تتسارع التطورات في مجال الذكاء الاصطناعي (Artificial Intelligence) في مختلف القطاعات، ولكن التحديات لا تزال موجودة. على الرغم من التقدم الملحوظ في أدوات مثل التعلم العميق (Deep Learning) والذكاء الاصطناعي التوليدي (Generative AI)، تظل هذه الأدوات تواجه عقبة كبيرة عند دمجها في الأنظمة الفيزيائية مثل الروبوتات والمركبات، حيث ترتهن لمبادئ قانونية فيزيائية حقيقية.

السبب وراء هذا الضعف هو عدم القدرة على إنشاء نماذج موثوقة للعالم تسمح بالتخطيط طويل الأمد في ظل عدم اليقين، فضلاً عن صعوبة التعميم على سيناريوهات غير مرئية.

في هذا السياق، يبرز دور الشبكات اللاسلكية من خلال تقديم استشعار وتواصل واسع النطاق، مما يمكنها من تنسيق الذكاء الفيزيائي بفعالية. لكن البنى الحالية تُركّز على تحسين سرعة البيانات (Throughput) والموثوقية (Reliability) دون أن توفر الدعم اللازم لتنسيق الذكاء الفيزيائي في الوقت الفعلي.

لذا، تم اقتراح إطار عمل جديد يُعرف بشبكات التوائم الرقمية الهولونية (Holonic Digital Twins)، والذي يهدف إلى تقديم استنتاجات ذكاء اصطناعي فيزيائية في الوقت الفعلي. حيث تتمكن الوكلاء (Agents) الهولونيون من التفكير بنشاط في بيئتهم بدلاً من مجرد تقليد الأصول الفيزيائية. تتشكل كل توائم هولونية كهيكل هرمي يربط بين الوكيل الفيزيائي وحافة الشبكة، مما يُعزّز من قدرتها على التفكير بشكل مستقل والدخول في تعاون مع الوكلاء المجاورين.

هذا النظام يعتمد على مفهوم الحزم البيانية (Causal Markov Blankets) التي تُحدد أي الوكلاء يجب عليهم التنسيق، مما يمكّن من التفكير في بدائل متعددة عبر مداخل مختلفة. بينما يُتيح الفهم النشط ضمن هذه الحدود دمج الإدراك (Perception) والفعل (Action) والتعلم (Learning) عن طريق تقليل الطاقة الحرة المتوقعة.

تعتبر هذه التطورات خطوة هامة نحو تعزيز الذكاء الجماعي (Collective Intelligence)، حيث يُمكن قياس كيف تتجاوز هذه الشبكات الأداء المستقل وتتطور من خلال التعلم المنسق وتبادل المعلومات.