليات وفتح سجل اصطناعي واحد لعقد دور.

ينبغي أن يتيح الأرشيف مساءلة المعلومة إلى جانب استرجاعها.

يصنّف الأرشيف السجلات بحسب الوكيل والنوع. يستطيع مسؤول التشغيل البحث وفتح السجل لفحص نصه وطابعه الزمني. وتوضح ملفات الأمثلة الفرق بين المهارة والملاحظة البحثية وسجل الخبرة دون كشف معلومات العمل الداخلية.

ظهور سجل للمستخدم لا يجعله تلقائيًا دليلًا موثوقًا. وقبل استخدامه لاحقًا في تشغيل مستقل، تشترط البنية البحثية تحديد المصدر والصلاحية وحداثة البيانات وربط السجل بالقرار الذي استُخدم فيه. وتبيّن لقطة الشاشة ما يمكن فحصه حاليًا، أما التصميم الكامل لتتبّع المصادر وفرض السياسات فيشرحه التقرير الرئيسي.

سجل نموذجيالغرض من العرض التوضيحي
مواصفات دور العملياتاعثر على التعليمات التي تحدد حدود مسؤولية الدور.
التحقق من حداثة الدليلتعرّف إلى الحالات التي تحتاج فيها المصادر إلى تحديث.
مثال لإحالة المهمة إلى شخص مختصحدّد حالة ينبغي إعادتها إلى مشغّل مسؤول.
العودة إلى المحتويات ↑

الملحق C · العرض التوضيحي 04

JARVIS واجهةً للنظام.

واجهة مرئية لتنسيق العمل في برنامج بحثي يستخدم الإنجليزية لغةً أساسية

الشكل C4. واجهة أوامر جارفيس الأصلية في وضع ملء الشاشة؛ هوية خيالية، وقيمة العدادات التجريبية صفر، والصوت متوقف، ولا يوجد نشاط فعلي.
الشكل C4. واجهة أوامر جارفيس الأصلية في وضع ملء الشاشة؛ هوية خيالية، وقيمة العدادات التجريبية صفر، والصوت متوقف، ولا يوجد نشاط فعلي.

تسمّي العناوين الموزّعة حول الشكل المداري فئات العمل في واجهة جارڤيس، وهي منفصلة عن المواضع الخمسة عشر لخلايا سيستم برين. وظهورها على الشاشة لا يثبت أن كل وظيفة معروضة مدمجة أو مفعّلة أو قادرة على أداء مهمتها بصورة مستقلة.

واجهة البحث المستهدفة ناطقة بالإنجليزية حصريًا. وتحفظ هذه الصورة حالة النموذج الأولي الحالي الذي ما زال يعرض خيار ميكروفون بالعربية. لذلك يسجّل التقرير فرض الإنجليزية وحدها بوصفه فجوة تنفيذية، ولا يدّعي أن هذا القيد قد فُعّل بالفعل.

العودة إلى المحتويات ↑

الملحق D · الاستبيان 01 / 03

تعريف المشارك بالدراسة وورقة المهام.

JARVIS وSystem Brain · تقييم استطلاعي · استبيان فارغ v1.1

الغرض: معرفة ما إذا كان المشاركون يفهمون الواجهة، ويستطيعون العثور على المعلومات الداعمة وتحديد حدود القرار المفوَّض. المشاركة طوعية؛ يمكنك تجاوز أي سؤال أو التوقف في أي وقت. ولا تُدخل أسماء أو بيانات اتصال أو كلمات مرور أو معلومات تجارية سرية.

محضر الجلسةيُستكمل قبل الجلسة
رمز المشارك (اختياري)________________________________
التاريخ / إصدار التقرير أو النموذج الأولي________________________________
طريقة العرض في التجربة[ ] لقطات شاشة التقرير [ ] عرض تفاعلي معزول
الدور الرئيسي[ ] البحث [ ] الهندسة [ ] العمليات [ ] مجال آخر
الخبرة في استخدام أدوات الذكاء الاصطناعي[ ] لا استخدام [ ] أحيانًا [ ] أسبوعيًا [ ] يوميًا

[ ] فهمتُ النشاط وأختار المشاركة فيه. في الدراسة المنظّمة، يجب أن يوضّح المشرف أولًا جهة الاتصال بالدراسة وترتيبات التخزين ومدة الاحتفاظ وإجراءات الانسحاب. لا تجمع هذه الوثيقة إجابات ولا ترسلها.

أربع مهام للملاحظة

المهمةتعليمات للمشاركسجل ميسّر الجلسة
T1 · الدورحدّد موضع خلية العمليات وصِف مسؤوليتها.________
T2 · الأدلةاعثر على سجل محفوظ وحدّد مصدره أو توقيته.________
T3 · الحدوداذكر علامة تدل على أن المحتوى المعروض بيانات توضيحية.________
T4 · الضوابطاشرح متى ينبغي إعادة المثال إلى مشغّل بشري.________

استخدم الرموز الآتية: C = أُنجزت من دون مساعدة؛ H = أُنجزت بمساعدة؛ U = لم تُنجز؛ N = لم تُرصد. مع لقطات الشاشة، قيّم الفهم فقط؛ ولا تسجّل سرعة التصفح أو نجاح التنفيذ كما لو كان المشارك يستخدم نظامًا فعليًا.

العودة إلى المحتويات ↑

الملحق D · الاستبيان 02 / 03

تقييمك للتجربة.

ضع دائرة حول إجابة واحدة لكل عبارة، واختر N/A إذا لم تمكّنك المادة من الحكم.

مقياس الإجابة · 1 لا أوافق إطلاقًا · 2 لا أوافق · 3 لا أوافق ولا أعارض · 4 أوافق · 5 أوافق بشدة · لا ينطبق: لا أستطيع التقييم

العبارةإجابة المشارك
01 · فهمتُ الغرض من واجهة System Brain.1   2   3   4   5   N/A
02 · استطعت التمييز بين مسؤوليات الخلايا المختلفة.1   2   3   4   5   N/A
03 · استطعتُ تحديد الموضع الذي تُعرض فيه تعليمات الخلية.1   2   3   4   5   N/A
04 · استطعت تحديد موضع عرض المعلومات المخزنة.1   2   3   4   5   N/A
05 · تمكنت من التمييز بين البيانات النموذجية والنتائج المقاسة.1   2   3   4   5   N/A
06 · ساعدتني التسميات على فهم الحالة الحالية للنظام.1   2   3   4   5   N/A
07 · عرفت نوع الدليل الذي أحتاج إليه قبل قبول التوصية.1   2   3   4   5   N/A
08 · فهمتُ متى ينبغي أن يراجع إنسان الإجراء.1   2   3   4   5   N/A
09 · استطعت تحديد حدود الصلاحيات المسندة إلى كل خلية.1   2   3   4   5   N/A
10 · كانت المعلومات مقروءة بحجم العرض الذي استخدمته.1   2   3   4   5   N/A
11 · أشعر بأنني قادر على مناقشة التوصية والتشكيك في مبرراتها.1   2   3   4   5   N/A
12 · ساعدتني المادة في اختيار مهمة مناسبة لتجربة مضبوطة.1   2   3   4   5   N/A
العودة إلى المحتويات ↑

الملحق D · الاستبانة 03 / 03

حدود القرار والملاحظات.

رمز المشارك (اختياري): ____________________

لكل مثال، اختر أعلى مستوى تسمح به حاليًا استنادًا إلى الأدلة المتاحة لك. A = تنفيذ بشري فقط؛ B = مسودة يعدّها الذكاء الاصطناعي ويعتمدها إنسان؛ C = إجراء آلي محدود؛ D = أدلة غير كافية.

مثال لمهمةخيارك
لخّص مستندًا داخليًا غير حساس.A   B   C   D
إحالة طلب دعم إلى جهة مختصة.A   B   C   D
التوصية بنقل مخزون اعتمادًا على سجل قديم.A   B   C   D
الموافقة على التزام مالي أو تغيير صلاحيات الوصول.A   B   C   D

ما الذي كان واضحًا أو مفيدًا أو صعبًا؟

ما الدليل أو الضابط الذي تحتاج إليه قبل الاعتماد على النظام؟

أي مهمة روتينية ستختبر أولًا، وبماذا ستحكم على نجاحها؟

ما الذي ينبغي تغييره قبل توسيع نطاق التجربة؟

خطة تحليل إجابات المشاركين: اذكر حجم العينة وطريقة استقطاب المشاركين وطريقة العرض والإجابات المفقودة. لخّص توزيع إجابات كل بند ونتائج المهام بصورة منفصلة، وافصل بين نتائج لقطات الشاشة ونتائج الجلسات التفاعلية عند المقارنة. وصنّف موضوعات الإجابات الحرة بمعايير موثقة. ولا تبتكر درجة مركّبة «للثقة» أو «للذكاء». ولم تُجمع أي إجابات من مشاركين لهذا الإصدار.

العودة إلى المحتويات ↑

الملحق E · بيان المؤلف

المهندس مهند أسامة زهران.

خبير في الذكاء الاصطناعي · ZEISMO AI Engine · JARVIS وSystem Brain

التوجه البحثي

يشرف مهند أسامة زهران على التصور الذي يقوم عليه برنامج JARVIS وSystem Brain: واجهة ناطقة بالإنجليزية، وخلايا متخصصة بحسب الدور، ومهارات وذاكرة منتقاة، ونقل الأعمال الإدارية الروتينية المناسبة على مراحل إلى نظم قرار تعتمد على الذكاء الاصطناعي.

محرك زيزمو للذكاء الاصطناعي

يذكر مهند أسامة زهران في المعلومات التي قدمها لهذه الطبعة أن عمله في ZEISMO AI Engine يتناول تدريب نماذج الذكاء الاصطناعي وتكييفها. ويربط البرنامج هذا التوجه الهندسي بالبحث في تنسيق الوكلاء واستخدام الأدلة والاستقلالية التشغيلية المنضبطة. أما بنى النماذج المحددة ومجموعات التدريب ونتائج أدائه فتتناولها سجلات تقنية منفصلة.

المساهمة والإعداد

تصور المشروع والتوجيه البحثي: مهند أسامة زهران. نُظّمت الأدبيات وفُحصت المصادر ونُفّذت التجربة وتحققت النتائج العددية وصيغ المخطوط وأُعدت الوثيقة بمساعدة الذكاء الاصطناعي. يوثق التقرير المناهج ومجموعات البيانات ونطاق التحقق الفعلي، ولا ينسب إلى المؤلف مراجعة مستقلة أو تنفيذ كل اختبار يدويًا.

توقيع نصّي معتمد
المهندس مهند أسامة زهرانخبير الذكاء الاصطناعي

28 سبتمبر 2026 · التقرير التقني ZEISMO-LAB-TR-2026-001 · الإصدار 1.3

أُدرج التوقيع المطبوع واللقب المهني بطلب صريح من مهند أسامة زهران. يثبت التوقيع نسبة التأليف ولا يمثل توقيعًا رقميًا بشهادة. يحدّد سجل التحقق المصاحب الملف النهائي ببصمة SHA-256.

المصلحة التجارية: يتعلق العمل بأنظمة طُوّرت ضمن برنامج زيزمو للمنتجات والأبحاث. وينبغي مراعاة دور المؤلف في هذا البرنامج عند تفسير البحث. ولا يُسجَّل للبحث تحكيم علمي مستقل.

العودة إلى المحتويات ↑

مختبر زيزمو للأبحاث

بناء قرارات يمكن فحصها.

JARVIS و«سيستم برين» · تقرير بحثي تقني · الإصدار 1.3

من نموذج تشغيلي أولي إلى برنامج بحثي موثّق.

يوثق هذا الإصدار مقترحًا معماريًا، ونموذجًا أوليًا مفحوصًا بخمس عشرة خلية، وتجارب اصطناعية يمكن تكرارها. ويرسم مسارًا قابلًا للقياس نحو موظفي ذكاء اصطناعي يتحملون مسؤوليات روتينية محددة ويتحسن أداؤهم من خلال خبرة منضبطة.

صيغة استشهاد مقترحة

زهران، م. أ. (2026). JARVIS و«سيستم برين»: نحو صنع قرار آلي يمكن المساءلة عنه وإدارات تتدرج في الاستقلالية. مختبر أبحاث ZEISMO. التقرير التقني ZEISMO-LAB-TR-2026-001، الإصدار 1.3.

zeismo.org
تدير الموقع شركة WEARLISTY SHOPPING SOLUTIONS LLC.
نسخة تقنية أولية منشورة · 28 سبتمبر 2026
العودة إلى المحتويات ↑

المنهج وإعادة إنتاج النتائج

فُحص 14 ملفًا مختارًا من الشيفرة المصدرية للنموذج الأولي من دون تعديلها، وأُجريت سبعة اختبارات معزولة للتطبيق شملت 32 تحققًا من النتائج، وأربع تجارب حاسوبية اصطناعية. وشمل العمل إعادة الحساب من السجلات الخام، والتحقق من تطابق النتائج الحتمية في عمليتين مستقلتين، وقياس زمن المتحكم محليًا، والتقاط صور الواجهة الأصلية ببيانات افتراضية موسومة بوضوح. يورد التقرير التوزيعات وبذور التوليد واختبارات حذف المكوّنات وحدود قياس الزمن.

القيود

لم تُنجز دراسة أداء لنموذج حيّ أو مراجعة علمية مستقلة أو دراسة بمشاركين أو مقارنة مع لجنة من 100 مختص بشري. وتعرض لقطات الواجهة بيانات أُلّفت للتوضيح. والاستبانة أداة استكشافية فارغة. أما سيرة المؤلف المتعلقة بمحرك ZEISMO AI Engine فقد قدّمها بنفسه وهي منفصلة عن نتائج التقرير.

المراجع

[1] Yao, S., et al. (2022). ReAct: Synergizing Reasoning and Acting in Language Models. https://arxiv.org/abs/2210.03629 [2] Shinn, N., et al. (2023). Reflexion: Language Agents with Verbal Reinforcement Learning. https://arxiv.org/abs/2303.11366 [3] Park, J. S., et al. (2023). Generative Agents: Interactive Simulacra of Human Behavior. https://arxiv.org/abs/2304.03442 [4] Wu, Q., et al. (2023). AutoGen: Enabling Next-Gen LLM Applications via Multi-Agent Conversation. https://arxiv.org/abs/2308.08155 [5] Wang, G., et al. (2023). Voyager: An Open-Ended Embodied Agent with Large Language Models. https://arxiv.org/abs/2305.16291 [6] Packer, C., et al. (2023/2024). MemGPT: Towards LLMs as Operating Systems. https://arxiv.org/abs/2310.08560 [7] Liu, X., et al. (2023/2025). AgentBench: Evaluating LLMs as Agents. https://arxiv.org/abs/2308.03688 [8] Yao, S., Shinn, N., Razavi, P., and Narasimhan, K. (2024). τ-bench: A Benchmark for Tool-Agent-User Interaction in Real-World Domains. https://arxiv.org/abs/2406.12045 [9] Mialon, G., et al. (2023). GAIA: a benchmark for General AI Assistants. https://arxiv.org/abs/2311.12983 [10] Greshake, K., et al. (2023). Not what you've signed up for: Compromising Real-World LLM-Integrated Applications with Indirect Prompt Injection. https://arxiv.org/abs/2302.12173 [11] Guo, C., Pleiss, G., Sun, Y., and Weinberger, K. Q. (2017). On Calibration of Modern Neural Networks. https://arxiv.org/abs/1706.04599 [12] Li, G., et al. (2023). CAMEL: Communicative Agents for Mind Exploration of Large Language Model Society. https://arxiv.org/abs/2303.17760 [13] National Institute of Standards and Technology (2023). Artificial Intelligence Risk Management Framework (AI RMF 1.0). https://www.nist.gov/itl/ai-risk-management-framework [14] National Institute of Standards and Technology (2024). Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile (NIST AI 600-1). https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-generative-artificial-intelligence [15] Gebru, T., et al. (2018/2021). Datasheets for Datasets. https://arxiv.org/abs/1803.09010 [16] Mitchell, M., et al. (2018/2019). Model Cards for Model Reporting. https://arxiv.org/abs/1810.03993 [17] Vaswani, A., et al. (2017). Attention Is All You Need. https://arxiv.org/abs/1706.03762 [18] National Institute of Standards and Technology (2015). Secure Hash Standard, FIPS 180-4. https://csrc.nist.gov/pubs/fips/180-4/upd1/final

إتاحة البيانات والملفات الداعمة

أُعدّ ملف PDF المنسَّق والبيانات الاصطناعية وشيفرة التجربة مع إمكانية التحقق من سلامتها بخوارزمية SHA-256. ولا يُعاد توزيع الشيفرة المصدرية لتطبيق سوق المملوك لجهة خاصة. ولا تتضمن حزمة الإصدار سجلات عملاء أو إجابات مشاركين. والإصدار 1.2 من التقرير مرشّح للنشر، وليس مسودة أولية نُشرت للعموم.

التمويل

أُعدّ العمل ضمن برنامج زيزمو البحثي. ولا يشير هذا السجل إلى تمويل خارجي.

تضارب المصالح

يدير المؤلف مشروع زيزمو موضوع الدراسة، وللشركة مصلحة تجارية وسمعة مرتبطة بالأنظمة الموصوفة.

استخدام الذكاء الاصطناعي

قدّم مهند أسامة زهران فكرة المشروع وتوجيهه البحثي وطلب صراحةً إدراج توقيع مكتوب بالاسم. واستُخدم الذكاء الاصطناعي للمساعدة في تنظيم الأدبيات وفحص المصادر وتنفيذ التجارب والتحقق العددي والصياغة وإخراج الوثيقة. ولا يُدّعى وجود مراجع مستقل أو توقيع رقمي يستند إلى شهادة.

المراجعات المسجّلة

يرتبط كل تقييم بالنسخة المحددة من المخطوط التي خضعت للمراجعة.

لم يُسجّل لهذه النسخة أي تقييم من مراجع.

ممارسات البحث في زيزمو

أدلة يمكنك فحصها.

افتح كل علامة للاطلاع على المنهج أو السجل أو السياسة التي تستند إليها.

تصف هذه العلامات ممارسات زيزمو، ويحدّد كل منشور نطاق التحقق الذي أُجري له.