يتطور الذكاء الاصطناعي بسرعة، ومع ذلك، تظل معظم أدوات الذكاء الاصطناعي تقليدية: تدخل موجهاً إلى النموذج وتحصل على استجابة. في السنوات الأخيرة، ظهرت أنظمة المحاكاة متعددة العوامل (multi-agent simulations) كاتجاه جديد، حيث تتفاعل العديد من عوامل الذكاء الاصطناعي ضمن بيئة رقمية واحدة.
بدلاً من محاولة نموذج واحد توليد الإجابة، تحاكي هذه الأنظمة مجموعات من العوامل المستقلة التي تتبادل المعلومات، وتبني الآراء، وتؤثر على بعضها البعض.
من المشاريع البارزة في هذا المجال MiroFish، وهو محرك ذكاء سربي مفتوح المصدر لمحاكاة سيناريوهات العالم الحقيقي باستخدام آلاف العوامل. يتيح لك بناء بيئة رقمية تجريبية (digital sandbox) لمحاكاة أحداث معقدة: الأسواق المالية، تحولات الرأي العام، السياسات، وحتى القصص الخيالية.
💡هل تعمل على بناء أو اختبار عوامل ذكاء اصطناعي أو خوادم MCP؟ Apidog يقدم عميل MCP متكامل لتصحيح واختبار خوادم MCP، مع دعم للتوصيل عبر STDIO وHTTP، وواجهة مرئية لاختبار الأدوات التنفيذية والموجهات وموارد الخادم، وإدارة تلقائية لمصادقات OAuth 2.0، وعرض استجابات Markdown والصور ديناميكياً.
على عكس أدوات الذكاء الاصطناعي التقليدية، ينشئ MiroFish مجتمعًا رقميًا كاملاً من عوامل الذكاء الاصطناعي، لكل عامل ذاكرة، وسمات، ومنطق اتخاذ قرار مستقل. عند إدخال حدث جديد (خبر عاجل، سياسة، إشارة مالية)، تتفاعل العوامل وتؤثر على بعضها البعض.
مع الزمن، تنشأ أنماط تفاعل تحاكي المجتمعات البشرية الفعلية، ما يسمح بمراقبة النتائج، والروايات الناشئة، وتحولات المشاعر.
المصدر: X
ما هو MiroFish؟
MiroFish هو محرك محاكاة ذكاء سربي مبني حول الذكاء الاصطناعي متعدد العوامل.
بدلاً من الاعتماد على نموذج واحد، تُنشئ المنصة العديد من العوامل المستقلة كمشاركين افتراضيين في مجتمع رقمي.
كل عامل لديه:
- سمات شخصية
- قواعد سلوكية
- ذاكرة طويلة الأمد
- علاقات اجتماعية
- منطق اتخاذ قرار مستقل
تتفاعل العوامل، تتبادل المعلومات، وتبني الآراء، وتستجيب للأحداث. هذا يولّد سلوكًا ناشئًا (emergent behavior) يظهر من مجموع التفاعلات الفردية، ويحاكي كيف تتشكل ظواهر اجتماعية كالرأي العام أو تغيّر السوق.
باختصار: المنصة تعمل كـبيئة رقمية تجريبية لاستكشاف سيناريوهات "ماذا لو".
الرؤية: مرآة للذكاء الجماعي
هدف MiroFish هو توفير مرآة ذكاء جماعي للعالم الحقيقي.
النماذج التقليدية تعتمد على بيانات تاريخية وإحصائيات، لكن السلوك البشري غالباً غير متوقع ويعتمد على التفاعلات الاجتماعية.
أمثلة:
- تذبذب الأسواق المالية بسبب معنويات المستثمرين
- انتشار اتجاهات وسائل التواصل الاجتماعي بشكل مفاجئ
- تغير ردود الفعل العامة للسياسات بسرعة
بدلاً من التنبؤ من البيانات فقط، يعيد MiroFish بناء بيئة رقمية تفاعلية تحاكي تفاعل الأفراد وتأثيرهم المتبادل.
بمراقبة تفاعل العوامل مع الأحداث، يحصل المستخدم على رؤى حول النتائج المحتملة في الواقع.
من البيانات الأولية إلى عالم رقمي
تشغيل المحاكاة يبدأ بـالمادة الأولية (seed material) التي تحدد السيناريو المراد اختباره. المادة قد تكون:
- مقالات إخبارية
- تقارير مالية
- مسودات سياسات
- أبحاث
- مناقشات سوشيال ميديا
- قصص خيالية
يقوم المستخدم بتحميل المادة ويحدد هدف التنبؤ.
أمثلة لسيناريوهات:
- تأثير إعلان سياسة جديدة على السوق
- استجابة الجمهور لحدث مثير للجدل
- تطور قصة عند استكمال الفصول
بعد ذلك يبني النظام عالم رقمي موازٍ حيث تبدأ العوامل بالتفاعل.
سير عمل MiroFish: خطة المحاكاة
يعتمد سير عمل MiroFish على خطوات منظمة لتحويل بيانات العالم الحقيقي إلى محاكاة ديناميكية:
1. بناء الرسم البياني المعرفي
يتم استخراج المعلومات الأولية (أخبار، تقارير، سياسات، نقاشات اجتماعية) لبناء رسم بياني معرفي (knowledge graph) باستخدام بنية GraphRAG. ينظم الرسم البياني الكيانات والعلاقات والمعلومات السياقية لعوامل المحاكاة، ويضيف هياكل ذاكرة فردية وجماعية.
2. إنشاء البيئة
بعد بناء الرسم البياني، يتم إنشاء البيئة الافتراضية، عبر:
- استخراج الكيانات والعلاقات
- توليد شخصيات العوامل
- بناء الشبكات الاجتماعية
- تعيين معايير المحاكاة
كل عامل يحصل على هوية وسلوكيات واقعية.
3. تنفيذ المحاكاة المتوازية
تبدأ المحاكاة بعد تجهيز البيئة. آلاف العوامل تتفاعل بالتوازي، تستجيب للأحداث وتبني ديناميكية اجتماعية حية.
- تفسير طلب التنبؤ
- محاكاة التفاعلات
- تحديث ذاكرة العوامل
- تطوير البيئة ديناميكياً
4. توليد التقرير
بعد عدة دورات محاكاة، يحلل ReportAgent النتائج عبر أدوات تحليلية ويولد تقريراً منظمًا يشمل:
- النتائج الرئيسية
- الاتجاهات الناشئة
- رؤى سلوكية
- المخاطر المحتملة
يساعد التقرير في تفسير ما حدث وفهم التداعيات الواقعية.
5. التفاعل العميق مع المحاكاة
يمكن للمستخدمين التفاعل مباشرة مع العالم المحاكى عبر:
- التحدث مع العوامل الفردية
- طرح أسئلة عن قراراتهم
- استكشاف الديناميكيات الاجتماعية
كذلك يمكن التواصل مع ReportAgent لطرح أسئلة متابعة أو طلب تحليلات أعمق.
بدء سريع: تشغيل MiroFish محليًا
للمطورين الراغبين في التجربة، يمكن نشر MiroFish محليًا عبر النشر من المصدر أو Docker.
متطلبات النظام
| الأداة | الإصدار | الغرض |
|---|---|---|
| Node.js | 18+ | بيئة تشغيل الواجهة الأمامية |
| Python | 3.11–3.12 | بيئة تشغيل الواجهة الخلفية |
| uv | أحدث إصدار | مدير حزم بايثون |
للتحقق من التثبيت:
node -v
python --version
uv --version
الخطوة 1: تهيئة متغيرات البيئة
انسخ ملف التهيئة النموذجي:
cp .env.example .env
حرر ملف .env وأضف مفاتيح API المطلوبة.
تهيئة LLM API
يدعم MiroFish أي LLM API متوافق مع OpenAI SDK.
مثال:
LLM_API_KEY=your_api_key
LLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
LLM_MODEL_NAME=qwen-plus
يوصى باستخدام نموذج Qwen من منصة بايليان (Bailian).
ملاحظة: المحاكاة الكبيرة تستهلك موارد، ابدأ بأقل من 40 جولة.
تهيئة نظام الذاكرة
يستخدم MiroFish خدمة Zep Cloud لإدارة الذاكرة طويلة الأمد.
ZEP_API_KEY=your_zep_api_key
الطبقة المجانية من Zep Cloud مناسبة للتجارب الصغيرة.
الخطوة 2: تثبيت التبعيات
لتثبيت جميع التبعيات دفعة واحدة:
npm run setup:all
أو خطوة بخطوة:
تبعيات Node:
npm run setup
تبعيات Python للواجهة الخلفية:
npm run setup:backend
الخطوة 3: تشغيل المنصة
لتشغيل الخدمات الأمامية والخلفية معًا:
npm run dev
واجهة المستخدم:
http://localhost:3000
API الواجهة الخلفية:
http://localhost:5001
لتشغيل كل خدمة منفصلة:
الواجهة الخلفية فقط:
npm run backend
الواجهة الأمامية فقط:
npm run frontend
نشر Docker
يدعم MiroFish أيضًا نشر Docker.
1. جهّز متغيرات البيئة:
cp .env.example .env
2. شغّل الحاويات:
docker compose up -d
المنافذ الافتراضية:
- 3000: واجهة المستخدم
- 5001: API الواجهة الخلفية
ملف Docker يدعم مصادر مرآة لتسريع تحميل الصور إذا لزم الأمر.
خواطر ختامية
على الرغم من أن الذكاء السربي لا يزال في بداياته، إلا أنه يمهد الطريق لمحاكاة بيئات اجتماعية معقدة. يمكنك اختبار السياسات أو استكشاف تفاعل السوق أو دراسة انتشار المعلومات قبل حدوثها فعلياً. ومع أن المحاكاة لا تغطي كل تعقيدات السلوك البشري، إلا أن أدوات مثل MiroFish تتيح للمطورين والباحثين استكشاف المستقبل رقمياً بصورة عملية وقابلة للتنفيذ.
Top comments (0)