استراتيجية تسلق التل مقابل تحليل الأهداف الفرعية

يحتل موضوع حل المشكلات مكانة مركزية في تقاطع العلوم المعرفية، والذكاء الاصطناعي، وعلم النفس الإدراكي؛ إذ يُعنى بتفسير الكيفية التي يسلكها العقل البشري أو الوكيل البرمجي الذكي للتحرك من نقطة بداية يكتنفها النقص أو الغموض إلى غاية نهائية منشودة. وفي سياق البيئات المعقدة التي تتسم بالاتساع الهائل للاحتمالات والبدائل الممكنة، يصبح الاستقصاء الحصري والشامل لجميع المسارات أمراً مستحيلاً من الناحية العملية، سواء بسبب محدودية الموارد الحاسوبية أو بسبب القيود التكوينية المفروضة على سعة الذاكرة العاملة لدى الإنسان. ومن هنا، بزغت الاستراتيجيات الاستدلالية أو الكشفية بوصفها آليات ذكية تهدف إلى اختزال مساحات البحث الكبيرة وتوجيه الجهد الذهني أو الخوارزمي نحو خيارات واعدة تختصر المسافة والزمن اللازمين لبلوغ الحل دون تقديم ضمانات قطعية بالوصول إلى الحل الأمثل رياضياً.

تتمحور الأدبيات التأسيسية التي وضعتها مدرسة معالجة المعلومات حول نموذجين بارزين في توجيه عمليات البحث داخل فضاء المشكلة: استراتيجية تسلق التل (Hill Climbing Strategy) واستراتيجية تحليل الأهداف الفرعية (Subgoal Analysis) المقترنة وثيقاً بنهج تحليل الوسائل والغايات (Means-Ends Analysis). ورغم اشتراك هاتين الاستراتيجيتين في المنطلق الوظيفي العام الرامي إلى تقليص الفجوة الماثلة بين الوضع الحالي والهدف النهائي المنشود، إلا أنهما تنبثقان من فلسفتين مختلفتين جذرياً من حيث أفق التخطيط، والاعتماد على الذاكرة، والقدرة على التعامل مع المسارات غير الخطية، وتكلفة المعالجة الإدراكية أو الحسابية؛ فالأولى تعتمد منهجاً موضعياً جشعاً يركز على تحسين الأداء خطوة بخطوة، بينما تتبنى الثانية منهجاً هيكلياً يعيد تشكيل المشكلة هرمياً عبر تقسيمها إلى وحدات بنائية مترابطة.

إن التمييز الدقيق بين المنهجية الموضعية البحتة والمنهجية التفكيكية الهرمية لا يمثل مجرد ترفٍ نظري في قاعات الدرس الأكاديمي، بل يشكل ركيزة تأسيسية لتصميم وكلاء الذكاء الاصطناعي المعاصرين، وهندسة البرمجيات المعقدة، وبناء بيئات التعلم والتعليم وتطوير كفاءة التفكير البشري الخبير. ويهدف هذا المقال الموسع إلى تقديم دراسة مقارنة شاملة ومفصلة تستقصي الأسس النظرية، والآليات التشغيلية، ومواطن القوة، والحدود البنيوية لكلا الأسلوبين، ملقيةً الضوء على التحديات النفسية والحاسوبية التي تواجه كل منهما، وراسمةً إطاراً عملياً تكاملياً يُحدد بدقة متى وكيف يمكن توظيف كل استراتيجية بكفاءة واقتدار.

1. المقدمة والإطار المفاهيمي لحل المشكلات المعرفية

1.1 مدخل إلى استراتيجيات البحث الاستدلالي (Heuristics)

يُمثل فضاء المشكلة (Problem Space) الإطار التجريدي الذي تتفاعل داخله كافة مكونات العملية التفكيرية والحسابية الموجهة نحو الحل. وقد تبلور هذا المفهوم الجوهري عبر الأعمال الرائدة لعالمي المعرفة والذكاء الاصطناعي ألن نيويل وهربرت سايمون، حيث وُصف فضاء المشكلة بأنه شبكة بنيوية تشتمل على: الحالة الراهنة (Initial State) التي تعبر عن المعطيات والظروف المبدئية التي ينطلق منها الفرد أو النظام؛ وحالة الهدف (Goal State) المتمثلة في الوضع النهائي المرغوب تحقيقه؛ ومجموعة من المشغلات أو العمليات (Operators) التي تمثل القواعد والتحولات القانونية المشروعة التي تنقل النظام من حالة إلى حالة تالية داخل الفضاء؛ إضافة إلى مجموعة من القيود (Constraints) التي تضبط حركة تلك المشغلات وتحدد الحالات المقبولة وغير المقبولة (Newell, 2004).

في المشكلات البسيطة ذات الفضاءات المغلقة والصغيرة، يمكن للوكيل العقلاني اللجوء إلى خوارزميات البحث الشامل أو الأعمى (Exhaustive/Blind Search)، مثل البحث في العمق أولاً (DFS) أو البحث في العرض أولاً (BFS)، بهدف فحص كل الاحتمالات المتاحة وضمان العثور على المسار الأقصر أو الأمثل. ومع ذلك، فإن الطبيعة التركيبية للمشكلات الواقعية والرياضية تولد ما يُعرف بظاهرة “الانفجار التوافقي” (Combinatorial Explosion)، حيث تتضاعف الحالات الممكنة بصورة أسية تخرج عن نطاق القدرة الاستيعابية لأقوى الحواسيب الفائقة، فضلاً عن الدماغ البشري المحدود بالقيود البيولوجية. ومن هنا تبرز الاستراتيجيات الاستدلالية (Heuristics) كحلول عقلانية تلتف حول هذه الاستحالة؛ إذ تقدم الاستدلالات مسارات مختصرة وقواعد تجريبية مستنيرة تساعد على تقليم شجرة البحث واستبعاد المسارات غير المجدية، مما يوفر توازناً براغماتياً بين الجهد المستهلك وجودة النتيجة المحققة.

تؤدي الاستدلالات المعرفية وظيفة بالغة الأهمية في توجيه النشاط البشري والآلي لاتخاذ القرارات السريعة تحت ضغط الزمن وشح الموارد المعرفية. فبدلاً من السعي المستحيل نحو الكمال الرياضي الخالص، يعمل النظام الإدراكي البشري وفق مبدأ “العقلانية المحدودة” (Bounded Rationality) ومفهوم “الكفاية” (Satisficing) الذي صاغه سايمون، حيث يُعد الحل الذي يحقق المعايير المقبولة بكلفة منخفضة خياراً أكثر كفاءة وملاءمة من استنزاف الموارد في مطاردة الحل المطلق. وترتكز كفاءة الاستدلالات في الأساس على مدى جودة المؤشرات والعلامات التقييمية التي تُستخدم لقياس مدى القرب من الهدف، وهو ما يحدد دقة المسار الذي يختاره العقل في لحظة زمنية معينة للتقدم داخل الفضاء المعقد.

1.2 سياق المقارنة ومبررات الالتباس الشائع

تشترك استراتيجية تسلق التل واستراتيجية تحليل الأهداف الفرعية في هدفهما الوظيفي الأساسي؛ فكلاهما مصمم لاختزال المسافة وتذويب الفجوة القائمة بين الحالة الراهنة وحالة الهدف. وينشأ الالتباس بين هذين المفهومين في كثير من الأدبيات الأولية من حقيقة أن كلاً منهما يرفض الوقوف عاجزاً أمام المشكلة بوصفها كتلة واحدة مصمتة، ويسعى إلى إحداث تغييرات إجرائية تدريجية تدفع الفاعل للأمام. ومع ذلك، يكمن التباين الجوهري في الطريقة التي يُعرّف بها كل نموذج ماهية “الخطوة التالية” وطبيعة العمليات الإدراكية التي تسبق اتخاذها وتتحكم فيها.

يقع الخلط الشائع عند مساواة “الخطوة المرحلية الموضعية” التي يفرضها تسلق التل بـ “الهدف الفرعي” المخطط له استراتيجياً. فالخطوة الموضعية في تسلق التل تُتخذ بناءً على استجابة فورية لمؤشر التقييم الآني (Local Evaluation)، أي أن الوكيل يختار الحالة المجاورة التي تبدو ظاهرياً أقرب خطوة واحدة نحو القمة، دون أن يمتلك تمثيلاً داخلياً للمسار الأوسع أو وعياً بما إذا كانت هذه الخطوة ستوصله إلى مأزق لاحقاً. في المقابل، يمثل الهدف الفرعي في تحليل الأهداف الفرعية حالة وسيطة مقصودة ومصممة بوعي مسبق ضمن تسلسل هرمي، وقد تنطوي في بعض الأحيان على الابتعاد الظاهري المؤقت عن الهدف النهائي بغية استيفاء شروط تطبيق مشغل جوهري يعجز الوكيل عن استخدامه في الوضع الراهن (van Merriënboer, 2013).

يكتسب هذا التمييز أهمية فارقة في العلوم المعرفية وتصميم النظم الخبيرة؛ إذ يؤدي الفشل في التفريق بينهما إلى فهم قاصر لأنماط الإخفاق الإدراكي البشري ولأسباب تعثر خوارزميات الذكاء الاصطناعي في بيئات معينة. فالخلط بين الأسلوبين يجعل المطورين أو الباحثين يعزون تعثر الوكيل في حل مشكلة ما إلى ضعف أدوات التقييم، في حين أن السبب الحقيقي يكمن في الاختيار غير الملائم لاستراتيجية المعالجة نفسها، حيث تُوظف خوارزمية تفتقر إلى بعد النظر في فضاءات تتطلب التراجع والمناورة الهرمية المنظمة.

1.3 أهمية الدراسة المقارنة في الكفاءة الإدراكية والخوارزمية

تتمحور المفاضلة بين استراتيجيات حل المشكلات حول إدارة التوازن الدقيق بين التعقيد الحسابي وجودة الحل المتحصل عليه؛ إذ إن كل خيار منهجي يفرض تكلفة متباينة في استهلاك الذاكرة، وقدرة المعالجة، والزمن المنقضي. فاستراتيجية تسلق التل تمتاز بأقل كلفة حسابية وإدراكية ممكنة، مما يجعلها مثالية للأنظمة الميدانية ذات الموارد المحدودة أو المهام الزمنية الحرجة التي تتطلب رداً سريعاً، لكن هذه الكفاءة الخفيفة تأتي على حساب التضحية بضمانات الجودة وتفتح الباب على مصراعيه لخطر التوقف عند حلول وسطى متواضعة لا ترقى لمستوى الهدف المنشود.

من جهة أخرى، يفرض تحليل الأهداف الفرعية متطلبات إدراكية وحسابية مرتفعة تتجلى في ضرورة توليد ومتابعة شجرة هرمية من الأهداف الجزئية وتخزينها في بنية ذاكرية منظمة تُعرف بمكدس الأهداف (Goal Stack)، وهو ما يرفع من العبء المعرفي الواقع على الذاكرة العاملة لدى المتعلم أو الذاكرة المؤقتة للنظام الحاسوبي (Paas & van Merriënboer, 1994). ولكن في مقابل هذه التكلفة المرتفعة، توفر هذه الاستراتيجية مناعة قوية ضد المشكلات الطوبولوجية التي تعصف بالأساليب الموضعية، مما يجعلها قادرة على هندسة حلول منهجية للمشكلات بالغة التعقيد التي تتطلب التخطيط الاستراتيجي متعدد الخطوات.

تفتح هذه المقارنة المعمقة آفاقاً لتصميم معماريات هجينة تجمع بين خفة تسلق التل وعمق تحليل الأهداف الفرعية في تطبيقات النظم الذكية؛ إذ لا ينبغي النظر إلى الأسلوبين بوصفهما مسارين متنافرين، بل كأداتين متكاملتين يمكن مزجهما عبر توظيف التحليل التفكيكي لتحديد المحطات الانتقالية الكبرى، ثم إطلاق تسلق التل لإنجاز المهام الدقيقة بين تلك المحطات، مما يعزز الكفاءة الخوارزمية الشاملة ويحاكي السلوك الإنساني في الجمع بين التخطيط الاستراتيجي بعيد المدى والتنفيذ التكتيكي الفوري المرن.

2. استراتيجية تسلق التل (Hill Climbing Strategy): المفهوم والآلية

2.1 الأسس النظرية وآلية العمل التكرارية

تُعد استراتيجية تسلق التل، وتُعرف في سياق علم النفس المعرفي أيضاً باستدلال “تقليص الفارق” (Difference Reduction Heuristic)، من أبسط استراتيجيات البحث الاستدلالي الموجه نحو الهدف وأكثرها مباشرة في آليات عملها التكرارية. وتعتمد هذه الاستراتيجية في جوهرها على آلية التحسين الموضعي؛ حيث يتصرف الوكيل وكأنه متسلق جبال يجد نفسه وسط ضباب كثيف يحجب عنه رؤية قمة الجبل البعيدة وتضاريسه الكاملة، ولا يملك سوى معاينة الأرضية المحيطة بقدميه مباشرة ليقرر أي خطوة قادمة ستأخذه إلى مستوى أعلى، فيتحرك نحوها بصورة مستمرة حتى يصل إلى نقطة لا توجد حولها أية نقطة أعلى منها فيتوقف.

تعتمد هذه الآلية التشغيلية بصورة محورية على ما يُعرف في الذكاء الاصطناعي والرياضيات بـ دالة التقييم اللحظي أو دالة الملاءمة (Evaluation / Heuristic Function)، ويرمز لها رياضياً بـ $f(n)$. تقوم هذه الدالة بحساب قيمة الحالة الحالية وتوليد تقييم كمي للحالات المجاورة التي يمكن الانتقال إليها عبر استخدام المشغلات المتاحة في تلك اللحظة فقط. ويتبع الوكيل هنا نهجاً جشعاً (Greedy Approach)؛ حيث يُفاضل بين الخيارات المحيطة المباشرة ويختار الخيار الذي يحقق أقصى اختزال محسوس للمسافة أو أكبر زيادة في قيمة الدالة، بغض النظر عن التأثيرات المستقبلية لهذا القرار على المسار العام للحل (Jamshidi et al., 2020).

من أهم السمات التكوينية لاستراتيجية تسلق التل هو افتقارها الكامل للذاكرة التاريخية لمسار البحث (Amnesic Search)؛ فالنظام لا يحتفظ بسجل للمسارات أو الحالات السابقة التي مر بها لتجنبها أو المقارنة معها، كما أنه لا يبني شجرة توقعات مستقبلية تمتد لأكثر من خطوة واحدة للأمام (1-Step Lookahead). ينصب التركيز الذهني أو الخوارزمي حصرياً على المفاضلة بين الحالة القائمة الآن والمناطق المحيطة بها مباشرة، وهو ما يمنحها سرعة حسابية مذهلة واستهلاكاً ضئيلاً لموارد المعالجة، لكنه يزرع في الوقت نفسه بذور عجزها أمام البيئات التي تتطلب التخطيط الوقائي.

2.2 القيود التكوينية والتحديات البنيوية

على الرغم من البساطة الأنيقة لتسلق التل، إلا أن هذه الاستراتيجية محفوفة بإخفاقات هيكلية حتمية تنبع من طبيعتها الموضعية البحتة وتظهر بوضوح في فضاءات المشكلات ذات التضاريس الوعرة وغير المتناسقة. وتُصنف هذه التحديات البنيوية ضمن الأدبيات الكلاسيكية إلى ثلاثة مآزق كبرى:

• معضلة القمم المحلية (Local Maxima / Optima): وهي النقطة التي تكون فيها قيمة الحالة الحالية أعلى من قيم جميع الحالات المجاورة لها مباشرة، لكنها تظل أدنى بكثير من الحل الأمثل الشامل للمشكلة (Global Maximum). وعندما يصل خوارزم تسلق التل إلى هذه النقطة، تُصيبه حالة من العجز أو الجمود الحركي؛ لأن كل خطوة قانونية متاحة أمامه ستقوده ظاهرياً إلى تدهور قيمة دالة التقييم، وبما أن الاستراتيجية تمنع التحرك نحو الأسفل، فإن النظام يعلن الوصول إلى الحل أو يتوقف عن العمل، حابساً نفسه داخل قمة فرعية غير مثالية.
• مشكلة الهضاب والمناطق المستوية (Plateaus): وهي المساحات الطوبولوجية في فضاء البحث التي تتساوى فيها قيم دالة التقييم لجميع الحالات المجاورة للحالة الحالية. في هذه البيئة المسطحة، تصبح الدالة الاستدلالية عمياء عاجزة عن تقديم أي توجيه نوعي للوكيل؛ إذ لا توجد مؤشرات تدل على الاتجاه الأنسب للصعود، مما يُسقط الخوارزمية إما في حلقة تكرارية مفرغة تدور حول نفسها أو في مسار بحث عشوائي يفتقر إلى الهدف.
• ظاهرة التلال الحادة والحواف (Ridges): تنشأ هذه الحالة عندما تتشكل التضاريس على هيئة حافة مائلة تمتد صعوداً باتجاه القمة الشاملة، ولكن ميل الحافة نفسها شديد الانحدار من الجانبين، والمشغلات المتاحة في النظام لا تسمح بالتحرك القطري المتطابق مع اتجاه الحافة بل تفرض التحركات المتعامدة في فضاء المتغيرات. في هذه الحالة، يتأرجح النظام بين طرفي الحافة بحركات متعرجة بطيئة وغير فعالة، وقد يفسر أي هبوط جانبي طفيف على أنه نهاية المسار، مما يمنعه من التقدم بكفاءة نحو الحل.

تتفاقم هذه القيود في المشكلات التي تتطلب ما يُعرف بالمسارات غير الرتيبة (Non-Monotonic Paths)؛ أي المشكلات التي يفرض تكوينها المنطقي ضرورة الابتعاد المبدئي عن الهدف أو زيادة الفارق الظاهري عنه بشكل مؤقت لكي يتسنى للفاعل فتح مسار مغلق أو تفادي عائق لا يمكن تخطيه مباشرة، وهو السلوك الذي تعجز خوارزمية تسلق التل النقية عن تنفيذه بنيوياً؛ لرفضها التنازل المؤقت عن التقدم اللحظي (Völter & Call, 2013).

2.3 الأنماط والتطبيقات العملية لتسلق التل

لمواجهة القيود البنيوية السابقة وتطويع الاستراتيجية لتناسب تنوع المشكلات الحاسوبية، طُوّرت أنماط وخوارزميات متعددة تستند إلى المبدأ الجوهري نفسه مع إدخال تحسينات تشغيلية:

• تسلق التل البسيط (Simple Hill Climbing): يقوم بفحص الحالات المجاورة بالتتابع، وبمجرد عثوره على أول حالة تحقق قيمة تقييم أعلى من الحالة الحالية، ينتقل إليها فوراً دون إضاعة الوقت في فحص بقية الجيران. يمتاز هذا النمط بالسرعة العالية في اتخاذ القرار لكنه عالي الحساسية لترتيب فحص المشغلات.
• تسلق التل الأشد انحداراً (Steepest-Ascent Hill Climbing): يقوم بفحص واحتساب قيم كافة الحالات المجاورة المتاحة في اللحظة الراهنة دون استثناء، ثم يختار الانتقال حصرياً إلى الحالة التي تقدم أقصى معدل تحسن ممكن. ورغم كفاءة هذا النمط في اختيار القفزة المثلى موضعياً، فإنه يتطلب وقتاً أطول في حساب قيم كل الجيران في الفضاءات الكبيرة.
• تسلق التل العشوائي وإعادة البدء (Stochastic & Random-Restart Hill Climbing): يعتمد النمط العشوائي على اختيار خطوة صاعدة عشوائياً بين الحالات المحسنة لتقليل الانحياز، بينما يمثل تسلق التل بإعادة البدء العشوائي الحل الأكثر عملية لمعضلة القمم المحلية؛ حيث يُعاد تشغيل الخوارزمية من نقاط بداية عشوائية متعددة عبر فضاء المشكلة، ثم مقارنة القمم المتحصل عليها واختيار أفضلها، مما يرفع احتمالية رصد الحل الأمثل الشامل.

تجد استراتيجية تسلق التل تطبيقات واسعة في مسائل التحسين الرياضي التوافقية (Combinatorial Optimization) مثل تقريب حلول مسألة البائع المتجول (Traveling Salesperson Problem)، وجدولة العمليات الصناعية، وتخطيط مسارات الدوائر الإلكترونية المطبوعة، وضبط الأوزان الإحصائية في النماذج المبكرة للشبكات العصبية الاصطناعية. كما تنعكس هذه الآلية في السلوك البشري اليومي بوضوح، لا سيما في المواقف التي يتصرف فيها الأفراد بعفوية مستندين إلى مؤشرات التغذية الراجعة السريعة دون امتلاك تخطيط منهجي مسبق، كما يحدث عند محاولة إصلاح جهاز معطل عبر تبديل المفاتيح والأسلاك التي تبدو أنها الأكثر قرباً لتشغيله بنجاح (Brandstätter & Bernecker, 2021).

3. استراتيجية تحليل الأهداف الفرعية (Subgoal Analysis): المفهوم والآلية

3.1 الأسس النظرية والتفكيك الهرمي للمشكلات

تقوم استراتيجية تحليل الأهداف الفرعية على افتراض معرفي مفاده أن تعقيد المشكلات الواقعية لا ينبغي مواجهته بالمعالجة الأحادية الكلية، بل عبر إخضاع المشكلة لمنهجية التفكيك والتجزئة الهرمية (Decomposition). وفي هذا السياق، يُعرّف الهدف الفرعي (Subgoal) بأنه حالة وسطية محددة ذات مغزى وظيفي يُسهم إنجازها في التخلص من جزء أساسي من التباعد القائم بين الوضع الحالي والهدف النهائي المنشود، أو يعمل على استيفاء الشروط المسبقة اللازمة لتطبيق خطوة حل حاسمة لا يمكن تفعيلها في الظروف الراهنة (Klahr, 1985).

يرتبط هذا المفهوم في تاريخ العلوم المعرفية ارتباطاً عضوياً باستراتيجية تحليل الوسائل والغايات (Means-Ends Analysis – MEA)، التي طورها ألن نيويل وهربرت سايمون عام 1959 ضمن برنامجهما الحاسوبي التأسيسي “حلال المشكلات العام” (General Problem Solver – GPS). وتعتمد هذه النظرية على أن السلوك الموجه لحل المشكلات يرتكز على مقارنة الحالة الحالية بالحالة المستهدفة لاكتشاف الفروق النوعية والكمية بينهما، ومن ثم اختيار مشغلات تتناسب مع اختزال الفروق الأكثر أهمية. وإذا تعذر تطبيق المشغل المختار نتيجة وجود عائق أو شرط غير مستوفٍ، يُنشئ النظام بذكاء “هدفاً فرعياً استباقياً” يتمثل في تهيئة الحالة الراهنة لتستجيب لمتطلبات ذلك المشغل، منتجاً بنية متداخلة من الأهداف التي تُحل تعاودياً (Recursively) من الداخل إلى الخارج.

إن إرساء البنية الهرمية للمهام يستند إلى مبدأ الاعتمادية التسلسلية؛ فالأهداف الفرعية ليست مجرد قائمة مسطحة من المهام المستقلة، بل هي كيانات هرمية مترابطة يعتمد نجاح كل منها على استقرار الهدف الفرعي الذي سبقه. ويسمح هذا التمثيل الهرمي للعقل البشري أو الوكيل الآلي بعزل التعقيد؛ حيث يتم التركيز المكثف في كل لحظة على حل مسألة فرعية أصغر حجماً وأسهل إدارة، مما يقلل احتمالية التخبط العشوائي في الفضاء الشامل للمشكلة.

3.2 منهجية اشتقاق وإدارة الأهداف الفرعية

تتم إدارة مسار البحث في تحليل الأهداف الفرعية عبر خوارزمية عقلانية دقيقة تعتمد على رصد الفجوات الحاكمة واستخدام ما يُعرف بـ جداول الفروق والمشغلات (Difference-Operator Tables). تتلخص هذه العملية المعرفية في تسلسل صارم من الخطوات المترابطة، كما يلي:

• قياس الفروق البنيوية: يقوم الوكيل بمقارنة الحالة الراهنة بالحالة النهائية لتحديد جميع الفروق القائمة (Differences) وترتيبها تنازلياً وفق درجة أهميتها وتأثيرها على تحقيق الحل.
• اختيار المشغل الحاسم: يُسترجع المشغل القادر على القضاء على أكبر فارق نوعي محدد في الترتيب، بهدف تسريع الاقتراب من الهدف الأساسي.
• اختبار الشروط المسبقة (Preconditions): يفحص الوكيل إمكانية تطبيق هذا المشغل فوراً في ظل المعطيات الراهنة؛ فإن كانت الشروط مهيأة، نُفّذ المشغل بنجاح، وتغيرت الحالة.
• توليد الهدف الفرعي التعاودي: إذا حالت شروط معينة دون تطبيق المشغل، يُعلق تطبيق المشغل مؤقتاً، وتتحول الشروط المانعة إلى حالة مرغوبة يُشتق منها هدف فرعي جديد (Subgoal) يتلخص في: “تعديل الحالة الراهنة لتصبح مستوفية لشروط المشغل المعطل”.
• إدارة مكدس الأهداف (Goal Stack Management): يُدفع بالهدف الفرعي الجديد إلى قمة المكدس الذهني للحل، ليصبح هو بؤرة التركيز اللحظية، وتتكرر الدورة التوليدية ذاتها حتى يُحل الهدف الفرعي وتُستوفى الشروط، فيتم سحب الهدف من المكدس والرجوع للهدف الأب لتنفيذه خطوة بخطوة.

تمنح هذه المنهجية حلال المشكلات مرونة استراتيجية فائقة تمكنه من تجاوز مأزق القمم المحلية وحالات الانغلاق الطوبولوجي. فعلى عكس تسلق التل، يمكن لتحليل الأهداف الفرعية أن يقرر بوعي تخطيطي تنفيذ خطوة تزيد ظاهرياً من البعد عن الهدف الأساسي، أو تفكك جزءاً من بنية تم إنجازها سابقاً، إذا كان هذا التراجع الموضعي المؤقت يمثل شرطاً حتمياً لاستيفاء متطلبات هدف فرعي جذري لا يمكن إكمال الحل بدونه (van Merriënboer, 2013).

3.3 التطبيقات والامتدادات المعرفية والبرمجية

تشكل الألغاز المنطقية الكلاسيكية الميدان النموذجي لاختبار وفحص قوة تحليل الأهداف الفرعية؛ ولعل أبرز هذه الألغاز معضلة برج هانوي (Tower of Hanoi) ومعضلة أحجية البلاطات الثمانية (8-Puzzle). ففي لغز برج هانوي المكون من أقراص متدرجة الحجم يجب نقلها من وتد إلى آخر دون وضع قرص أكبر فوق قرص أصغر، يعجز العقل البشري عن معالجة المشكلة عبر تسلق التل؛ لأن كل حركة مباشرة تستلزم نقل القرص الأكبر إلى الوتد الهدف تصطدم بوجود أقراص أصغر تغطيه أو تحتل الوتد المستهدف. وهنا يفرض تحليل الأهداف الفرعية نفسه: فالهدف النهائي (نقل القرص الأكبر) يولد هدفاً فرعياً حتمياً وهو (نقل كافة الأقراص الأصغر إلى الوتد الاحتياطي)، وهذا بدوره يفكك المشكلة إلى مستويات صغرى تتكرر فيها الأنماط الحركية بدقة رياضية مذهلة (Klahr, 1985).

يمتد هذا الإطار النظري إلى التطبيقات الحديثة في هندسة البرمجيات والذكاء الاصطناعي التخطيطي؛ فالبرمجة كائنية التوجه (OOP) وهندسة المعماريات المستندة إلى الخدمات المصغرة (Microservices) تمثل ترجمة معاصرة لتحليل الأهداف الفرعية؛ حيث تُحل المسائل البرمجية الكبرى عبر تفكيكها إلى وحدات نمطية ودوال مستقلة يؤدي كل منها وظيفة فرعية دقيقة تخدم النظام الشامل. كما يعتمد تخطيط مسارات الروبوتات المتحركة (Automated Robot Planning) على هذه الاستراتيجية لبناء مسارات تجنب الاصطدام، حيث يحدد الروبوت أهدافاً مكانية فرعية مثل “الوصول إلى عتبة الباب” قبل التفكير في التموضع داخل الغرفة التالية، مما يسهل معالجة البيئات المعقدة غير المتجانسة.

وفي مجال علم النفس التربوي والنمذجة المعرفية، يُعد امتلاك استراتيجية تجزئة المشكلة إلى أهداف فرعية الملمح الفارق بين تفكير الخبير وتفكير المبتدئ. فقد أظهرت الدراسات التأسيسية أن الخبراء في مجالات مثل الفيزياء وحل المسائل الرياضية لا يندفعون نحو تعويض المعطيات في القوانين السطحية (وهو سلوك شبيه بتسلق التل)، بل يقضون وقتاً نوعياً في إعادة بناء المشكلة ذهنياً واستخلاص أهداف وسيطة تنظم مسار البرهان والحل بصورة رصينة ودقيقة (Paas & van Merriënboer, 1994).

4. الفروق الجوهرية بين تسلق التل وتحليل الأهداف الفرعية

4.1 أفق التخطيط ونطاق الرؤية المعرفية

يتجلى الفارق الجوهري والعميق بين استراتيجية تسلق التل واستراتيجية تحليل الأهداف الفرعية في سعة أفق التخطيط المسبق وعمق الرؤية الاستشرافية داخل فضاء المشكلة. تتميز استراتيجية تسلق التل بما يُعرف بـ “الرؤية الموضعية قصيرة المدى” (Myopic Horizon)؛ فالوكيل محبوس في إطار الحالة القائمة ولا ينظر إلا لمسافة خطوة واحدة تالية في أي اتجاه، ويتصرف على نحو رد فعل فوري تجاه المثيرات والمعطيات الحالية لدالة التقييم. هذا الأفق المحدود يجعل قراراته أسيرة للبيئة الجغرافية المباشرة للحالة، مما يفقده القدرة على التحوط للتعقيدات التي قد تبرز بعد خطوتين أو ثلاث، تماماً كمن يسير في وادٍ يختار الصعود إلى أعلى ربوة تعترضه مباشرة دون أن يدري أنها تنتهي بجرف صخري شاهق يعزلها عن المسار المؤدي للقمة الحقيقية للجبل.

في المقابل التام، يرتكز تحليل الأهداف الفرعية على “رؤية بنيوية بعيدة المدى” (Structural / Distal Vision)؛ فالنظام المعرفي لا ينطلق من فحص المجاورات المباشرة، بل يتجه أولاً إلى تحليل الفجوة الشاملة التي تفصله عن الهدف النهائي المجرد. ومن خلال هذا الفهم البنيوي، يبني المخطط مساراً ارتدادياً يبدأ من خصائص الحل المنشود ليعود بها إلى الوراء نحو الحالة الراهنة، محدداً المعالم الهيكلية والمحطات الضرورية التي يفرض المنطق المرور بها. وبناءً عليه، فإن كل قرار يتخذه الوكيل في لحظة ما يكون منبثقاً من سياق خطة أوسع، وليس مجرد استجابة إغرائية لتراجع سطحي في المسافة الظاهرية (Batchelder & Alexander, 2012).

يترتب على هذا التباين في عمق الرؤية اختلاف محوري في كيفية التعامل مع المسارات التراجعية (Backtracking and Detours). فعندما يفرض حل المشكلة التراجع المؤقت عن الاقتراب الحركي أو الشكلي من الهدف – كأن يُطلب من لاعب الشطرنج التضحية بقطعة ثمينة لتحقيق كش مات لاحقاً، أو نقل قرص في هانوي بعيداً عن الوتد النهائي لتفريغ الوتد لقرص أكبر – يصطدم تسلق التل بجدار مسدود؛ لأنه يرفض قبول أي خطوة تقلل من تقييم الحالة الحالية، مما يوقعه في الفشل الحتمي. أما تحليل الأهداف الفرعية، فيستوعب هذا التراجع كإجراء تكتيكي خاضع لهدف فرعي مرن يُمهد الطريق لتحقيق مكسب نوعي أكبر، مما يجعله محصناً ضد الفشل أمام المسارات غير الرتيبة التي تميز أغلب المسائل المعقدة في الحياة الواقعية والبرمجة (Völter & Call, 2013).

4.2 المتطلبات الحسابية والعبء الإدراكي

تنطوي المفاضلة بين هاتين الاستراتيجيتين على مساومة دقيقة بين كفاءة استهلاك الموارد من جهة، ومناعة مسار الحل وجودته من جهة أخرى؛ إذ يختلف العبء الواقع على المعالجة الإدراكية والحاسوبية اختلافاً جذرياً في كلتا الحالتين. فمن زاوية متطلبات الذاكرة العاملة (Working Memory Load)، تفرض استراتيجية تسلق التل أدنى حد ممكن من العبء الذهني؛ حيث لا يحتاج الوكيل البشري أو الخوارزمي إلى تتبع أهداف متفرعة، ولا إلى الاحتفاظ بشجرة قرارات في الذاكرة النشطة، ولا إلى حفظ سجل المسار المنقضي. كل ما تتطلبه هو معرفة الحالة الحالية وتقييم البدائل المباشرة واختيار أحدها، مما يجعلها أسلوباً موفراً للطاقة الذهنية، ويشكل استجابة تكيفية مثالية في ظروف الإجهاد العصبي، ونقص المعلومات، ومحدودية الوقت (Paas & van Merriënboer, 1994).

وعلى النقيض من ذلك، يلقي تحليل الأهداف الفرعية بعبء إدراكي هائل على كاهل الذاكرة العاملة وموارد المعالجة الحاسوبية؛ إذ يتطلب الأمر تأسيس ومتابعة “مكدس الأهداف” (Goal Stack) الذي يحتفظ بسلاسل الأولويات وشبكات الشروط المسبقة غير المكتملة. وخلال التفكير المعقد، يضطر الوكيل إلى حجز أجزاء ثمينة من سعة الذاكرة العاملة ليتذكر: “ما هو الهدف الأم؟ وما هو الهدف الفرعي التابع له؟ وما هو الشرط الذي نحاول حله الآن؟ وإلى أين يجب العودة بمجرد حل هذا الشرط؟”. وفي حال تجاوز عمق التفرع الهرمي حدود القدرة الاستيعابية للذاكرة البشرية (والتي تقارب عادة من أربعة إلى سبعة عناصر نشطة)، يُصاب العقل بما يُعرف بـ “فرط الحمل المعرفي” (Cognitive Overload)، مما يقود إلى تشتت التخطيط أو نسيان الهدف الرئيس وفقدان المسار بأكمله ما لم يُدعَم بتدوين خارجي أو أدوات تذكر مساعدة (van Merriënboer, 2013).

يتجلى هذا التباين أيضاً على المستوى الخوارزمي؛ إذ يستهلك تسلق التل مساحة تخزينية ثابتة في الذاكرة من رتبة $O(1)$؛ لأنه لا يحفظ تاريخ البحث، ويعالج الحالات بزمن فحص موضعي ضئيل. في المقابل، يتطلب تحليل الأهداف الفرعية مساحة تخزين متغيرة تتناسب طردياً مع عمق هرمية الأهداف $O(d)$، وربما زمن بحث أسي في أسوأ الحالات للتحقق من تركيب الشروط المسبقة عبر جداول الفروق. غير أن هذه الكلفة الحاسوبية المرتفعة تُترجم إلى جودة مسار استثنائية وتحصين ضد المسارات المغلقة، مما يبرر الاستثمار الحسابي كلما كانت تكلفة ارتكاب الخطأ في النظام عالية.

4.3 أبعاد المقارنة الشاملة (جدول المقارنة)

لتلخيص وتكثيف أوجه التباين والتقاطع بين الاستراتيجيتين، يوضح الجدول المقارن التالي الأبعاد المفاهيمية والتشغيلية والحاسوبية لكلا النموذجين استناداً إلى أسس علم النفس المعرفي وعلوم الذكاء الاصطناعي:

البعد المقارن (Aspect)	استراتيجية تسلق التل (Hill Climbing)	استراتيجية تحليل الأهداف الفرعية (Subgoal Analysis)
التعريف النظري والمنطلق	استراتيجية بحث موضعي جشع تهدف إلى تقليص الفارق اللحظي عبر اختيار أفضل خطوة مجاورة متاحة في فضاء المشكلة.	استراتيجية تفكيك هرمي تقوم على تجزئة المشكلة المعقدة إلى حالات وسيطة متسلسلة تؤدي بدورها إلى الهدف النهائي.
أفق التخطيط ومجال الرؤية	موضعي وقصير المدى (خطوة واحدة للأمام عادة دون تخيل المسار الأبعد).	بنيوي وبعيد المدى (شامل يدرك التسلسل المنطقي اللازم لبلوغ النتيجة).
متطلبات الذاكرة والعبء الإدراكي	منخفضة جداً؛ تستهلك مساحة ثابتة $O(1)$ ولا تتطلب حفظ تاريخ البحث أو هيكل أهداف.	مرتفعة جداً؛ تتطلب إدارة مكدس هرمي للأهداف ومتابعة الشروط المسبقة، مما يضغط على الذاكرة العاملة.
التعامل مع المسارات التراجعية	عاجزة بنيوياً عن قبول أي خطوة تؤدي إلى هبوط قيمة دالة التقييم اللحظي لتجاوز عقبة.	قادرة بمرونة على قبول التراجع والابتعاد المؤقت عن الهدف إذا كان يخدم هدفاً فرعياً مشروطاً.
خطر الفشل والانحباس	معرضة بشدة للوقوع في القمم المحلية، والهضاب، والتلال الحادة المتعرجة، مما يسبب الجمود.	منخفضة الحساسية للقمم المحلية، لكنها مهددة بالفشل عند إساءة ترتيب أولويات الأهداف الفرعية.
الحساسية للشروط المبدئية	عالية جداً؛ تحدد نقطة البداية القمة التي سينتهي عندها البحث ما لم تُستخدم تقنيات إعادة البدء.	معتدلة إلى منخفضة؛ تعتمد أكثر على البنية المنطقية للمشكلة والقدرة على تفكيك الاعتماديات.
طبيعة فضاء المشكلة الملائم	الفضاءات ملساء التضاريس، أحادية القمة (Unimodal)، أو المشكلات التي يكفي فيها حل تقريبي سريع.	الفضاءات المعقدة والمتعددة القمم والطبقات ذات المسارات غير الرتيبة والخطوات الإلزامية المشروطة.
التطبيقات النموذجية الشائعة	مسائل التحسين الرياضي، وتعديل الأوزان اللحظي، والسلوك العفوي السريع في الحياة اليومية.	أحجية برج هانوي، التخطيط الروبوتي، هندسة النظم البرمجية، وحل المسائل الرياضية التخصصية.

5. أوجه الشبه ونقاط التلاقي بين الاستراتيجيتين

5.1 الجذور المشتركة في علم النفس المعرفي ونظرية معالجة المعلومات

على الرغم من التباينات التشغيلية والبنيوية الجلية التي أظهرتها المقارنة، فإن كلاً من استراتيجية تسلق التل وتحليل الأهداف الفرعية ينحدران من أصل معرفي وتاريخي واحد يستند إلى نموذج معالجة المعلومات في علم النفس الإدراكي. فكلا النموذجين ينطلقان من التصور النظري المؤسس الذي وضعه ألن نيويل وهربرت سايمون، والذي يرى أن العقل البشري، شأنه شأن الحاسوب، هو نظام رمزي فيزيائي (Physical Symbol System) يتعامل مع المشكلات عبر تمثيل المعرفة في فضاء مجرد والتحرك داخله عبر تطبيق مشغلات منطقية متسلسلة للتحول من حالة إلى أخرى (Newell, 2004).

كما تلتقي الاستراتيجيتان في اعتمادهما الصارم على مبدأ “اختزال الفروق” (Difference Reduction) في مقابل آليات المحاولة والخطأ العشوائية (Trial and Error) أو الاستقصاء الشامل الكفيف؛ فكلاهما يرفض الحركة الاعتباطية داخل فضاء البحث، بل يبحثان دائماً عن دلالات تقود إلى تضييق الهوة الفاصلة بين الوضع الماثل والغاية المقصودة. حتى وإن اختلف مستوى قياس هذا الفارق — بين احتسابه كمسافة هندسية فورية في تسلق التل أو تحليله كمتطلبات وظيفية وشروط منطقية مسبقة في تحليل الأهداف الفرعية — فإن القوة الدافعة لحركة النظام تظل واحدة: رغبة حتمية في تقليص التباين بين الواقع والمأمول لتحقيق الاتساق المعرفي.

علاوة على ذلك، تفترض الاستراتيجيتان وجود بيئة مشكلة محددة وجيدة البناء (Well-structured Problem Space)؛ حيث تكون الأهداف واضحة المعالم، والقوانين الحاكمة للمشغلات دقيقة المعايير، وقواعد الانتقال خاضعة لضوابط منطقية يمكن قياسها ومفاضلتها. ويتطلب كلاهما قدرة النظام على صياغة تمثيلات داخلية لبيئته المحيطة وتوظيف تقييم استدلالي مستمر للتحقق من أن كل حركة إجرائية تحقق اقتراباً نسبياً نحو حسم المأزق (Batchelder & Alexander, 2012).

5.2 التكامل والأنظمة الهجينة

لا تتوقف العلاقة بين تسلق التل وتحليل الأهداف الفرعية عند حدود المقارنة النظرية المجردة، بل تتجاوزها لتصل إلى آفاق التلاقح والتكامل العملي في تصميم النظم الذكية وهندسة الوكلاء المعرفيين المستقلين. ففي المشكلات المعقدة للغاية ذات الفضاءات الضخمة، يُعد الاعتماد الانفرادي على أسلوب واحد ممارسة غير مجدية؛ إذ يغرق تحليل الأهداف الفرعية في تفاصيل حسابية مرهقة إذا حاول التخطيط لكل جزئية دقيقة حتى مستوى أصغر حركة، بينما يتعثر تسلق التل سريعاً في متاهات القمم المحلية ومناطق الهضاب الميتة إذا واجه الفضاء الشامل بمفرده.

وهنا تبرز المعماريات الهجينة (Hybrid Architectures) التي توزع الأدوار بذكاء وفق المستويات التجريدية للمشكلة:

• التوظيف الهرمي المتداخل: يتم استخدام استراتيجية تحليل الأهداف الفرعية في الطبقات العليا للتخطيط والتفكير التجريدي، حيث تتولى مسح الفضاء الكلي، وتحديد العوائق المحورية، وتفكيك المسار الشامل إلى محطات وأهداف وسيطة آمنة لا تتطلب مناورات تراجعية فيما بينها. وبمجرد ترسيخ هذه الأهداف الوسيطة، يُسلَّم التنفيذ الميداني للمهام الجزئية ذات التعقيد المنخفض إلى خوارزمية تسلق التل، التي تتولى التحرك السريع والرشيق بين تلك المحطات مستفيدة من خفتها الحسابية وانعدام عبء الذاكرة لديها (Jamshidi et al., 2020).
• تجاوز القمم المحلية عبر التدخل الهرمي: في التطبيقات الميدانية المعاصرة مثل تعلم الآلة المعزز (Reinforcement Learning) والخوارزميات الجينية متعددة المراحل، يمكن تسخير تسلق التل بوصفه محرك البحث الأساسي لتعديل السياسات بسرعة؛ فإذا ما رصد النظام سقوطه في قمة محلية وتوقف نمو الأداء، يتدخل نظام تحليل الأهداف الفرعية ليعيد صياغة المشكلة وتوليد “هدف تحويلي” يفرض مساراً بديلاً يخرج الوكيل قسراً من نقطة الاختناق ويعيد وضعه على تضاريس جديدة واعدة.
• التوافق مع السلوك البشري الطبيعي: يحاكي هذا التناغم الهجين السلوك اليومي للإنسان المتمرس؛ فالمهندس المعماري أو الطبيب الجراح يضع أولاً مخططاً هرمياً للأهداف الكبرى للعملية المعقدة (تحليل أهداف فرعية)، ثم يعتمد أثناء تنفيذ كل تفصيلة ميكانيكية دقيقة على مهاراته الحسية التكرارية القائمة على التصحيح اللحظي للأخطاء بناء على مؤشرات الموقف المباشر (تسلق التل) (Brandstätter & Bernecker, 2021).

6. معايير المفاضلة وسياقات الاستخدام المثلى

6.1 سياقات تفضيل استراتيجية تسلق التل

على الرغم من القيود البنيوية المعروفة لتسلق التل، تظل هناك فئات واسعة من المشكلات والسياقات التطبيقية التي تتربع فيها هذه الاستراتيجية كخيار أول للمهندسين والمطورين وحتى لصناع القرار الإنساني، وذلك بفضل بساطتها الاستثنائية وكفاءتها الحركية. وتتحدد هذه السياقات وفق المعايير التالية:

• الفضاءات وحيدة القمة والتضاريس الرتيبة (Monotonic Landscapes): في الحالات الرياضية أو الحسابية التي تتسم بكون دالة الملاءمة سلسة ومحدبة وخالية من الانحناءات المفاجئة أو القمم الخادعة، يكون تسلق التل الأسلوب الأسرع والأضمن على الإطلاق لبلوغ الحل المثالي في أقل زمن ممكن ودون أي هدر للموارد التخزينية.
• المشكلات المقيدة بالموارد الزمنية والحاسوبية الصارمة: في الأنظمة المضمنة (Embedded Systems)، وحساسات إنترنت الأشياء (IoT)، والوكلاء الذين يعملون تحت ضغط الوقت الحقيقي (Real-Time Systems) حيث يكون من الضروري تقديم حل فوري ومقبول بدلاً من انتظار التخطيط الطويل لحل مكتمل، تتفوق هذه الاستراتيجية بوصفها تجسيداً لمبدأ “الكفاية المعرفية” (Satisficing).
• غياب النموذج البنيوي للمشكلة (Model-Free Environments): عندما يجد النظام نفسه في بيئة مجهولة تماماً أو معتمة، لا تتوفر عنها بيانات كافية تمكنه من فهم الشروط المسبقة أو تفكيكها إلى أهداف فرعية عقلانية؛ فيصبح التفاعل الموضعي والتحسين التدريجي خطوة بخطوة هو السبيل المنطقي الوحيد للاستكشاف والتعلم التكيفي (Husman et al., 2016).

6.2 سياقات الاعتماد على تحليل الأهداف الفرعية

في الطرف المقابل، تفرض مجموعة أخرى من المشكلات والبيئات المعرفية المعقدة حتمية اللجوء إلى استراتيجية تحليل الأهداف الفرعية؛ حيث يُعد البحث الموضعي فيها بمثابة انتحار خوارزمي يقود حتماً إلى الفشل أو الدوران في مسارات لا نهائية. وتشمل هذه السياقات ما يلي:

• المشكلات الحتمية التراجع (Non-Monotonic & Detour Problems): كل مسألة يقتضي حلها بالضرورة اتخاذ خطوات تزيد مؤقتاً من البعد الظاهري عن الهدف النهائي، أو تفكيك جزء من بنية مبنية مسبقاً لإفساح المجال أمام ترتيب أعمق (مثل برج هانوي، والبرمجة المنطقية، ومسائل الروبوتات في تجنب الحواجز المغلقة على شكل حرف U)؛ إذ لا يمكن إنجاز هذه المهام إطلاقاً دون تخطيط استباقي عبر الأهداف الفرعية المشروطة (Völter & Call, 2013).
• المسائل القابلة للتقسيم المعياري الهرمي (Modular Problems): المسائل الهندسية، والبرمجية، والتنظيمية ذات المكونات المستقلة نسبياً، حيث يمكن حل كل وحدة فرعية بمعزل عن غيرها ثم دمج النتائج ضمن نسق موحد لتقديم الحل النهائي الشامل بكفاءة وموثوقية عالية.
• المهام التي تشترط الأمثلية الكاملة وارتفاع تكلفة الخطأ: في البيئات الطبية، ومهمات استكشاف الفضاء، والأنظمة الدفاعية الحساسة، لا يُسمح بالاعتماد على التخمين الموضعي السريع الذي قد يقع في قمة محلية كارثية؛ بل تتطلب الموثوقية العالية تخطيطاً صارماً يحلل كل خطوة مسبقاً عبر شبكة محكمة من الأهداف والغايات المبرهنة رياضياً ومنطقياً (van Merriënboer, 2013).

6.3 إطار عمل منهجي للاختيار والتطبيق العملي

لتزويد المهندس أو الباحث المعرفي بآلية عملية لاتخاذ القرار وتحديد الاستراتيجية الأنسب للمشكلة المطروحة، يمكن الاعتماد على خوارزمية قرارية إرشادية تتبع سلسلة من الأسئلة التشخيصية المنطقية المعيارية:

• السؤال الأول (طبيعة الفضاء): هل تفرض المشكلة ضرورة التراجع أو الابتعاد المؤقت عن الهدف لاستيفاء شروط حل معينة؟
  • إذا كانت الإجابة نعم: يُستبعد تسلق التل النقي تماماً، ويجب اعتماد تحليل الأهداف الفرعية (أو الاستعانة بتسلق التل الهجين مع التبريد المحاكي).
  • إذا كانت الإجابة لا: ننتقل للسؤال التالي.
• السؤال الثاني (توفر المعرفة البنيوية): هل يمتلك النظام نموذجاً مسبقاً للعلاقات والشروط والاعتماديات بين مكونات المشكلة؟
  • إذا كانت الإجابة لا: يتم اللجوء إلى تسلق التل الموضعي (ربما مع إعادة البدء العشوائي) لعدم توفر معطيات تأسيس أهداف فرعية.
  • إذا كانت الإجابة نعم: ننتقل للسؤال التالي.
• السؤال الثالث (قيود الموارد والذاكرة): هل الموارد الحاسوبية للذاكرة أو سعة الذاكرة العاملة شديدة الشح ومقيدة زمنياً؟
  • إذا كانت الإجابة نعم: يُفضل استخدام تسلق التل لتحقيق حل كافٍ وسريع.
  • إذا كانت الإجابة لا: يُعتمد تحليل الأهداف الفرعية لضمان التخطيط الأمثل وتفادي القمم المحلية.

7. الأسئلة الشائعة

7.1 هل تُعد استراتيجية تسلق التل جزءاً من تحليل الأهداف الفرعية أم استراتيجية مستقلة؟

في الأدبيات التأسيسية لعلم النفس المعرفي ونظرية الذكاء الاصطناعي، تُصنف استراتيجية تسلق التل واستراتيجية تحليل الأهداف الفرعية (وتحليل الوسائل والغايات) بوصفهما استراتيجيتين استدلاليتين مستقلتين ومتميزتين مفاهيمياً وعملياً (Newell, 2004). فاستراتيجية تسلق التل تنتمي إلى عائلة أساليب البحث الموضعي التكراري (Local Search) التي لا تحتاج إلى تجزئة أو تمثيل هرمي للمشكلة، بل تعتمد على تقييم خطوة تالية واحدة وحيدة، في حين تنتمي استراتيجية تحليل الأهداف الفرعية إلى عائلة التخطيط الهرمي واستراتيجيات تقليص المشكلات (Problem Reduction Methods).

ومع ذلك، ينشأ التداخل في الاستخدامات التطبيقية الحديثة؛ إذ يمكن من الناحية الهندسية توظيف تسلق التل كأداة إجرائية جزئية تحت مظلة تحليل الأهداف الفرعية لإنجاز انتقال محلي من حالة إلى حالة تالية داخل هدف فرعي محدد سلفاً. وبالتالي، فإن الاستقلال النظري قائم من حيث الفلسفة والبنية، لكن التكامل العملي بينهما ممكن وشائع في تصميم النظم الذكية متعددة المستويات.

7.2 كيف يتعامل كل نموذج مع ضرورة التراجع المؤقت للوصول إلى الحل؟

يمثل التعامل مع خطوات التراجع المؤقت (Backtracking and Detours) نقطة الافتراق الأكبر والأكثر حساسية بين النموذجين:

• تسلق التل النقي: يفشل فشلاً ذريعاً وتاماً أمام أي مسار يتطلب الابتعاد المؤقت عن الهدف. والسبب في ذلك بنيوي؛ فالخوارزمية لا تقبل الانتقال إلا إلى الحالات التي تقدم زيادة في دالة التقييم، وبما أن الخطوة التراجعية تبدو ظاهرياً كأنها تزيد الفارق أو تخفض القيمة، فإن الخوارزمية ترفضها وتعتبر النقطة الحالية قمة محلية وتتوقف عن الحركة (Völter & Call, 2013). وللتغلب على هذا القصور في علوم الحاسوب، يتم اللجوء إلى خوارزميات معدلة مثل خوارزمية التبريد المحاكي (Simulated Annealing) التي تسمح بنسبة احتمال مضبوطة بقبول حركات تراجعية سيئة تُمكّن الوكيل من القفز خارج القمم المحلية والانعطاف نحو مسارات بديلة.
• تحليل الأهداف الفرعية: يتعامل مع التراجع بمرونة واقتدار؛ لأن التراجع هنا ليس تصرفاً عشوائياً أو تدهوراً حقيقياً، بل هو استيفاء مقصود لهدف فرعي تفرضه الشروط المسبقة للمشغل. يدرك النظام أن الابتعاد المؤقت في المظهر الحركي أو الشكلي يمثل في الواقع تقارباً جوهرياً على المستوى البنيوي العميق، مما يجعله قادراً على هندسة الحلول للمسائل شديدة الالتواء التي تعجز عنها الاستراتيجيات الموضعية.

7.3 ما مدى تأثير الذاكرة العاملة البشرية على اختيار الأسلوب المتبع في الحياة الواقعية؟

تمارس الذاكرة العاملة (Working Memory) دور المحدد الحاسم للسلوك المعرفي البشري في مواقف حل المشكلات اليومية؛ حيث أثبتت أبحاث الحمل المعرفي أن الأفراد الواقعين تحت وطأة الإرهاق العصبي أو المشتتات البيئية يميلون تلقائياً إلى تبني استراتيجية تسلق التل كآلية افتراضية منخفضة الكلفة؛ نظراً لعدم قدرة أدمغتهم في تلك اللحظات على تحمل العبء الناتج عن حفظ سلاسل الأهداف والخطط المستقبلية المعقدة في الذاكرة الفورية (Paas & van Merriënboer, 1994).

في المقابل، يتطلب توظيف تحليل الأهداف الفرعية تدريباً، واستقراراً ذهنياً، ونضجاً نمائياً معرفياً، ووجود “مخططات ذهنية” (Cognitive Schemas) راسخة في الذاكرة طويلة المدى، وهي الميزة التي تُمكّن الخبراء من تفكيك المشكلات بسلاسة دون استنزاف ذاكرتهم العاملة. وقد أظهرت الدراسات النمائية المقارنة أن الأطفال الصغار يواجهون صعوبة بالغة في حل المشكلات التي تتطلب التخطيط عبر أهداف فرعية مشروطة تعارض الاقتراب المباشر للهدف، ويميلون دائماً لتسلق التل الحسي حتى يكتمل نضج الوظائف التنفيذية في الفص الجبهي للدماغ وتتطور قدرتهم على إدارة مكدس الأهداف ذهنياً (Klahr, 1985; Völter & Call, 2013).

8. الخاتمة والتوصيات المستقبلية

8.1 موجز الموازنة التحليلية بين النموذجين

أظهرت الدراسة المقارنة أن المفاضلة بين استراتيجية تسلق التل واستراتيجية تحليل الأهداف الفرعية ليست مفاضلة بين أسلوب خاطئ وآخر صحيح، بل هي تجسيد لواحدة من أعمق المفاضلات المعرفية والخوارزمية في تاريخ العلوم: المفاضلة بين الكفاءة الحركية الموضعية منخفضة التكلفة والتخطيط الهيكلي الشامل رفيع الأفق والضمانات. فبينما يمثل تسلق التل استجابة عملية سريعة ورشيقة تناسب البيئات الملساء وشح الموارد الحسابية والمعرفية، فإنه يظل سجين حدوده التكوينية المتمثلة في عماه عن الرؤية بعيدة المدى وعجزه الصادم أمام القمم المحلية والمسارات غير الرتيبة.

في المقابل، يقف تحليل الأهداف الفرعية كنموذج استراتيجي رصين قادر على ترويض أعقد المشكلات وأكثرها التواءً عبر التفكيك المنهجي المنظم وإدارة سلاسل الشروط المسبقة، مجيزاً التراجع التكتيكي المؤقت لخدمة الحل الاستراتيجي الشامل. ورغم هذا النبل الخوارزمي، فإنه يظل مدفوع الثمن بكلفة معرفية وحسابية باهظة تضغط بشدة على سعة الذاكرة العاملة وموارد المعالجة، مما يجعل إساءة توظيفه في المواقف غير المناسبة هدراً للطاقة المعرفية دون مبرر وظيفي مقنع (van Merriënboer, 2013).

8.2 آفاق البحث في الاستدلال المعرفي والذكاء الاصطناعي

تفتح نتائج هذا التحليل المقارن آفاقاً واعدة لتطوير نظم الذكاء الاصطناعي والمناهج التعليمية المعاصرة. فعلى صعيد الحوسبة وتصميم الوكلاء المستقلين، تتجه البحوث المستقبلية نحو بناء نماذج معمارية ذات تخطيط هجين تكيفي (Adaptive Hybrid Planning)؛ حيث يمتلك الوكيل الذكي القدرة على التبديل الديناميكي بين البحث الموضعي والتخطيط الهرمي استناداً إلى القياس المستمر لدرجة تعقيد التضاريس اللحظية في فضاء المشكلة، وتوفر الموارد الحاسوبية، ومستوى عدم اليقين في البيئة المحيطة.

وعلى صعيد التعلم الإنساني والعلوم المعرفية، تبرز الحاجة الملحة إلى تطوير بيئات تعليمية تفاعلية تعين المتعلمين على الانتقال الواعي من الاستجابات الموضعية الفورية الساذجة الشبيهة بتسلق التل إلى التفكير الاستراتيجي المستند إلى صياغة وتمثيل الأهداف الفرعية. ويمكن تحقيق ذلك عبر دمج تقنيات “التوجيه الإدراكي” (Cognitive Scaffolding) و”الأمثلة المحلولة جزئياً” التي تدرب العقل على تفكيك المشكلات الكبرى إلى محطات وسيطة متسلسلة، مما يسهم في تخفيف الحمل المعرفي غير المفيد وتعزيز قدرات الابتكار والتحليل المنطقي في مواجهة تحديات العالم المعاصر (Paas & van Merriënboer, 1994; Husman et al., 2016).

المراجع

• Batchelder, W. H., & Alexander, G. E. (2012). Insight Problem Solving: A Critical Examination of the Possibility of Formal Theory. The Journal of Problem Solving. https://doi.org/10.7771/1932-6246.1143
• Brandstätter, V., & Bernecker, K. (2021). Persistence and Disengagement in Personal Goal Pursuit. Annual Review of Psychology. https://doi.org/10.1146/annurev-psych-020821-110710
• Husman, J. E., Hilpert, J. C., & Brem, S. K. (2016). Future Time Perspective Connectedness to a Career: The Contextual Effects of Classroom Knowledge Building. Psychologica Belgica. https://doi.org/10.5334/pb.282
• Jamshidi, S., Ensafi, M., & Pati, D. (2020). Wayfinding in Interior Environments: An Integrative Review. Frontiers in Psychology. https://doi.org/10.3389/fpsyg.2020.549628
• Klahr, D. (1985). Solving Problems with Ambiguous Subgoal Ordering: Preschoolers’ Performance. Child Development. https://doi.org/10.1111/j.1467-8624.1985.tb00167.x
• Newell, A. (2004). Duncker on thinking: An inquiry into progress in cognition. American Psychological Association eBooks. https://doi.org/10.1037/10117-032
• Paas, F. G. W. C., & van Merriënboer, J. J. G. (1994). Instructional control of cognitive load in the training of complex cognitive tasks. Educational Psychology Review. https://doi.org/10.1007/bf02213420
• van Merriënboer, J. J. G. (2013). Perspectives on problem solving and instruction. Computers & Education. https://doi.org/10.1016/j.compedu.2012.11.025
• Völter, C. J., & Call, J. (2013). Younger apes and human children plan their moves in a maze task. Cognition. https://doi.org/10.1016/j.cognition.2013.10.007