Layers of AI

برمجة2026/11/14 2 دقائق قراءة فريق مكتب النقطة
Layers of AI

اقرأ هذا الهرم من الأسفل إلى الأعلى: لماذا تعمل "الوكلاء الذكية" حقاً؟

الجميع يقرؤون هذا الهرم أو المخطط من الأعلى إلى الأسفل: الذكاء الاصطناعي أولاً، ثم تعلم الآلة، ثم البقية. ولكن ماذا لو بدأنا من الأسفل بدلاً من ذلك؟ ستتضح حينها الصورة الحقيقية التي تفسر سبب عمل أنظمة الوكلاء الذكية (Agents) ونجاحها.

1. ما تحتاجه أنظمة الذكاء الاصطناعي الوكيل (Agentic AI)

Bullet التفكير الموجه نحو الأهداف (Goal-oriented reasoning)

Bullet استخدام الأدوات والدمج (Tool use & integration)

Bullet إدارة الذاكرة والسياق (Memory & context handling)

Bullet حلقات التغذية الراجعة (Feedback loops)

2. الأساس التوليدي

لكي تتمكن هذه الأنظمة من أداء مهامها، فإنها تعتمد على الذكاء الاصطناعي التوليدي، والذي يتضمن:

Bullet نماذج اللغات الكبيرة (LLMs)، النماذج الأساسية، والذكاء الاصطناعي متعدد الوسائط (Multimodal AI).

Bullet التعلم قليل الأمثلة (Few-shot learning) وتقنيات التعلم المستند إلى التغذية الراجعة لاتباع التعليمات بدقة.

3. بنية التعلم العميق (Deep Learning)

والذي بُني بدوره باستخدام:

Bullet نماذج المحولات (Transformers)، إلى جانب الشبكات العصبية التلافيفية (CNNs)، والمتكررة (RNNs)، و(LSTMs).

4. الشبكات العصبية (Neural Networks)

والتي تتكون من لبنات أساسية مثل:

Bullet البيرسيبترون (Perceptrons)، خوارزميات الانتشار العكسي (Backpropagation)، والشبكات متعددة الطبقات.

5. تعلم الآلة (Machine Learning)

والذي تندرج تحته مفاهيم مثل:

Bullet الانحدار (Regression)، أشجار القرار (Decision Trees)، آلات المتجهات الداعمة (SVMs)، والتجميع (Clustering).

6. الذكاء الاصطناعي الشامل (Artificial Intelligence)

والذي يقع في المظلة الأوسع متضمناً:

Bullet الروبوتات، الأنظمة الخبيرة، التعرف على الكلام، وأخلاقيات التقنية.

الخلاصة

الوكلاء (Agents) ليسوا سوى الطابق الأحدث في نفس المبنى.

ولهذا السبب تحديداً يفشل نهج "أضف وكيلاً فحسب"؛ عندما يكون النموذج الأساسي ضعيفاً، أو تفتقر المنظومة إلى الذاكرة، أو حين لا تكون الأدوات مرتبطة ببعضها بالشكل السليم.

الحل لا يكمن أبداً في القمة.

——————————-

Read this chart from the bottom up.

Everyone reads it top-down: Al, then ML, then the rest. Start at the bottom instead, and it explains why agents work.

Agentic Al needs:

L Goal-oriented reasoning

L Tool use & integration

L Memory & context handling

L Feedback loops

To do that, it runs on Generative Al L LLMs, foundation models, multimodal Al L Few-shot learning and RLF to follow instructions

Which is built with Deep Learning

— Transformers, plus CNNS, RNNS, LSTMS

Which is made of Neural Networks

L Perceptrons, backpropagation, multi-layer networks

Which is a branch of Machine Learning L Regression, decision trees, SVMs, clustering

Which sits inside Artificial Intelligence

L Robotics, expert systems, speech recognition, ethics

Agents are the newest floor of the same building.

That's why "just add an agent" fails when the model underneath is weak, the memory is missing, or the tools aren't connected.

The fix is almost never at the top.

اسأل ونحن نجيبك
arArabic