AWS تربط 3 وكلاء ذكاء اصطناعي للتحقق من استبدال مكونات الطيران

عندما يُوقف إنتاج قطعة مطلوبة، لا يكفي أن يجد المهندس مكوناً باسم مشابه. فعليه استخراج المواصفات، ومطابقة الجهد والكتلة والواجهات ونطاق درجات الحرارة، والتحقق من هندسة الغلاف، ومعرفة مدة التوريد، ثم جمع كل ذلك في وثيقة للمراجعة. وفي الطيران قد يكلف الخطأ هنا أكثر بكثير من بضعة أيام من العمل اليدوي.

عرضت AWS نموذجاً أولياً لمساعد يقسّم هذه المهمة بين ثلاثة وكلاء متخصصين. الأول يبحث عن القطع المناسبة، والثاني يتحقق من حدود التفاوت التقنية، والثالث يعمل مع الوثائق والمعلومات الحديثة عن دورة حياة المكونات. وثمة حد مهم: النظام يجمع الأدلة ويعدّ مسودة تقييم، لكنه لا يجيز الاستبدال. الكلمة الأخيرة تبقى للمهندس.

كيف يُبنى مسار الطلب

لنفترض أن عجلة التفاعل الخاصة بقمر صناعي لم تعد متوفرة. يطلب المهندس تقييم خطر إيقاف إنتاج الطراز، وإيجاد بدائل ومقارنتها بالقطعة الأصلية.

أولاً يحدد مخطِّط صغير تسلسل الإجراءات. يبحث وكيل الكتالوج عن المرشحين في قاعدة القطع. ويقارن وكيل التقييم خصائصهم. ويستخرج وكيل المعرفة المعلومات من الأوصاف التقنية والمخططات ومصادر الويب. وإذا عمل عدة متخصصين، يدمج نموذج منفصل النتائج في إجابة واحدة.

لا تقتصر فائدة هذا الفصل على التنظيم. فكل وكيل يملك الأدوات اللازمة له فقط. لا يستطيع وكيل البحث تغيير نتائج التحقق، ولا يتولى وكيل التقييم البحث الحر عن الموردين. وهذا يقلل الإجراءات غير المتوقعة ويسهّل التدقيق.

حيث لا يُوثق بالنموذج في الحساب

أقوى جزء في الحل أن التحقق من حدود التفاوت تنفذه شيفرة Python عادية. تُحدد مسبقاً لكل فئة من القطع المعاملات الحرجة والقواعد: التطابق التام للجهد، وزيادة الكتلة المسموح بها، وتوافق الواجهة، وقيود أخرى.

مع المدخلات نفسها يعطي التحقق دائماً النتيجة نفسها. يستطيع النموذج اللغوي شرح الجدول وصياغة المذكرة، لكن لا يحق له تغيير حالة «اجتاز» أو «مخالفة» أو «يلزم تحقق». وبعد كل تقييم يحفظ النظام سجلاً بالإجراءات، فيرى المراجع الاستنتاج والطريق المؤدي إليه.

هذا نمط جيد لأي عمليات حساسة. يعمل النموذج حيث يلزم البحث وتحليل الوثائق وكتابة نص متماسك. وتتولى الشيفرة القواعد التي يجب أن تتكرر دون تأويل إبداعي.

لماذا البحث متعدد الوسائط هنا

جزء من البيانات الهندسية لا يوجد في الجداول. فقد يظهر عزم الدوران في رسم بياني فقط، وموضع الموصِّل في صورة، وأبعاد التركيب في مخطط. تضع Amazon Nova Multimodal Embeddings النصوص والصور في فضاء بحث مشترك. لذلك يمكن لاستعلام عن خاصية أن يعيد المخطط المطلوب، ولصورة محمّلة أن تعيد قطعة مشابهة.

كما تُقارن صور مكونين بالتشابه الجيبي (cosine similarity)، ثم يصف النموذج الفروق المرئية: التثبيتات والموصلات وشكل الغلاف. لكن التشابه البصري يبقى دليلاً مساعداً. أما نتيجة التحقق فتحددها المتطلبات الهندسية المقررة.

وللنهج قيود واضحة. فقواعد التفاوت تحتاج إلى صيانة يدوية، وجودة الإجابة تتوقف على اكتمال القاعدة، والبحث على الويب لا يغني عن تأكيد المصنّع. ويستخدم العرض سبع قطع وهمية فقط، لذا فهو يثبت فكرة معمارية لا الجاهزية لاعتماد حقيقي.

الخلاصة العملية للمطور بسيطة: لا تبنِ وكيلاً واحداً يعرف كل شيء. افصل البحث والحساب وإعداد الوثيقة؛ وانقل الفحوص الحرجة إلى شيفرة حتمية؛ واحفظ المصادر وسجل الإجراءات؛ واترك القرار ذا العواقب للإنسان. هذا الحد بالذات يحوّل عرض الوكلاء اللافت إلى أداة يمكن مناقشتها مع المهندسين والمدققين.