الأنظمة الذاتية
1. تعريف الأنظمة الذاتية
النظام الذاتي هو نظام يمتلك القدرة على تنفيذ جزء من دورة المهمة بصورة مستقلة عن التحكم الخارجي المباشر. وتختلف درجة الاستقلالية باختلاف المهمة، والبيئة، والصلاحيات، والقيود، ومستوى المخاطر.
في التطبيقات الواقعية، لا تعني الاستقلالية أن النظام يعمل بلا حدود، بل تعني أن له مساحة من القرار والتنفيذ داخل حدود صممها البشر أو المؤسسة المسؤولة عنه.
تضع NASA الأنظمة الذاتية ضمن مجال يشمل المعماريات والخوارزميات والبرمجيات القادرة على التكيف مع تغير الظروف والمعرفة والقيود، إلى جانب التخطيط والجدولة والتحكم والرؤية الحاسوبية والأنظمة متعددة الوكلاء والتفاعل بين الإنسان والروبوت.
2. Autonomy والأتمتة والذكاء الاصطناعي
| المفهوم | المعنى |
|---|---|
| Automation | تنفيذ آلي لإجراءات أو مهام محددة وفق تصميم أو قواعد مسبقة. |
| Artificial Intelligence | مجموعة من الأساليب التي تمكن الأنظمة من أداء وظائف مثل الإدراك والتنبؤ والتعلم والاستدلال واتخاذ القرار. |
| Autonomy | قدرة النظام على تنفيذ أهداف أو اختيار أفعال بدرجة من الاستقلال عن التحكم الخارجي. |
3. لماذا نحتاج الأنظمة الذاتية؟
تظهر قيمة الاستقلالية عندما يكون التحكم البشري المستمر مكلفًا أو بطيئًا أو غير ممكن، مثل البيئات الفضائية، أو العمليات ذات الاستجابة السريعة، أو الأنظمة التي تتطلب مراقبة مستمرة.
توضح NASA أن التخطيط والجدولة الآليين يستخدمان في مهمات وعمليات تتضمن موارد محدودة وقيودًا زمنية وعدم يقين، ويمكن أن تساعد هذه التقنيات في زيادة السلامة وتقليل التكلفة ودعم المشغلين البشر.
4. دورة العمل الذاتية
هذه ليست معمارية إلزامية، وإنما نموذج مفاهيمي يوضح أهم الوظائف. يمكن دمج بعض الطبقات أو توزيعها أو تكرارها وفق التطبيق.
5. الاستشعار — Sensors
الاستشعار هو عملية الحصول على معلومات عن حالة النظام أو البيئة.
- الكاميرات.
- LiDAR.
- Radar.
- GNSS.
- IMU.
- حساسات القوة واللمس.
- الحساسات الحرارية.
- الميكروفونات.
- مصادر البيانات الخارجية.
لكل حساس حدود ودقة وضوضاء واحتمالات فشل. لذلك تعتمد الأنظمة المهمة غالبًا على أكثر من مصدر للمعلومات.
6. الإدراك — Perception
الإدراك يحول البيانات الخام إلى معلومات قابلة للاستخدام، مثل اكتشاف الأجسام، تصنيفها، تتبعها، تحليل المشاهد، تقدير الحركة أو فهم الإشارات.
قد تستخدم هذه الطبقة خوارزميات تقليدية أو تعلمًا آليًا أو شبكات عميقة أو نماذج متعددة الوسائط.
7. دمج الحساسات — Sensor Fusion
دمج الحساسات يجمع معلومات من مصادر مختلفة لتكوين تقدير أكثر فائدة للحالة أو البيئة.
يمكن أن يقلل الدمج بعض أوجه القصور في مصدر منفرد، لكنه لا يلغي المخاطر إذا كانت المصادر نفسها غير موثوقة أو متأثرة بهجوم أو خطأ مشترك.
8. تحديد الموقع وتقدير الحالة
تحديد الموقع هو تقدير مكان النظام بالنسبة إلى مرجع معين، بينما تقدير الحالة قد يشمل الموقع والسرعة والاتجاه والتسارع وحالة المكونات والطاقة وغيرها.
قد تعتمد هذه الوظائف على GNSS أو IMU أو الرؤية أو LiDAR أو الخرائط أو مزيج منها.
9. الخرائط وSLAM
SLAM هو اختصار لـ Simultaneous Localization and Mapping، ويشير إلى بناء خريطة للبيئة مع تقدير موقع النظام داخلها في الوقت نفسه.
تزداد أهمية SLAM عندما يعمل النظام في بيئة غير معروفة أو لا يملك خريطة دقيقة مسبقًا.
10. نموذج العالم — World Model
نموذج العالم هو تمثيل داخلي تستخدمه المنظومة لتقدير العناصر المهمة في البيئة والعلاقات بينها وحالتها الحالية أو المحتملة.
- الأجسام.
- المواقع.
- الحركة.
- العلاقات.
- القيود.
- المخاطر.
- الأهداف.
- عدم اليقين.
11. التنبؤ — Prediction
يهدف التنبؤ إلى تقدير الحالات أو الأحداث المستقبلية.
قد يتنبأ النظام بمسار جسم متحرك، أو تغير في البيئة، أو نتيجة محتملة لفعل.
ولأن المستقبل غير مؤكد، يجب أن تكون التنبؤات قابلة للتقييم وأن تؤخذ درجة عدم اليقين في الاعتبار عند الضرورة.
12. التخطيط والجدولة
التخطيط يحدد أفعالًا أو مسارات أو خطوات لتحقيق هدف، بينما تهتم الجدولة بترتيب المهام وتوقيتها وتخصيص الموارد.
تستخدم NASA تقنيات التخطيط والجدولة الآليين في عمليات تشمل المركبات الفضائية والمركبات الجوالة والعمليات الأرضية، مع التعامل مع القيود الزمنية والموارد المحدودة وعدم اليقين وإعادة التخطيط.
أشكال التخطيط
- Task Planning.
- Path Planning.
- Motion Planning.
- Mission Planning.
- Resource Planning.
- Multi-Agent Planning.
- Contingency Planning.
- Replanning.
13. اتخاذ القرار — Decision Making
اتخاذ القرار هو اختيار فعل أو سياسة من بين بدائل ممكنة بناءً على الحالة والأهداف والقيود والمعلومات المتاحة.
في بعض الأنظمة يكون القرار حتميًا، بينما يتطلب في أنظمة أخرى موازنة الاحتمالات والمخاطر والتكاليف والفوائد.
وتستخدم NASA تقنيات مثل Markov Decision Processes وPartially Observable Markov Decision Processes في أبحاث اتخاذ القرار تحت عدم اليقين للمهمات.
14. القرار تحت عدم اليقين
لا تعمل الأنظمة الذاتية في عالم مثالي. قد تكون البيانات ناقصة أو متضاربة، وقد يكون سلوك البيئة غير معروف.
لذلك يجب أن تتعامل المنظومة مع عدم اليقين صراحةً عندما يكون ذلك ضروريًا، بدل تحويل كل تقدير إلى حقيقة مؤكدة.
15. التحكم والتنفيذ
تحول طبقة التحكم القرارات أو الأهداف إلى أوامر تشغيلية، بينما تقوم المشغلات بتحويل الأوامر إلى أفعال فعلية.
يمكن أن يتعلق التحكم بالسرعة أو الموقع أو الاتجاه أو القوة أو الطاقة أو درجة الحرارة بحسب نوع النظام.
وتدرج NASA التحكم التكيفي والتحكم الأمثل والتوجيه والملاحة ضمن مجالات البحث الأساسية في الأنظمة الذاتية.
16. التغذية الراجعة — Feedback
بعد تنفيذ الفعل، تتم مراقبة النتيجة. وإذا أصبحت الخطة غير مناسبة، يمكن للنظام إعادة التخطيط أو تغيير القرار.
هذه الحلقة هي أحد الأسس الهندسية للأنظمة التي تتفاعل باستمرار مع بيئة متغيرة.
17. التعلم والتكيف
يمكن استخدام التعلم الآلي لتحسين الإدراك أو التنبؤ أو القرار.
لكن التعلم أثناء التشغيل أو تحديث النماذج يضيف مخاطر جديدة؛ إذ يمكن أن يتغير سلوك النظام بعد التحديث. لذلك يجب أن تكون التغييرات قابلة للمراقبة والتقييم والتحقق بحسب مستوى المخاطر.
18. المعماريات
Reactive
استجابة سريعة تربط الحالة بالأفعال، مناسبة للوظائف الحساسة للزمن.
Deliberative
تعتمد على تمثيل للحالة والتخطيط قبل التنفيذ.
Hybrid
تجمع الاستجابة السريعة مع التخطيط عالي المستوى.
Hierarchical
تقسم القرار إلى مستويات مثل المهمة والتخطيط والتحكم.
Distributed
توزع الوظائف بين عدة مكونات أو عقد، وهو أسلوب مهم في الأنظمة الكبيرة.
لا توجد معمارية واحدة مناسبة لكل الأنظمة؛ فاختيار المعمارية يعتمد على طبيعة المهمة والبيئة والموارد ومتطلبات السلامة.
19. الأنظمة متعددة الوكلاء
في النظام متعدد الوكلاء يعمل أكثر من كيان مستقل أو شبه مستقل في بيئة مشتركة.
يمكن للوكلاء التعاون أو التفاوض أو توزيع المهام، وقد تظهر بينهم تعارضات في الأهداف أو الموارد.
تدرج NASA الأنظمة الموزعة ومتعددة الوكلاء والتنسيق بين الوكلاء ضمن مجالات الأنظمة الذاتية.
20. الإنسان والاستقلالية
| النمط | الدور البشري |
|---|---|
| Human-in-the-Loop | الإنسان يشارك في القرار أو الموافقة. |
| Human-on-the-Loop | النظام يعمل باستقلالية مع مراقبة وإمكانية تدخل. |
| Human-out-of-the-Loop | لا يوجد تدخل بشري مباشر أثناء دورة التشغيل المحددة. |
تذكر NASA مفهوم Adjustable Autonomy ضمن مجالها البحثي، وهو مهم عندما تختلف الحاجة إلى تدخل الإنسان باختلاف المهمة أو الحالة.
21. الذكاء الاصطناعي والنماذج الحديثة
يمكن للذكاء الاصطناعي أن يدعم النظام الذاتي في الإدراك والتنبؤ والتخطيط واتخاذ القرار وفهم اللغة والتفاعل متعدد الوسائط.
يمكن أيضًا استخدام النماذج اللغوية والكبيرة والنماذج متعددة الوسائط في الطبقات عالية المستوى، مثل تفسير التعليمات أو اقتراح خطط.
22. Edge AI وOn-Device AI
تسمح الحوسبة الطرفية بتنفيذ بعض وظائف الذكاء بالقرب من مصدر البيانات، بينما يعني On-Device AI تنفيذ النموذج مباشرة على الجهاز.
- زمن استجابة أقل في بعض الحالات.
- تقليل الاعتماد على الاتصال.
- إمكانية استمرار بعض الوظائف دون الإنترنت.
- تقليل الحاجة إلى نقل بعض البيانات الحساسة.
لكن الأجهزة الطرفية تواجه قيودًا في الطاقة والذاكرة والحوسبة والحرارة، لذلك يجب موازنة الأداء والموارد.
23. التطبيقات
| المجال | أمثلة |
|---|---|
| الفضاء | المركبات الفضائية، المركبات الجوالة، العمليات بعيدة المدى. |
| الروبوتات | الملاحة، التلاعب، الاستكشاف. |
| المركبات | الإدراك، التخطيط، التحكم. |
| الطيران | الملاحة وإدارة الرحلات. |
| البحر | الملاحة والاستكشاف والمراقبة. |
| الصناعة | الروبوتات والفحص والصيانة. |
| الزراعة | المراقبة والأعمال الميدانية. |
| البرمجيات | الوكلاء الرقميون وتنفيذ المهام. |
24. نطاق التشغيل — ODD
لا يمكن وصف نظام بأنه مستقل وصفًا دقيقًا دون تحديد الظروف التي صمم للعمل فيها.
قد يشمل نطاق التشغيل البيئة والطقس والإضاءة والاتصالات والسرعة ونوع المهمة والمعدات ومستوى المخاطر.
25. السلامة — Safety
السلامة يجب أن تدخل في التصميم والتحليل والاختبار والتشغيل، وليس بعد اكتمال النظام.
- تحليل الأخطار.
- حدود تشغيل واضحة.
- كشف الأعطال.
- مراقبة الحالة.
- التوقف الآمن.
- التحول إلى وضع بديل.
- التحقق من المخرجات.
- التعامل مع الحالات غير المتوقعة.
يضع NIST السلامة والموثوقية والأمن والمرونة ضمن خصائص الثقة في أنظمة AI، مع التأكيد على أن الثقة تعتمد على مجموعة الخصائص وسياق الاستخدام.
26. الأمن السيبراني
يمكن أن يؤدي اختراق نظام ذاتي إلى تغيير بياناته أو مدخلاته أو اتصالاته أو صلاحياته أو سلوكه.
يشير NIST إلى مخاطر تشمل أمثلة خصومية، وتسميم البيانات، واستخراج النماذج أو بيانات التدريب، إضافة إلى مخاطر السرية والسلامة والتوافر.
- المصادقة وإدارة الهوية.
- تقليل الصلاحيات.
- حماية الاتصالات.
- سلامة البرمجيات.
- حماية البيانات.
- تأمين التحديثات.
- المراقبة والسجلات.
- الاستجابة للحوادث.
27. الخصوصية
قد تتعامل الأنظمة الذاتية مع صور وأصوات ومواقع وبيانات سلوكية.
ينبغي تحديد الغرض من جمع البيانات، تقليل البيانات غير الضرورية، حماية الوصول، وإدارة التخزين والنقل والمعالجة.
المعالجة المحلية قد تقلل بعض احتياجات نقل البيانات، لكنها ليست ضمانًا مطلقًا للخصوصية.
28. الفشل والمرونة
يجب تصميم الأنظمة الذاتية على افتراض أن بعض المكونات أو البيانات قد تفشل.
Fault Tolerance
القدرة على الاستمرار في تقديم الوظيفة رغم أنواع محددة من الأعطال.
Fail-Safe
الانتقال إلى حالة مصممة لتقليل الخطر عند حدوث فشل.
Graceful Degradation
انخفاض منظم في الأداء بدل الانهيار الكامل.
ويربط NIST بين المرونة والأمن والقدرة على التعامل مع التغيرات والأحداث الضارة، مع التأكيد على إمكانية التدهور الآمن والمنظم عند الحاجة.
29. الاختبار والتقييم والتحقق والتصديق — TEVV
يجب تقييم النظام الذاتي على أكثر من مستوى: هل ينفذ المتطلبات؟ هل يحقق الهدف الحقيقي؟ هل يتصرف بأمان؟ وهل يستمر في الأداء عندما تتغير الظروف؟
- Testing: تنفيذ اختبارات محددة.
- Evaluation: قياس الأداء والمخاطر.
- Verification: التحقق من مطابقة المتطلبات.
- Validation: التحقق من ملاءمة النظام للاستخدام المقصود.
NIST يربط AI RMF بمنهجية TEVV، وفي أغسطس 2026 نشر مسودة TEVV-Athlon لتقييم أنظمة AI في العالم الواقعي، وتشمل المنهجية النماذج الإحصائية، والنماذج اللغوية، والنماذج متعددة الوسائط، والأنظمة الوكيلة وغيرها.
30. المحاكاة والتوأم الرقمي
تتيح المحاكاة اختبار حالات كثيرة دون تعريض الأشخاص أو المعدات للخطر.
يمكن استخدام التوأم الرقمي لتمثيل نظام أو عملية أو بيئة حقيقية رقميًا بهدف التحليل أو المراقبة أو التجربة.
لكن توجد دائمًا مشكلة Simulation-to-Reality Gap؛ فقد تختلف البيئة الحقيقية عن النموذج المحاكى.
31. الحوكمة وإدارة المخاطر
إدارة المخاطر عملية مستمرة عبر دورة حياة النظام.
يعتمد NIST AI RMF على أربع وظائف أساسية: Govern، Map، Measure، Manage لإدارة مخاطر الذكاء الاصطناعي.
| الوظيفة | الدور |
|---|---|
| Govern | الحوكمة والسياسات والمسؤوليات. |
| Map | فهم السياق والمخاطر والتأثيرات. |
| Measure | قياس الأداء والثقة والمخاطر. |
| Manage | معالجة المخاطر واتخاذ الإجراءات المناسبة. |
ويؤكد NIST أن هذه الوظائف مرتبطة بمراحل متعددة من دورة حياة النظام، من التصميم والتطوير إلى النشر والاستخدام والتقييم.
32. الشفافية وقابلية التدقيق
تحتاج الأنظمة ذات الصلاحيات المهمة إلى قدر مناسب من التوثيق والسجلات والمراقبة.
- إصدار النموذج.
- الإعدادات.
- الأحداث المهمة.
- القرارات.
- الأفعال.
- الأخطاء.
- التحديثات.
- التدخلات البشرية.
ويعتبر NIST المساءلة والشفافية وقابلية التفسير من خصائص الثقة، ويؤكد أن الشفافية تمتد إلى قرارات التصميم والبيانات والتدريب والاستخدام والنشر وما بعد النشر.
33. الأخلاقيات والمساءلة
كلما ازدادت صلاحيات النظام الذاتي، ازدادت الحاجة إلى تحديد المسؤولية.
- من صمم النظام؟
- من اختبره؟
- من حدد نطاق التشغيل؟
- من منحه الصلاحيات؟
- من نشره؟
- من يراقبه؟
- من يستطيع إيقافه؟
لا ينبغي استخدام عبارة "الآلة قررت بنفسها" لإخفاء المسؤولية البشرية أو المؤسسية.
34. الأنظمة الذاتية والسيادة الرقمية
الاستقلالية التشغيلية ليست مساوية للسيادة التقنية.
قد يعمل النظام دون تدخل بشري مباشر، لكنه يعتمد على نموذج خارجي أو خدمة سحابية أو بنية تحتية أو نظام اتصالات لا تملك المؤسسة السيطرة الكاملة عليه.
من منظور السيادة الرقمية يمكن تقييم:
- سيادة البيانات.
- سيادة النماذج.
- سيادة الحوسبة.
- سيادة البرمجيات.
- سيادة البنية التحتية.
- استقلال الاتصالات.
- القدرة على التشغيل المحلي.
- القدرة على التدقيق.
- القدرة على التعديل والإيقاف.
35. التحديات الرئيسية
- عدم اكتمال المعلومات.
- تغير البيئة.
- الحالات النادرة وغير المتوقعة.
- الضوضاء وأخطاء الحساسات.
- الفجوة بين المحاكاة والواقع.
- القيود الحسابية والطاقة.
- الاعتماد على البيانات.
- التفاعل المعقد مع البشر.
- الأمن السيبراني.
- صعوبة إثبات السلامة في جميع الحالات.
- إدارة تحديثات النماذج.
- تحديد المسؤولية.
- الاعتماد على مكونات خارجية.
36. المستقبل
يتجه البحث نحو أنظمة تجمع بين الروبوتات والذكاء الاصطناعي متعدد الوسائط والنماذج الأساسية والتخطيط والوكلاء والأنظمة الطرفية.
وتشمل الاتجاهات البحثية:
- الاستقلالية القابلة للتكيف.
- الروبوتات متعددة الاستخدامات.
- الأنظمة متعددة الوكلاء.
- التعاون بين الإنسان والآلة.
- التخطيط تحت عدم اليقين.
- المراقبة الذاتية.
- كشف الأعطال والتعافي.
- المحاكاة والتوائم الرقمية.
- الذكاء على الجهاز.
- دمج النماذج التوليدية مع طبقات سلامة وتحكم قابلة للتحقق.
لكن زيادة القدرات لا تعني تلقائيًا زيادة الثقة. فكلما توسعت صلاحيات النظام، زادت أهمية الاختبار والأمن والسلامة والحوكمة.
37. قاموس المصطلحات
| المصطلح | المعنى |
|---|---|
| Autonomous System | نظام يعمل بدرجة من الاستقلال لتحقيق أهداف محددة. |
| Autonomy | درجة استقلال النظام عن التحكم الخارجي. |
| Automation | تنفيذ آلي لمهام أو إجراءات. |
| Agent | كيان قادر على الإدراك والفعل. |
| Perception | استخلاص معلومات من البيانات. |
| Sensor Fusion | دمج بيانات حساسات متعددة. |
| Localization | تقدير موقع النظام. |
| SLAM | التحديد المتزامن للموقع وبناء الخريطة. |
| State Estimation | تقدير الحالة الداخلية والخارجية. |
| World Model | تمثيل داخلي للبيئة. |
| Prediction | تقدير الحالات المستقبلية. |
| Planning | تحديد أفعال لتحقيق هدف. |
| Scheduling | تنظيم توقيت وترتيب المهام والموارد. |
| Decision Making | اختيار فعل من بدائل ممكنة. |
| Control | تنظيم سلوك النظام. |
| Actuation | تنفيذ الفعل بواسطة المشغلات. |
| Feedback | استخدام نتائج الأفعال لتحديث السلوك. |
| Reinforcement Learning | تعلم السياسات من التفاعل والتقييم. |
| Adjustable Autonomy | إمكانية تغيير درجة الاستقلالية. |
| Edge AI | تنفيذ AI قرب مصدر البيانات. |
| On-Device AI | تنفيذ AI على الجهاز نفسه. |
| Multi-Agent System | منظومة تضم عدة وكلاء متفاعلين. |
| ODD | Operational Design Domain؛ نطاق ظروف التشغيل المقصودة. |
| Fault Tolerance | تحمل أنواع محددة من الأعطال. |
| Fail-Safe | الانتقال إلى حالة أكثر أمانًا عند الفشل. |
| Graceful Degradation | تدهور منظم بدل الانهيار الكامل. |
| TEVV | Test, Evaluation, Verification and Validation. |
| Digital Twin | تمثيل رقمي لنظام أو بيئة حقيقية. |
| Human-in-the-Loop | الإنسان يشارك في دورة القرار. |
| Human-on-the-Loop | الإنسان يراقب ويمكنه التدخل. |
| Cybersecurity | حماية النظام والبيانات والاتصالات من التهديدات. |
| Auditability | إمكانية مراجعة الأحداث والقرارات. |
38. المراجع
NASA Autonomous Systems & Robotics
مرجع أساسي لمجالات الاستقلالية والروبوتات والتخطيط والتحكم والأنظمة متعددة الوكلاء والتفاعل بين الإنسان والروبوت.
NASA Planning & Scheduling
مرجع للتخطيط والجدولة الآليين والقيود الزمنية والموارد وعدم اليقين وإعادة التخطيط.
NASA ASR Research Groups
يشمل التحكم والتوجيه والملاحة والتخطيط والروبوتات واتخاذ القرار تحت عدم اليقين.
NIST AI RMF
الإطار المؤسسي لإدارة مخاطر الذكاء الاصطناعي. وتوضح الصفحة الرسمية أن AI RMF 1.0 صدر في 26 يناير 2023، وأن تحديثًا للإطار قيد التطوير في 2026.
NIST Trustworthiness Characteristics
يشمل الصلاحية والموثوقية والسلامة والأمن والمرونة والمساءلة والشفافية وقابلية التفسير والخصوصية والعدالة.
NIST TEVV-Athlon Framework
إطار حديث لتقييم أنظمة AI، وتشمل المسودة النماذج اللغوية والمتعددة الوسائط والأنظمة الوكيلة.
39. الخلاصة
الأنظمة الذاتية ليست مجرد روبوتات تتحرك وحدها، وليست مرادفًا للذكاء الاصطناعي أو للأتمتة. إنها منظومات متكاملة تجمع الاستشعار والإدراك وتقدير الحالة ونموذج العالم والتنبؤ والتخطيط واتخاذ القرار والتحكم والتنفيذ والتغذية الراجعة.
ويصبح النظام أكثر تعقيدًا عندما يعمل في بيئة مفتوحة وغير مؤكدة أو يمتلك صلاحيات واسعة أو يتفاعل مع البشر أو يتصل بأنظمة أخرى.
لذلك فإن بناء نظام ذاتي موثوق يتطلب الجمع بين الأداء والسلامة والأمن والمرونة والشفافية وقابلية التدقيق والخصوصية والحوكمة والاختبار والتقييم.
الاستقلالية ليست غياب الإنسان؛ إنها هندسة العلاقة بين الإنسان والآلة والبيئة بحيث تستطيع الآلة التصرف باستقلال مناسب داخل حدود واضحة، مع الحفاظ على إمكانية المراقبة والتقييم والتدخل والمساءلة.
الأنظمة الذاتية — Autonomous Systems
Artificial Intelligence • Robotics • Autonomy • Intelligent Systems • Edge AI • On-Device AI • Multi-Agent Systems • Digital Sovereignty
