تدخل التقنيات الحديثة في عصر جديد من أنظمة الاتصالات، حيث يُعتبر الذكاء الاصطناعي القائم على المهام (Agentic AI) بمثابة حجر الزاوية في تصميم أنظمة الاتصالات المحمولة المستقبلية. هذه التكنولوجيا لا تتيح فقط توفير خدمات مرنة ومخصصة، بل تهدف أيضاً إلى أتمتة العمليات المعقدة في الشبكات وتعزيز عملية اتخاذ القرار الذاتي.

تُظهر الأبحاث الأخيرة كيف يُمكن لوكالات الذكاء الاصطناعي المعتمدة على نماذج لغوية ضخمة (LLMs) أن تلعب دوراً حيوياً في تنفيذ الإجراءات الشبكية من خلال تسلسل استدعاءات الأدوات (tool invocations). وتمت دراسة أربعة نهج مختلفة، حيث تتباين هذه النهج في كيفية الحصول على الإجراءات وكيفية توزيع التنفيذ بين الوكيل والأدوات الأساسية.

في إطار الدراسة، تم تقييم زمن الاستجابة (latency) ودقة التنفيذ (execution correctness) في هذه النهج باستخدام إجراء تخصيص IP لجهاز المستخدم (User Equipment - UE) كدراسة حالة. كما تم إجراء اختبار ضغط (stress test) للتحقق من عدد الخطوات الإجرائية المتتالية التي يمكن لوكيل نموذج اللغة الكبيرة (LLM) تنفيذها بشكل موثوق قبل الفشل.

أظهرت النتائج أن النهج الذي يعتمد على التفكير المتكرر من جانب الوكيل يُسجل زمني استجابة أعلى ومزيد من الأخطاء أثناء التنفيذ، في حين أن النهج الذي يحتوي على إجراء داخل أداة واحدة، والتي تُنسق الخطوات المطلوبة من خلال استدعاء أدوات أخرى، يُقلل من زمن الاستجابة عن طريق تقييد التفكير المتكرر.

أيضاً، أظهرت النتائج من اختبار الضغط أن النموذج الذي يتمتع بقدرات متقدمة في استدعاء الأدوات يحافظ على تنفيذ موثوق لخطوات إجرائية أطول مقارنة بالنماذج الأخرى. ومع ذلك، لوحظ تدهور موثوقية جميع النماذج مع زيادة طول الإجراء، مما يكشف عن حدود أداء واضحة في سير العمل القائم على الأدوات المتعددة.

لتقديم تحليل منهجي للأخطاء في تنفيذ الإجراءات، تم وضع تصنيف خاص بالأخطاء يحدد الانحرافات في التنفيذ عبر الخطوات متعددة المراحل.

من الواضح أن تطور هذا المجال سيفتح أفقاً جديداً للتقنيات المتقدمة في الاتصالات، مما يجعلنا نتساءل: كيف يمكن أن يؤثر الذكاء الاصطناعي القائم على المهام في حياتنا اليومية؟ شاركونا أفكاركم في التعليقات!