صعود الحلقات الوكيلية (Agentic Loops): الآفاق الجديدة في استقلالية الذكاء الاصطناعي

يتطور الذكاء الاصطناعي بسرعة من مجرد توليد أكواد برمجية ثابتة إلى أنظمة بيئية ديناميكية وذاتية الاستدامة. ومع انتقال المطورين من كتابة الأكواد إلى استخدام الوكلاء (agents)، يدخل القطاع الآن عصر "الحلقات" (loops) — حيث يقوم الوكلاء بتحفيز وكلاء آخرين لأداء عمل مستمر وتكراري.

من الكود المصدري إلى أسراب الوكلاء

في مؤتمر @Scale التابع لشركة Meta، سلط بوريس تشيرني، مبتكر Claude Code، الضوء على تحول عميق في دورة حياة تطوير الذكاء الاصطناعي. وبينما كانت المحطة الرئيسية السابقة هي الانتقال من الكود المصدري اليدوي إلى الكود المكتوب بواسطة الذكاء الاصطناعي، يرى تشيرني أن القفزة التالية لا تقل أهمية: وهي الانتقال إلى وكلاء يديرون وكلاء آخرين.

هذا ليس مجرد طرح نظري؛ إذ يصف تشيرني سير عمل تعمل فيه وكلاء متخصصون في دورة مستمرة. على سبيل المثال، قد يركز أحد الوكلاء حصريًا على تحسين بنية الكود، بينما يقوم وكيل آخر بالبحث عن التجريدات المكررة لتوحيدها. تعمل هذه الوكلاء مثل المهندسين البشريين، حيث يقدمون طلبات السحب (pull requests) ويعملون بشكل غير متزامن. وعلى عكس الأتمتة التقليدية، فإن هذه الحلقات غير حتمية (non-deterministic)؛ فبدلاً من اتباع شرط خروج مبرمج مسبقًا، يستخدم الوكيل الفرعي المنطق لتحديد متى تم تحسين المهمة أو إكمالها بشكل كافٍ.

فهم منطق الحلقات وحوسبة وقت الاختبار (Test-Time Compute)

يستعير مفهوم "الحلقات" من علوم الحاسوب الأساسية — وتحديدًا الدوال العودية (recursive functions) — ولكنه يضيف طبقة من الاستدلال الاحتمالي. أحد الأنماط البارزة هو "حلقة رالف" (Ralph Loop) (تيمناً بشخصية رالف ويجوم من مسلسل ذا سيمبسونز)، وهي تقنية تُستخدم لمنع النماذج من الانحراف أثناء المهام الطويلة. يقوم النموذج بتلخيص تقدمه الخاص وتقييم ما إذا كان قد حقق هدفه، مما يؤدي أساسًا إلى "تمرير" المنطق ذهابًا وإيابًا حتى يتم الوصول إلى نتيجة ناجحة.

يرتبط هذا التوجه ارتباطًا وثيقًا بمفهوم "حوسبة وقت الاختبار" (test-time compute). وكما أشار باحث OpenAI نوام براون، يمكن للنماذج المعاصرة حل مشكلات تزداد تعقيدًا إذا تم تزويدها بموارد حوسبة كافية. وفي سيناريوهات "تسلق التلال" (hill-climbing) — مثل التحسين التدريجي لقاعدة الكود — تسمح الحلقات للذكاء الاصطناعي بالتكرار المستمر على المشكلة، مستخدمًا المزيد من الحوسبة لاستخراج مستويات أعلى من الأداء حتى يتم الوصول إلى عتبة محددة.

الواقع الاقتصادي: استهلاك الرموز (Tokens) مقابل القيمة

في حين أن الإمكانات التقنية للحلقات الوكيلية مذهلة، إلا أن التداعيات الاقتصادية كبيرة. فخلافًا للتفاعل التقليدي مع روبوتات الدردشة (سؤال وجواب)، صُممت الحلقات الوكيلية لتعمل بلا نهاية في الخلفية. وهذا يؤدي إلى طفرة هائلة في استهلاك الرموز (tokens)، مما قد يؤدي إلى ارتفاع تكاليف الشركات بشكل صاروخي.

بالنسبة لمزودي الذكاء الاصطناعي مثل Anthropic، يمثل هذا نموذج إيرادات عالي النمو. ومع ذلك، بالنسبة للمطورين والمؤسسين، يتطلب تنفيذ الحلقات توازنًا دقيقًا. سيعتمد النجاح في هذا المشهد الجديد على تنفيذ رقابة صارمة لإدارة "الانحراف" (حيث يفقد الذكاء الاصطناعي رؤية الهدف الأصلي) ووضع ضوابط صارمة على الإنفاق على الرموز لضمان أن القيمة التي تنتجها الحلقة تفوق تكلفتها التشغيلية.

النقاط الرئيسية

• التحول في الاستقلالية: ينتقل الذكاء الاصطناعي من توليد الكود في دورة واحدة إلى حلقات وكيلية مستقلة حيث يشرف الوكلاء على بعضهم البعض ويحفزون بعضهم البعض.
• حوسبة وقت الاختبار: تستفيد الحلقات الوكيلية من زيادة الحوسبة أثناء مرحلة الاستدلال (inference) لحل مشكلات "تسلق التلال" المعقدة والتكرارية.
• إدارة التكلفة أمر بالغ الأهمية: يمكن للطبيعة المستمرة لهذه الحلقات أن تؤدي إلى استهلاك أسي للرموز (tokens)، مما يجعل الرقابة وضوابط الميزانية ضرورية لاعتماد الشركات لهذه التقنية.