iDesignGPT يعزّز التصميم المفاهيمي عبر سير عمل وكيل نماذج اللغة الكبيرة

لماذا تهم أدوات التصميم الأذكى

من السيارات الكهربائية إلى الطائرات المُسيّرة للطوارئ، يبدأ كل منتج معقّد كفكرة أولية على اللوح الأبيض. الخيارات التصميمية المبكرة تقرر غالبًا معظم تكلفة المنتج وسلامته وأدائه، ومع ذلك يعتمد هذا الطور بشكل كبير على حدس الخبراء واجتماعات طويلة ووثائق مبعثرة. يقدم هذا المقال iDesignGPT، إطارًا جديدًا قائمًا على الذكاء الاصطناعي يهدف إلى تحويل نماذج اللغة الكبيرة — نفس عائلة الأدوات وراء روبوتات المحادثة الحديثة — إلى متعاونين منظمين للمهندسين، يساعدون الخبراء والمبتدئين على حد سواء في استكشاف الأفكار، وجمع المعلومات، وتقييم المفاهيم المبكرة بطريقة أكثر منهجية.

المشكلة في مرحلة التصميم المبكرة

التصميم المفاهيمي هو «الواجهة الأمامية الضبابية» للهندسة: يجب على الفرق أن تقرر ما الذي ينبغي للنظام أن يحققه، وكيف قد يعمل، وما إذا كان من الممكن تنفيذه أساسًا، وكل ذلك في ظل معلومات ناقصة. تُظهر الدراسات أن ما يصل إلى 80% من تكلفة دورة الحياة يتم تثبيتها في هذه المرحلة، والأخطاء قد تكون مكلفة للغاية لإصلاحها لاحقًا. الأساليب التقليدية — مثل جداول المتطلبات المنظمة وكتيبات حل المشكلات — بُنيت لبيئات صناعية أضيق وغالبًا ما تتطلب تدريبًا متخصصًا عميقًا. وفي الوقت نفسه، تتركز أدوات التصميم والمحاكاة المساعدة بالحاسوب غالبًا على مرحلة لاحقة عندما يتوفر تخطيط تفصيلي، ما يخلق فجوة في دعم المرحلة الأبرز والأكثر إبداعًا. ومع تزايد طابع المنتجات متعددة التخصصات، وسعي الشركات لإشراك مصممين أقل تخصصًا، تصبح هذه القيود أصعب في التجاهل.

ما الذي تفعله الذكاء الاصطناعي اليوم بشكل صحيح — وما الذي يخطئ فيه

أظهرت نماذج اللغة الكبيرة الحديثة مثل GPT-4o وDeepSeek قدرات استدلالية ملحوظة ويمكنها بالفعل المساعدة في مهام مثل صياغة التقارير أو العصف الذهني. كما يمكن تحويلها إلى «وكلاء» يخططون للخطوات، ويستدعون أدوات، ويتشاورون مع قواعد بيانات خارجية. ومع ذلك، خارج الصندوق تجدها تكافح في مجال التصميم الهندسي: فهي تفتقر إلى معرفة متخصصة بالمجال، وقد تسيء فهم نية المستخدم، ومعرضة لـ«الهلوسة» — تصريحات واثقة لكنها غير صحيحة. تركز مساعدات التصميم القائمة على الذكاء الاصطناعي عادةً على خطوة واحدة، مثل توليد الأفكار، وتكون حساسة إلى مدى جودة صياغة المستخدم للأوامر. وهذا يجعل من الصعب الوثوق بها في قرارات تصميم عالية المخاطر أو في دعم المبتدئين الذين قد لا يستطيعون رصد أخطاء تقنية دقيقة بسهولة.

شريك ذكاء اصطناعي منظم للمصممين

يعالج iDesignGPT هذه القضايا بدمج وكلاء نماذج اللغة الكبيرة في عملية تصميم كاملة موجهة بالمنهج. مبني على منصة مفتوحة، ينظم المساعدين الذكاء الاصطناعي في مجموعات ذات أدوار متميزة — محللون، مسؤولو معلومات، مبتكرون، ومقَيِّمون — مرتبطة بأربع مراحل: تعريف المشكلة، جمع المعلومات، توليد المفاهيم، وتقييم الخيارات. في وضع «مساعد الرحّال» (Copilot)، يعمل وكيل محادثة مع المستخدم لتوضيح الأهداف وصقل المتطلبات من خلال حوار طبيعي، ويقبل نصًا وصورًا. في وضع «الوكيل» (Agent)، يطبق وكلاء مختصون تلقائيًا تقنيات تصميم راسخة، مثل أطر تحليل الاحتياجات ومصفوفات جودة الوظيفة، لتحويل رغبات العملاء إلى أهداف هندسية مُوزونة. تسحب قاعدة معرفة براءات الاختراع والمقالات الأكاديمية وأمثلة المنتجات الحائزة على جوائز، بينما تساعد الضوابط والتحقق المتقاطع من تقليل الهلوسات والحفاظ على شفافية العملية.

اختبار النظام

لاختبار ما إذا كان هذا الإطار يعمل عمليًا، اختبره المؤلفون على تحدٍ بارز: تصميم طائرة إنقاذ مدمجة قادرة على الطيران ذاتيًا في حالات الطوارئ. وسَّع النظام أولاً وأعاد تنظيم قائمة المتطلبات الأصلية، مستبعدًا تفاصيل حالات اختبار ضيقة ومستنتجًا احتياجات أوسع مثل السلامة والاستقلالية. ثم بحث في براءات الاختراع والأوراق البحثية وقواعد بيانات جوائز التصميم، واستخدم عدة طرق إبداعية — المحاكاة الحيوية، العصف الذهني، إعادة التركيب المنظم، وتحليل مبادئ الاختراع — لبناء خيارات حلول معيارية. أخيرًا، قيّم وصَفّق لاختيار تصميمٍ مُركب. أظهرت المقاييس الكمية أن هذه العملية وسَّعت مساحة التصميم المستكشفة وزادت تنوع الأفكار وحدتها في المراحل المبكرة، ثم تحولت نحو التكرير. وعند مقارنة المفهوم الناتج مع 22 مشاركة بشرية فائزة من نفس المسابقة، وضعه مقياس رضا العملاء في تقريبًا الربع العلوي.

كيف يقارن بسير عمل الذكاء الاصطناعي الأخرى

قارن الفريق أيضًا iDesignGPT مع إعدادات نماذج اللغة الكبيرة القياسية — مثل التوجيه البسيط، وتوجيه سلسلة التفكير، ونموذج مركز على الاستدلال — على ستة تحديات هندسية عامة من وكالات مثل ناسا ووزارة الطاقة الأمريكية. باستخدام مقاييس موضوعية مؤصلة في ممارسة الهندسة، قيّموا الحلول من حيث الحداثة، والأصالة (مدى اختلافها عن البراءات الموجودة)، والمنطقية، والنضج التقني، والقدرة على التجزئة. أنتج iDesignGPT باستمرار مفاهيم أكثر أصالة وتجزيئية مع الحفاظ على منطقية قوية، حتى لو كانت أفكاره أقل جهوزية للتنفيذ الفوري بقليل من الأكثر تحفظًا. أكدت المراجعات الخبيرة هذه الأنماط عمومًا. في دراسات المستخدم مع 48 مشاركًا تراوحت خبراتهم من طلاب جامعيين إلى مهندسين محترفين، خفّضت المساعدة بالذكاء الاصطناعي عمومًا العبء الذهني مقارنةً بالتصميم المعتمد على البشر فقط، وقدم iDesignGPT خصوصًا للمصممين المبتدئين إرشاد عملية أوضح، وكشف عن احتياجات مهملة، ودعم اتخاذ القرار دون أن يتطلب مهارات متقدمة في كتابة الأوامر.

ماذا يعني هذا للمصممين في المستقبل

للقارئ العام، الخلاصة أن أدوات مثل iDesignGPT لا تهدف إلى استبدال المهندسين، بل إلى جعل المراحل المبكرة والفوضوية للتصميم أكثر سهولة وشفافية واستكشافية. من خلال تغليف طرق تصميم صارمة داخل سير عمل متعدد الوكلاء بالذكاء الاصطناعي، يساعد الإطار المستخدمين في التعبير عما يحتاجون إليه فعلاً، واستكشاف نطاق أوسع من الاحتمالات، ومقارنة الخيارات باستخدام معايير صريحة. ومع أنه ما يزال يواجه حدودًا — خاصة في المشكلات ذات القيود الضيقة وخارج المرحلة المفاهيمية — فإنه يقدم لمحة عن بيئات تصميم حيث يمكن للطلاب والعامة والخبراء على حد سواء أن يشاركوا في إنشاء أنظمة معقدة مع ذكاء اصطناعي يتصرف أقل كـمساعد ثرثار وأكثر كمشارك منهجي ومدرَّب جيدًا.

الاستشهاد: Liu, S., Shen, Y., Zhang, Y. et al. iDesignGPT enhances conceptual design via large language model agentic workflows. Nat Commun 17, 1997 (2026). https://doi.org/10.1038/s41467-026-68672-1

الكلمات المفتاحية: تصميم هندسي, أدوات التصميم بالذكاء الاصطناعي, نماذج اللغة الكبيرة, توليد المفاهيم, تعاون الإنسان والذكاء الاصطناعي