حصل فلوران ديلغرانج، الباحث ما بعد الدكتوراه في معمل الذكاء الاصطناعي بجامعة بروكسل الحرة (VUB)، على جائزة أفضل ورقة Blue Sky في مؤتمر AAMAS 2026 عن عمله المعنون «نماذج العالم الأساسية للوكيلات التي تتعلم وتتحقق وتتكيف بموثوقية خارج البيئات الثابتة». وفي مقابلة، يقدم برنامج البحث الذي يقترحه: تمكين وكيل ذاتي من التعلم باستمرار، في عالم متغير، دون فقدان الضمانات التي تجعل سلوكه موثوقًا به.
تنطلق ورقته من ملاحظة بسيطة. يمكن تطبيق التعلم المعزز، الذي يعني التعلم بالمحاولة والخطأ، على بيئات لا يمكن أبدًا كتابة جميع قواعدها. لكن الوكيل يسعى عمومًا إلى تعظيم مكافأة، والمكافأة غير المُعرّفة جيدًا يمكن استغلالها. لذا، لا تثبت المكافأة الكبيرة وحدها أن متطلبات السلامة أو التنسيق مُلتزمة. على العكس من ذلك، تنطلق التركيبة التفاعلية، وهي طريقة منبثقة من الطرق الشكلية، من نموذج للبيئة ووصف منطقي للسلوك المتوقع لبناء سياسة صحيحة بالتصميم. لكنها تفترض نموذجًا صريحًا وثابتًا، وهو بالضبط ما يفتقده وكيل يعمل في عالم مفتوح ومتغير.
يتلخص الاقتراح في جمع هذين النهجين في حلقة واحدة. سيتم تعلم نموذج للعالم، أي تمثيل داخلي للبيئة، من الخبرة، ولكن ببنية تتيح تحليله بواسطة مُتحقق، وهو برنامج مكلف بالتحقق من صحة السلوكيات. بينما يتعلم الوكيل، يقوم بتحديث نموذجه، وقياس موثوقية تجريده، والتحقق من أن سياسته لا تزال تحترم مواصفاته. يمكن للمُتحقق رفض تحديث خطير، أو طلب بيانات عن منطقة غير مؤكدة، أو إطلاق مراجعة للنموذج.
رؤية مختلفة عن النماذج الحالية
بالنسبة لفلوران ديلغرانج، يشير مصطلح «أساسي» أولاً إلى إعادة الاستخدام، وليس إلى الحجم. فهو لا يتصور مُتنبئًا بالفيديو أكبر حجمًا، مُدرّبًا على مسارات أكثر، بل نموذجًا دائمًا ومركبًا، يمكن لوكيل أن ينقله من مهمة إلى أخرى ومن مجموعة من الوكلاء إلى أخرى. ويقارنه بخريطة لا تُظهر الطرق فحسب، بل أيضًا المناطق المستكشفة، والاستنتاجات التي تعتمد على تلك المناطق، واللحظات التي يجعل فيها التغيير مسارًا قديمًا غير موثوق.
يُعرِّف ثلاث خصائص مطلوبة. يجب أن يكون النموذج أولاً مُعايرًا: يرافق كل تجريد مُتعلم قياس لخطئه أو تغطيته. يجب أن يكون بعد ذلك تركيبيًا، حيث يمكن إعادة استخدام الديناميكيات المحلية والشهادات المُتحقق منها مسبقًا لتجميع مهمة جديدة. أخيرًا، يجب أن يكون قابلًا للاستعلام دلاليًا: يمكن لمتطلب شكلي أو تعليمات عالية المستوى مساعدة الوكيل في استخلاص مكافأة أو سياسة مناسبة، مع خبرة إضافية قليلة.
ويؤكد أيضًا أن النماذج الحالية مصممة أولاً وقبل كل شيء لمهمة أو بيئة أو توزيع تدريب معين، بهدف رئيسي هو دقة التنبؤ. ومع ذلك، في رأيه، لا تعادل الدقة المتوسطة القدرة على ضمان سلوك. في مثال مستودع، يمكن لنموذج أن يتنبأ بجميع التحولات تقريبًا بشكل صحيح بينما يفتقد تفاعلًا نادرًا وخطيرًا مع رافعة شوكية، في حين أن هذا التحول الوحيد هو الذي يحدد صحة ضمان تجنب الاصطدام. في هذا المخطط، تلعب نماذج اللغة دورًا تكميليًا: تقترح مواصفات أو تحديثات مُنظمة، يقوم نموذج العالم بتثبيتها في الخبرة ويتحقق منها المُتحقق.
أنظمة متعددة الوكلاء
في الأنظمة متعددة الوكلاء، يشكل كل وكيل يتعلم جزءًا من بيئة الآخرين، مما يجعل المشكلة أكثر صعوبة. يأخذ فلوران ديلغرانج مثالًا على أسطول روبوتات مستودع، يجب عليها تجنب الاصطدامات وتسليم طرودها واحترام قيود السعة المشتركة. إذا عدّل روبوت مساره، يمكن للنظام تحديد الفرضيات والضمانات المتأثرة، وجمع بيانات جديدة إذا لزم الأمر، ومراجعة المكونات المعنية فقط.
يبقى العائق الرئيسي هو الانتقال إلى النطاق الواسع. ينمو فضاء الحالات المشتركة بسرعة كبيرة مع عدد الوكلاء، ولا تجتمع الضمانات المحلية تلقائيًا في ضمان شامل. يرى الباحث أنه من الضروري تطوير طرق تتيح الكشف عن التبعيات، والحفاظ على صحة الضمانات عند تركيبها، والتحقق بسرعة كافية للتأثير على التعلم في الوقت الفعلي.
