في عالم تتسارع فيه وتيرة التطورات التكنولوجية، يظهر جليًا تأثير الذكاء الاصطناعي (AI) في مختلف المجالات، وخاصة في دمج أنظمة الاستشعار المتكامل (ISAC). إذا كنت تتساءل عن كيفية توظيف الذكاء الاصطناعي الفعّال في تحسين هذه الأنظمة، فنحن أمام مفهوم جديد يُعرف باسم 'AISAC'، والذي يعبر عن تحول الاستشعار من وظيفة تكنولوجية إلى نظام ذكي يمتلك أهدافًا محددة.

في هذا الإطار، يتناول البحث عدة جوانب هامة تشمل مجالات التعلم المستند إلى الاستشعار، تخصيص الموارد، والواجهات الذكية القابلة لإعادة التشكيل (RIS). لقد تم تطوير هذه المجالات إلى حد بعيد بشكل منفصل، لذلك نجد أن هذا المسح يعيد توحيد الأدب العلمي حولها ضمن إطار عمل مغلق يتكون من ست مراحل رئيسية هي: الملاحظة، التهيئة، التفكير والتنبؤ، التخطيط والتنظيم، التنفيذ والتعاون، وأخيرًا التغذية الراجعة والمرونة.

علاوة على ذلك، يسلط البحث الضوء على خمسة مستويات من النضج الوكالي، بدءًا من الدوال الأساسية إلى أنظمة ISAC الوكالية المتكاملة. يتم استخدام هذا الإطار لاستعراض التقدم في مجالات متعددة مثل الذكاء متعدد الأنماط، نماذج اللغات الضخمة (Large Language Models)، التعلم المعزز، والتعلم الفيدرالي، فضلاً عن إدارة الشبكات الذكية.

ومع كل هذه الابتكارات، تحتاج الأنظمة الجديدة إلى معالجة متطلبات مهمة تشمل الخصوصية، والأمان، والمرونة، والاستدامة. لكن دراسة شاملة تظهر أن القليل من الأنظمة تحقق أكثر من معيار أو اثنين من المعايير التقييمية المخصصة، مما يبرز الفجوة بين النضج الوكالي المزعوم والممارس.

أخيرًا، يتناول البحث التحديات المفتوحة مثل الربط بين الجوانب المادية والدلالية، ونماذج العالم التنبؤية، وتفاعل الوكلاء في الوقت الحقيقي، مما يوحي بأن الطريق ما زال طويلًا نحو تحقيق الذكاء الاصطناعي الفعّال في أنظمة الاستشعار المتكامل.