تتمثل الإشكالية الجوهرية في هندسة الأنظمة الذكية في ترسيم الحدود بين “الحقيقة” و«المعرفة”، حيث تُصنف الحقائق كبيانات وصفية ترصد حالة آنية ومؤقتة للبيئة المحيطة، ففي رقعة الشطرنج، يعد وجود جندي في المربع E5 – مثلا – حقيقة تذوب بمجرد انتقال القطعة، وهي معلومات ضرورية لتوصيف المشهد، لكنها تفتقر إلى القوة التفسيرية. في المقابل، تبرز المعرفة ككيان يتجاوز اللحظة، فهي القواعد الراسخة التي تمتاز بالديمومة والقدرة على استشراف النتائج، مثل القواعد التي تحدد قيمة السيطرة على المركز، فبينما تكتفي الحقيقة بنقل “ما هو كائن”، تمنح المعرفة النظام القدرة على فهم “ما يجب أن يكون”، محولة البيانات الصماء إلى استراتيجيات عمل عابرة للمواقف.

ينتقل النظام الذكي من مرحلة المعالجة السلبية للبيانات إلى مرحلة “التمثيل المعرفي” عندما تبدأ الاستنتاجات المعقدة في اكتساب صفة الاستمرارية؛ فعندما يحلل النظام موقفا معينا ويصل إلى أن حركة محدّدة هي الأفضل، يظلّ هذا الاستنتاج مجرد حقيقة خاصة بهذا الموقف، إلا إذا قرّر النظام “مَرْكزة” هذه النتيجة وتحويلها إلى قاعدة عامة تُخزن في ذاكرته الدائمة.. هنا تتحوّل الحقيقة من وصف لموقف إلى “معرفة” فاعلة توجّه القرارات المستقبلية في مواقف مشابهة، وهذا ما يمنح المعرفة صفتها السيادية؛ فهي لا تصف العالم فقط، وإنما تعمل كمحرك استدلالي يولد حقائق جديدة باستمرار بناء على ما تراكم لديه من خبرات سابقة، ما يقلل من حاجة النظام لإعادة تحليل البديهيات في كل مرة.

المعرفة في مواجهة التدفّق المعلوماتي

تعمل المعرفة كصمام أمان يحمي النظام الذكي من الغرق في طوفان الحقائق المتغيرة، حيث توفر إطارا مرجعيا يتمتع بـ«ثبات نسبي” يصمد أمام تقلبات البيئة الديناميكية، ففي الأنظمة الخبيرة، نجد فصلا واضحا بين قاعدة الحقائق التي تتبدل مع كل معطى جديد، وبين قاعدة القواعد (المعرفة) التي تظل ثابتة لتوجّه منطق النظام، وهذا الثبات ـ بطبيعة الحال ـ لا يعني الجمود، لأنه يمثل توفير القوانين العامة التي تسمح للنظام باتخاذ قرارات عقلانية حتى في ظلّ نقص المعلومات، وبذلك، تصبح المعرفة “بوصلة استراتيجية” تمنح الأفعال معناها؛ فـ«الحقيقة” توفر المادة الخام، بينما تقوم “المعرفة” بصياغة هذه المادة في قوالب منطقية تضمن للنظام تجاوز العشوائية والوصول إلى أهدافه بأقل كلفة حسابية ممكنة.

البناء المفاهيمي وهيكلة القواعد الذهنية

تتشكّل المعرفة من وحدات بنائية تسمى المفاهيم، وهي ليست مجرد أحكام ثنائية (صح أو خطأ)، بحكم أنها أدوات لربط العناصر داخل مجال معين؛ فمفهوم مثل “الحماية” في الألعاب الاستراتيجية، يربط بين قطعتين ويسمح للنظام بالتحقق من صحة الموقف، وتتسمّ هذه المفاهيم بكونها تدرجية في الغالب، فقيم المواقف تمرّ عبر سلسلة معقدة من التقييمات البينية.
إن فائدة المفهوم تكمن في قدرته على تبسيط التعبير عن المعارف الأخرى؛ فامتلاك مفهوم “قيمة القطعة” يسهل عملية تقييم الموقف الإجمالي، وتُبنى هذه المفاهيم غالبا من مفاهيم أبسط عبر إنتاجات منطقية تربط بين الخصائص (مثل القوة والدفاع والموقع) لتشكيل حكم نهائي يوجّه سلوك النظام ويمنعه من اتخاذ قرارات خاطئة.
وتعدّ الوظيفة الأساسية للمعرفة في الذكاء الاصطناعي، تمكين النظام من اختيار الفعل الأنسب من بين خيارات متعددة، وتتعدّد صور هذه المعرفة بين قواعد تقيد الاحتمالات (مثل التحرّك الإجباري للملك عند الكش الملكي المزدوج) وبين “خطط” متكاملة ترسم مسارا من الأفعال لتحقيق هدف بعيد المدى، وفي بعض الأنظمة، تعمل المعرفة كآليات تحكيم توازن بين خيارات متكافئة ظاهريا، مثل خوارزمية “المنماكس” التي تعتمد على قيم رقمية محدّدة للمواقف، كما تبرز المعرفة في صورة “نصائح” مباشرة تملي أفعالا محددة في ظروف معينة، وفي حال تعارض هذه النصائح، يبرز دور الآليات الإشرافية التي تفاضل بينها بناءً على معايير الجدوى والأولوية لتحقيق النتيجة المرجوة.
إن تعريف المشكلة في حدّ ذاته يمثل جزءا لا يتجزأ من قاعدة المعرفة، فهو يحدّد المباحات والمحظورات والخصائص المستهدفة، وغالبا ما يختلط في تعريف المشكلة ما هو ضروري قانونيا مع ما هو مستحسن استراتيجيا، وتلعب الطريقة التي تُصاغ بها المعرفة الأولية دورا حاسما في تسهيل أو تعقيد مهمة النظام الذكي؛ فالمعرفة هنا تعمل كأداة لاختصار المسارات؛ وبدلا من اللجوء إلى الأساليب الحسابية العشوائية التي تجرب كل الاحتمالات (الأسلوب التوليفي)، تتدخل المعرفة لتقليص شجرة البحث وتوجيه النظام نحو المحاولات الأكثر حظا في النجاح، ما يمنح النظام كفاءة تشبه كفاءة الكائنات الحية التي تعتمد على خبراتها المتراكمة بدلا من مجرد القوة الحسابية الصرفة.

المعرفة التصريحية.. أداة للمرونة وتعدّد السياقات

ويبرز في صميم تصميم الأنظمة الذكية انقسام جوهري يحدّد كيفية تخزين واستدعاء المعرفة، وهو التمايز بين المعرفة الإجرائية والمعرفة التصريحية، فالمعرفة الإجرائية هي تلك التي تندمج فيها المعلومة اندماجا عضويا مع طريقة استخدامها، حيث تُصاغ كخطوات متسلسلة للحلّ لا تقبل التجزئة، وفي هذا النمط، تكون المعرفة “مخبأة” بعمق داخل الشيفرة البرمجية، ما يجعل النظام قادرا على تنفيذ المهمة بكفاءة عالية، لكنه يفتقر إلى القدرة على “تأمل” هذه المعرفة أو شرحها أو التلاعب بها، فهي تظل سجينة سياق التنفيذ المباشر ولا تملك وجودا مستقلا خارج لحظة العمل الآلي.
على النقيض تماما، تبرز المعرفة التصريحية ككيان ينفصل فيه “ماذا نعرف” عن “كيف نستخدم ما نعرف”، ما يمنحها استقلالية بنيوية فريدة، فهذا النوع من المعرفة يُقدم في صورة حقائق وقواعد مجردة من نمط استخدام معين، ما يجعلها مرنة وقابلة للتطبيق في سياقات بالغة التنوع، وخير مثال على ذلك قواعد اللغة؛ فحين تُخزن بشكل تصريحي، يمكن للنظام ذاته استخدامها لتحليل جملة غامضة تارة، ولتوليد نص فصيح، أو حتى لتقديم شروحات تعليمية لمتعلم بشري تارة أخرى.. إنها معرفة “مفتوحة” تسمح للنظام بإعادة توظيف المعلومة الواحدة لغايات متعدّدة دون الحاجة لإعادة برمجتها.
ورغم أن الأنظمة الخبيرة والذكاء الاصطناعي الكلاسيكي يسعيان جاهدين لفرض فصل حاد بين هذين النمطين، إلا أن الواقع التقني غالبا ما يفرض نوعا من التداخل والاشتباك بينهما، فالمبرمجون يجدون أنفسهم مضطرين أحيانا لتضمين جوانب “إجرائية” خفية داخل القواعد “التصريحية” لضمان سرعة الاستجابة وفعالية الأداء وتجنب الجمود البرمجي، ويهدف هذا التداخل إلى توجيه “محرك الاستدلال” نحو مسارات الحل الأمثل، فبدون هذه اللمسات الإجرائية، قد يغرق النظام في عمليات بحث منطقية لا متناهية وعقيمة تحوّل دون الوصول إلى نتيجة عملية في زمن معقول.
تتجلى إحدى مشكلات هذا التداخل في أن تحويل “النصائح” البشرية المرنة إلى “قواعد” برمجية صارمة قد يجرّد المعرفة من صبغتها التصريحية الأصلية، ويصبغها بصبغة إجرائية قسرية، فحين يُلزم المبرمج النظام باتباع كل قاعدة قابلة للتفعيل فور تحقق شروطها، فإنه يحوّل القاعدة من “خيار منطقي” إلى “أمر تنفيذي”، وهذا يحدّ من قدرة النظام على التفكير الشمولي؛ فالنظام هنا لا يختار استخدام المعرفة بناء على تقدير الموقف الكلي، بحكم أنه يندفع لتنفيذها آليا، لأن هيكلية البرنامج تفرض ذلك، ما يطمس الحدود الفنية بين المعرفة كخبرة واعية، والمعرفة كأتمتة صماء.
ويعكس هذا الصراع بين الإجرائي والتصريحي تحديا تقنيا يوازن بين كفاءة السرعة وشمولية الفهم، فالنماذج الإجرائية تتفوق في المهام الروتينية والتشخيصية السريعة، بينما تظلّ النماذج التصريحية الأمل الوحيد لبناء أنظمة تملك قدرة حقيقية على التعلم الذاتي، وتغيير سلوكها دون تدخل بشري مباشر.
إن الهدف الأسمى لهندسة المعرفة المعاصرة، هو ابتكار أنظمة قادرة على استيعاب المعارف التصريحية بكل مرونتها، مع امتلاك قدرة ذاتية على “تحويلها” إلى إجراءات سريعة عند الحاجة، محاكية بذلك العقل البشري الذي يملك المعرفة كوعي ويطبقها كمهارة تلقائية.

خصائص المعرفة وتحديات اليقين والموثوقية

لا تتعامل أنظمة الذكاء الاصطناعي مع معارف قطعية أو حقائق مطلقة في جميع الأحيان، فهي غالبا ما تواجه سيلا من المعارف “الظنية” أو غير المؤكدة التي تفرض نوعا من الحذر في الاستخدام والتطبيق، فالمعرفة البشرية التي يحاول النظام محاكاتها، مشوبة دائما بنسب من الاحتمالية؛ لذا يُزود النظام بآليات لتقدير “معاملات اليقين” التي تعكس مدى ثقة النظام في نتيجة معينة، ما يعني أن الانتقال من المنطق الثنائي الصارم (صح/خطأ) إلى المنطق الاحتمالي هو ما يسمح للأنظمة الذكية بالعمل في بيئات معقدة وديناميكية تشبه الواقع البشري، حيث لا تكفي القواعد الجامدة لاتخاذ قرارات سليمة.
وتكتسب المعرفة قيمتها الاستدلالية داخل النظام من محتواها المنطقي، وتكتسبها كذلك من تاريخها ومصدرها الأصلي؛ فالمعرفة المستمدة من خبير بشري مشهود له بالكفاءة، تمنح وزنا أكبر بكثير في عملية اتخاذ القرار مقارنة بمعلومات مستقاة من مصادر ثانوية أو ملاحظات عابرة.
إن “سجل الثقة” في المصدر يعمل كمرشح جودة، حيث يقوم النظام برفع درجة المصداقية Credibility للقواعد التي أثبتت نجاعتها تاريخيا أو التي تتبع مدرسة فكرية رصينة، ولا شكّ أن هذا البُعد التاريخي يمنح النظام عمقا في التقييم، ويسمح له بمراجعة ثقته في بعض القواعد إذا تبين مع مرور الوقت أنها تقود إلى نتائج غير دقيقة.
وتختلف المعارف داخل الذاكرة الرقمية للنظام في درجة “جاذبيتها” أو أهميتها الاستراتيجية، حيث لا تُعامل جميع القواعد على قدم المساواة، فهناك قواعد مرشحة للاستخدام المتكرّر لكونها تعالج نواة المشكلة، ولها عواقب مفصلية على المسار الاستراتيجي للحل، ما يجعلها تحتل مكانة “المعرفة عالية القيمة”، وهي تتطلّب نمطا متميزا من التخزين الرقمي يضمن سهولة استدعائها السريع وتفضيلها في المعالجة على القواعد الهامشية، وهو ما يشبه “الحدس” عند الخبير البشري الذي يستحضر الحلول الجوهرية قبل الخوض في التفاصيل الثانوية.
وتظلّ تحديات استخراج المعرفة من الخبراء البشر هي “عنق الزجاجة” الحقيقي في بناء الأنظمة الذكية؛ فالخبراء غالبا ما يمارسون مهاراتهم بشكل تلقائي يصعب وصفه في قواعد منطقية صلبة. هذه الفجوة بين المعرفة الضمنية في عقل الخبير والمعرفة الصريحة التي يحتاجها الحاسوب تخلق تعقيدات كبيرة عند عملية التمثيل البرمجي، فالمبرمج لا يكتفي بنقل المعلومة، لأنه يتحمّل واجب صياغة “روح” الخبرة في قوالب برمجية تحتفظ بمرونتها الأصلية دون أن تفقد دقتها التقنية، وهي عملية شاقة تتطلّب فهما عميقا للمجالين التقني والمعرفي معا.
وتصطدم الرغبة في تزويد النظام بكميات هائلة من المعرفة بمعضلة الكفاءة التشغيلية والتعقيد الحسابي؛ فكلما زاد عدد القواعد، زاد العبء على محرك البحث الذكي للوصول إلى القاعدة المناسبة في الوقت المناسب.
إن التحدي الأكبر الذي يحدّد سقف أداء الأنظمة المعاصرة، هو كيفية استخدام هذه المعرفة العميقة بكفاءة دون الغرق في دوامة الحسابات اللانهائية التي قد تؤدي إلى تجميد النظام. لذا، تبرز الحاجة إلى “ميتامعرفة” (معرفة عن المعرفة) توجّه النظام نحو استخدام القواعد الأنسب بأقل تكلفة زمنية ممكنة، موازنة بين دقة النتائج وسرعة الاستجابة.