النظم القائمة على المعرفة: نمذجة الإدراك وصنع القرار

تمثل النظم القائمة على المعرفة إحدى أعمق نقاط الالتقاء بين علوم الحاسوب وعلم النفس المعرفي، حيث تُجسد محاولة رائدة لمحاكاة التفكير البشري المعقد وبناء تمثيلات صورية للاستدلال والخبرة العقلية. ينبثق هذا المفهوم من دراسة الهندسة المعرفية للإنسان وكيفية استخلاص الحقائق، وتخزين الذاكرة الدلالية، واسترجاع الاستراتيجيات التفسيرية لحل المشكلات السريرية والتطبيقية المعقدة.

النظم القائمة على المعرفة

1. التعريف الموجز

النظام القائم على المعرفة (Knowledge-Based System) هو منظومة حاسوبية ذكية مصممة لمحاكاة القدرات الاستدلالية للإنسان في نطاق معرفي محدد، اعتماداً على قاعدة معرفية صريحة تتضمن حقائق ومفاهيم وقواعد تفكير منفصلة تماماً عن محرك الاستدلال المنطقي الذي يعالجها. يهدف هذا النظام إلى معالجة المشكلات المعقدة التي تتطلب تقليدياً خبرة بشرية تخصصية، عبر توليد استنتاجات وتقديم تفسيرات مدعومة بالبراهين المنطقية.

في سياق علم النفس المعرفي وهندسة المعرفة، لا يُنظر إلى هذه النظم كأدوات برمجية مجردة، بل كـ نماذج حسابية للبنية المعرفية الإنسانية. فهي تحاكي الكيفية التي ينظم بها العقل البشري المعرفة التقريرية والإجرائية، موفرة إطاراً تجريبياً لاختبار نظريات حل المشكلات، وتمثيل المعتقدات، ودراسة سيكولوجية اتخاذ القرار في بيئات عدم اليقين والمواقف المعرفية ذات العبء الذهني المرتفع.

2. التأثيل والاشتقاق اللغوي

يعود الأصل اللغوي للمصطلح إلى اللغة الإنجليزية (Knowledge-Based System)، حيث يتركب من شقين دلاليين: الأول هو المعرفة (Knowledge)، المنحدرة تاريخياً من الجذور الجرمانية والإنجليزية القديمة (Cnāwan)، والتي تشير إلى الإدراك والوعي الفكري والخبرة المكتسبة، متبوعة بلاحقة الارتكاز (Based). والشق الثاني هو النظام (System)، المشتق من الكلمة الإغريقية (Systēma)، والتي تعني كلاً متكاملاً مؤلفاً من عدة أجزاء متصلة وظيفياً وتعمل وفق قواعد محددة.

أما في اللغة العربية، فيستند لفظ المعرفة إلى الجذر الثلاثي (ع-ر-ف)، الذي يدل على تتابع الشيء وإدراكه وتفحصه سكوناً وعلماً، وهو ما يميز المعرفة عن مجرد العلم المجرد بكونها مقترنة بالاختبار والخبرة العميقة والتدبر. ودخل المصطلح إلى المعاجم الاصطلاحية النفسية والحاسوبية في مطلع سبعينيات القرن العشرين مع أبحاث البروفيسور إدوارد فيغنباوم، لتمييز المنظومات الذكية التي ترتكز على مخزون ثري من الخبرة البشرية التخصصية عن البرامج الخوارزمية العامة التي تعتمد على البحث الأعمى في فضاء الحالات.

3. النطق والصيغة الصرفية والنحوية

يُنطق المصطلح باللغة العربية الفصحى: النُّظُمُ القَائِمَةُ عَلَى المَعْرِفَةِ (أو الأَنْظِمَةُ المُعْتَمِدَةُ عَلَى المَعْرِفَةِ). من الناحية الصرفية، تُعد كلمة (نُظُم) جمع تكسير لكلمة (نِظَام)، وهي اسم جامد دال على الترتيب والنسق. وكلمة (القائمة) اسم فاعل من الفعل الثلاثي (قامَ)، وجاءت هنا نعتاً للنظم، في حين شُبهت شبه الجملة (على المعرفة) كمتعلق باسم الفاعل لتبيان الارتكاز الأساسي للبناء الهيكلي.

تُعرب العبارة اصطلاحياً بحسب موقعها في الجملة كمركب نعتي وإضافي؛ فإذا وردت مبتدأ رُفعت بالضمة الظاهرة: «تُعَدُّ النُّظُمُ القَائِمَةُ عَلَى المَعْرِفَةِ ركيزةً أساسيةً»، ويجوز استخدام صيغة المفرد الاصطلاحي: «النظام القائم على المعرفة». ويشيع في الأدبيات العربية الأكاديمية استخدام اختصار الحروف اللاتينية (KBS) جنباً إلى جنب مع التعريب الدقيق تفادياً للخلط بينها وبين نظم قواعد البيانات التقليدية أو خوارزميات التعلم الآلي الإحصائية الصرفة.

4. الشرح المفاهيمي المفصل

يرتكز المفهوم الجوهري للنظام القائم على المعرفة على مبدأ ثوري في العلوم الاستعرافية يُعرف بـ “فرضية المعرفة”، والتي تنص على أن القدرة الذكية على حل المشكلات لا تنبع من خوارزميات الاستدلال المعقدة بقدر ما تنبع من حجم المعرفة النوعية المتخصصة وطريقة تنظيمها. يتميز هذا الطرح بفصل البنية التحتية للمعلومات إلى كيانين مستقلين: الأول هو قاعدة المعرفة التي تحتضن تمثيلاً صريحاً للخبرات البشرية، والثاني هو محرك الاستدلال المستقل وظيفياً والمكلف بتطبيق قواعد التفكير المنطقي لاستخلاص حلول جديدة.

يتجاوز النظام القائم على المعرفة مجرد كونه بنكاً لتخزين البيانات؛ إذ يتعامل مع المعرفة في مستوياتها التجريدية العليا، محاكياً مفاهيم التفكير الاستنباطي والاستقرائي والافتراضي التي يمارسها الإنسان. فعندما يواجه النظام مسألة تشخيصية، لا يقوم بمطابقة سطحية للأرقام، بل ينشط شبكة من المفاهيم المترابطة، مقيماً صحة الفرضيات عبر تقييم مرجح للأدلة المتاحة، وموازناً بين درجات الشك والاحتمال تماماً كما يفعل الطبيب النفسي أو المعالج العيادي عند تقييم الأعراض الإكلينيكية لمرضاه.

يمتلك النظام كذلك قدرة فريدة على الشرح وتفسير مسار تفكيره الخاص (Explanation Facility). تعكس هذه الميزة الوظائف المعرفية العليا التي يُطلق عليها في علم النفس ما وراء المعرفة (Metacognition)، حيث يستطيع النظام الإجابة عن تساؤلات المستفيد مثل: «لماذا طلبت هذه المعلومة؟» أو «كيف توصلت إلى هذا الاستنتاج التشخيصي؟»، مما يمنح المستفيدين من المعالجين والمختصين نافذة شفافة لمراجعة منطق الآلة وضمان انسجامه مع المعايير المهنية والأخلاقية.

تتضمن حدود المفهوم التفرقة الصارمة بينه وبين النظم الخوارزمية الكلاسيكية؛ فالبرمجيات التقليدية تتطلب مسبقاً مساراً حتمياً محدداً لكل سيناريو ممكن، وتفشل عند مواجهة معلومات ناقصة أو متناقضة. بالمقابل، صُممت النظم القائمة على المعرفة لتتعامل مع الغموض، والبيانات الجزئية، والمعلومات المتناقضة باستخدام المنطق الضبابي أو الاستدلال القائم على الثقة، مما يجعلها أقرب بطبيعتها إلى السلوك الإدراكي البشري المرن الذي يواجه الواقع الميداني المشحون بالتقلبات والضبابية المعرفية.

5. التطور التاريخي والمحطات الأساسية

تعود الجذور الأولى للنظم القائمة على المعرفة إلى أواخر خمسينيات القرن العشرين، عندما حاول رواد الذكاء الاصطناعي الأوائل، مثل ألين نيويل وهربرت سايمون، بناء ما سُمي بـ «حلّال المشكلات العام» (General Problem Solver). افترض ذلك الاتجاه الأولي أن تطبيق قواعد منطقية مجردة على أي مسألة كفيل بالوصول إلى الحل الذكي، إلا أن هذه المحاولات اصطدمت سريعاً بما يُعرف بالانفجار التوافقي ومحدودية القدرة الحسابية في التعامل مع تعقيدات العالم الواقعي.

شهدت ستينيات وسبعينيات القرن الماضي تحولاً جذرياً بقيادة عالم الحاسوب إدوارد فيغنباوم في جامعة ستانفورد، الذي أطلق مشروع دندرال (DENDRAL) للتحليل الكيميائي، تلاه مشروع ميسين (MYCIN) لتشخيص الأمراض المعدية بالتعاون مع باحثين في العلوم الطبية الحيوية والنفسية. أثبتت هذه التجارب أن قوة الذكاء تكمن في تخصيص المعرفة وليس في تعميم الخوارزميات، مما دشن العصر الذهبي لما عُرف آنذاك بـ النظم الخبيرة، والتي تمثل التطبيق الأكثر شهرة للنظم القائمة على المعرفة.

خلال ثمانينيات القرن العشرين، اجتاحت هذه النظم قطاعات الصناعة والصحة والتعليم، وظهرت تخصصات فريدة مثل «هندسة المعرفة»، حيث ركز علماء النفس الإدراكي على تطوير أساليب لمقابلة الخبراء البشر واستخلاص معارفهم الضمنية وتحويلها إلى قوالب قابلة للبرمجة. ومع حلول التسعينيات، برزت المعماريات المعرفية المتكاملة مثل سوار (Soar) ونظام آكت-آر (ACT-R) بقيادة جون أندرسون، حيث تحولت النظم القائمة على المعرفة من مجرد أدوات تجارية لحل المسائل إلى مختبرات حاسوبية تحاكي بنية العقل البشري، والذاكرة العاملة، وسيرورات الانتباه والتعلم.

6. الأسس النظرية والنماذج الفكرية

تستند النظم القائمة على المعرفة إلى فرضية المنظومات الرمزية الفيزيائية (Physical Symbol System Hypothesis) التي صاغها نيويل وسايمون، والتي تجزم بأن المنظومة الرمزية تملك الوسائل الضرورية والكافية لإنتاج السلوك الذكي العام. وفقاً لهذه المدرسة المعرفية، تتم معالجة المعلومات داخل العقل البشري والأنظمة الحاسوبية عبر التلاعب بالرموز المعنوية وتمثيلها وفق علاقات ترابطية ومنطقية تعكس حقائق العالم الخارجي.

تعتمد النظم كذلك على أبحاث الذاكرة في علم النفس المعرفي، لا سيما تفريق إندل تولفينغ بين الذاكرة الدلالية والذاكرة الإجرائية؛ إذ تُبنى قواعد المعرفة لتطابق هذا التقسيم المعرفي. تُمثل الحقائق والمفاهيم الثابتة كمعرفة تصريحية شبكية، في حين تُمثل المهارات والاستراتيجيات المعالجة في صورة قواعد إنتاجية شرطية (إذا حدث كذا.. فإن النتيجة كذا)، وهو النموذج الذي تبلور بوضوح في نظريات معمارية العقل والإنتاج الذهني.

علاوة على ذلك، تستفيد النظم من نظرية العقلانية المحدودة (Bounded Rationality) لهربرت سايمون؛ إذ تقر بأن صانع القرار لا يمتلك طاقة استيعابية مطلقة لتحليل كل البدائل. لذلك، توظف النظم أساليب الكشف الإرشادي (Heuristics) وهي القواعد العملية المستندة إلى الخبرة التي يتبعها المتخصصون لاختصار مسارات البحث والوصول إلى حلول مقبولة وفعالة معرفياً دون إهدار الموارد الذهنية أو الحسابية في استقصاءات لا طائل منها.

7. المكونات الرئيسية والأبعاد والأنواع

تتألف البنية الهيكلية المعيارية للنظام القائم على المعرفة من عدة عناصر تفاعلية متناغمة تعكس وظائف الإدراك البشري:

• قاعدة المعرفة (Knowledge Base): المستودع المركزي الذي يضم الحقائق الثابتة، والمفاهيم، والعلاقات، والاستراتيجيات التوجيهية في نطاق معرفي محدد، وتُصاغ باستخدام تمثيلات رمزية مثل شبكات المعاني، أو الأطر، أو قواعد الإنتاج الشرطية.
• محرك الاستدلال (Inference Engine): العقل المفكر للنظام والمسؤول عن محاكاة التفكير المنطقي؛ يقوم بتوجيه وتطبيق القواعد الاستدلالية على الحقائق الراهنة مستخدماً أسلوب التسلسل الأمامي (Forward Chaining) للانطلاق من المعطيات نحو النتائج، أو التسلسل الخلفي (Backward Chaining) لاختبار الفرضيات رجوعاً إلى الأدلة.
• الذاكرة العاملة (Working Memory): وحدة تخزين ديناميكية تعادل الذاكرة قصيرة المدى لدى الإنسان، تتابع الحالة الراهنة للمشكلة وتحتفظ بالبيانات المستجدة والنتائج المؤقتة التي يتوصل إليها النظام أثناء جلسة الاستدلال النشطة.
• أداة الشرح والتبرير (Explanation Subsystem): واجهة إدراكية مسؤولة عن تفكيك المسار الاستدلالي وعرضه للمستخدم بوضوح، موضحة الحجج المنطقية التي دفعت النظام لترجيح نتيجة محددة أو استبعاد فرضية معينة.
• وحدة اكتساب المعرفة (Knowledge Acquisition Interface): وسيط برمجي يسمح لمهندسي المعرفة وخبراء المجال بإضافة المعارف الجديدة، وتعديل المبادئ التوجيهية، وتحديث المنظومة الفكرية باستمرار لمواكبة التطورات.

8. أمثلة وحالات تطبيقية توضيحية

تتعدد الاستخدامات الميدانية للنظم القائمة على المعرفة، وتتألق بشكل خاص في المجالات النفسية والطبية التي تعتمد على الاستقصاء العيادي التحليلي. من أبرز الأمثلة التاريخية في الطب النفسي نظام هيدار (HEADMED)، وهو نظام استشاري صُمم لمساعدة الأطباء في اتخاذ قرارات وصف العلاجات النفسية الدوائية بناءً على التاريخ الإكلينيكي المفصل للمريض، ومؤشرات الأعراض، والتفاعلات الدوائية المحتملة، مع مراعاة الحالة المزاجية والمعرفية المحددة.

وفي حالة تطبيقية معاصرة، تستخدم العيادات النفسية ومراكز الإرشاد أنظمة الدعم المعرفي لتشخيص اضطرابات المزاج المعقدة؛ لنفترض حالة سريرية تتقدم فيها مريضة تعاني من مزيج من أعراض الأرق وفقدان الوزن مع نوبات من تشتت الانتباه والوساوس القهرية. يستجوب النظام المعالج أو المريض عبر شجرة أسئلة استكشافية متكيفة، مدخلاً البيانات إلى الذاكرة العاملة، ثم يُفعّل محرك الاستدلال القواعد المستندة إلى معايير الدليل التشخيصي والإحصائي للاضطرابات النفسية (DSM-5).

يقوم النظام في هذه الحالة بربط المؤشرات السلوكية والزمنية، ويفصل بين احتمالات الاكتئاب الجسيم المصحوب بأعراض قلق وبين اضطراب كرب ما بعد الصدمة، مقدماً نسبة احتمالية لكل تشخيص مع توضيح كامل لخطوات الاستنتاج، مثل الإشارة إلى أن مدة استمرار الأعراض تجاوزت الستة أشهر مصحوبة بتدهور وظيفي واجتماعي ملحوظ، مما يقلل احتمالية التقدير الانفعالي السريع غير الدقيق من جانب الممارس المبتدئ.

9. القياس والتقييم والاختبار

تخضع النظم القائمة على المعرفة لبروتوكولات تقييم صارمة لضمان موثوقيتها وصلاحيتها الإكلينيكية والمعرفية. يُعد “التحقق من الصلاحية” (Validation) الإجراء الأكثر أهمية، حيث يُقاس مدى مطابقة أداء النظام لأحكام الخبراء البشريين المشهود لهم بالكفاءة العالية في مواقف حقيقية وتجريبية مقارنة، عبر اختبارات التعمية المزدوجة لتقييم دقة التشخيصات والتوصيات الناتجة.

أما جانب “التحقق الهيكلي” (Verification)، فيركز على الخصائص البنيوية الداخلية لقاعدة المعرفة لضمان خلوها من الأخطاء المنطقية. ويشمل ذلك اختبارات الكشف عن التعارض الدلالي (حيث تقود قاعدتان إلى نتيجتين متناقضتين تماماً من نفس المقدمات)، وفحص التكرار غير المفيد، والتحقق من عدم وجود قواعد ميتة لا يمكن الوصول إليها حسابياً، وضمان كمال التغطية الاحتمالية في مختلف فضاءات المسألة.

يتم استخدام مقاييس كلاسيكية مستعارة من الإحصاء وعلم النفس القياسي، مثل معامل اتفاق كوهين كابا (Cohen’s Kappa) لحساب التوافق بين قرارات النظام وتشخيصات لجان الاستشاريين، بالإضافة إلى تقييم معدلات الحساسية والنوعية (Sensitivity and Specificity). كما يُجرى تقييم بيئي شامل لتجربة المستخدم المعرفية لمعرفة مدى سهولة استيعاب الأخصائيين النفسيين للمسارات التفسيرية التي يعرضها النظام وتقليل الجهد الذهني المبذول أثناء الفحص الإكلينيكي الميداني.

10. التطبيقات والأهمية العملية

تمتد التطبيقات العملية للنظم القائمة على المعرفة عبر طيف عريض من الميادين الحيوية، وتأتي في صدارتها تطبيقات الصحة النفسية والطب السلوكي. تُستخدم هذه النظم كأنظمة دعم القرار السريري (Clinical Decision Support Systems)، حيث تقدم للأطباء والمعالجين إرشادات قائمة على الأدلة، وتحذرهم من التفاعلات السلبية للأدوية النفسية أو أخطاء التقدير الناجمة عن انحيازات التثبيت الإدراكي الشائعة لدى الممارسين.

وفي البيئات التربوية والتعليمية، تشكل هذه النظم جوهر أنظمة التدريس الذكية (Intelligent Tutoring Systems)؛ إذ تُبنى هذه الأنظمة لتمتلك نموذجاً للمجال التعليمي ونموذجاً نفسياً لذهن الطالب الدارس. يستطيع النظام تشخيص المفاهيم الخاطئة الكامنة في البنية المعرفية للمتعلم بدقة وتعديل أساليب الشرح وسرعة تقديم المادة بما يتلاءم مع الفروق الفردية ومستويات النمو المعرفي ومؤشرات الإحباط أو الاستيعاب.

كما تلعب النظم دوراً جوهرياً في التحقيقات الجنائية وتحليل السلوك الإجرامي، حيث تُستخدم لبناء ملفات نفسية للمشتبه بهم من خلال تحليل أنماط الجرائم والمعلومات الاستدلالية الميدانية. وفي المنظمات والمؤسسات الصناعية، تساهم هذه النظم في إدارة رأس المال الفكري والمحافظة على الخبرات المؤسسية النادرة من الضياع عند تقاعد الكوادر المتمرسة، عبر توثيق أساليب التفكير والخبرة الإجرائية وتحويلها إلى برمجيات دائمة التطوير تفيد الأجيال القادمة.

11. الأبحاث والأدلة التجريبية

أكدت الأدبيات التجريبية المتراكمة على مدار عقود جدوى هذه النظم ومزاياها المعرفية؛ ففي دراسة مرجعية كلاسيكية أجراها باحثو جامعة ستانفورد لتقييم نظام (MYCIN)، أظهرت النتائج أن التوصيات العلاجية والتشخيصية التي أصدرها النظام حققت نسبة ملاءمة وموافقة بلغت نحو 65%، وهي نسبة فاقت أداء العديد من الأطباء غير المتخصصين وعادلت أداء كبار المتخصصين في الأمراض البكتيرية في تلك الفترة الزمنية المبكرة.

أما في أبحاث علم النفس المعرفي، فقد استند جون أندرسون وفريقه إلى نظرية التحكم المعرفي بالذاكرة (ACT-R) لإثبات أن النظم المصممة وفق قواعد الإنتاج لا تحل المسائل بذكاء فحسب، بل تطابق بدقة أنماط النشاط الدماغي البشري وزمن الاستجابة وزلات الذاكرة المسجلة لدى الأفراد أثناء حل المشكلات الرياضية والمنطقية، مما جعل النظم القائمة على المعرفة أداة تجريبية بالغة الأهمية لاختبار الفرضيات السيكولوجية حول كيفية معالجة العقل للبيانات تحت الضغط.

أبرزت الدراسات الميدانية الحديثة التي قارنت بين النظم القائمة على القواعد التفسيرية الصريحة ونماذج التعلم العميق غير الشفافة في مجالات التقييم النفسي السريري تفضيل الممارسين للنظم الأولى؛ حيث بينت أبحاث متعددة في أخلاقيات الذكاء الاصطناعي أن الأخصائيين النفسيين يثقون بالقرارات التي تقدم مساراً تفسيرياً منطقياً قابلاً للفحص السريري، في حين يترددون في تبني نتائج خوارزميات “الصندوق الأسود” حتى لو حققت نسب دقة إحصائية مرتفعة ظاهرياً.

12. الاعتبارات الثقافية والسياقية

تتأثر هندسة المعرفة بعمق بالسياقات الثقافية والاجتماعية التي تُصاغ ضمنها؛ فالقواعد الاستدلالية والمفاهيم لا تنشأ في فراغ مجرد، بل تعكس الفرضيات والقيم المعرفية للمجتمع الذي أفرزها. في التقييم النفسي والتشخيص الإكلينيكي على سبيل المثال، تختلف التعبيرات الثقافية عن المعاناة النفسية؛ فالأعراض التي قد يعتبرها نظام مبني وفق رؤية غربية دليلاً على الانعزال أو الاكتئاب، قد تكون في سياقات مجتمعية أخرى سلوكيات مقبولة روحياً أو استجابات طبيعية لضغوط بنيوية جماعية.

علاوة على ذلك، فإن عملية استخلاص المعرفة من الخبراء تواجه تحديات تواصلية وثقافية معقدة؛ ففي بعض الثقافات التي تميل إلى النمط التواصلي عالي السياق (High-Context Cultures)، تكون المعرفة والخبرة مضمنة في الإشارات غير اللفظية والتقدير الحدسي العام وتاريخ العلاقات، مما يجعل صياغتها في صورة قواعد صريحة قاطعة (إذا/فإن) أمراً عسيراً ومشوهاً لطبيعة التفكير الخبير في تلك البيئات.

لذا تشدد الاتجاهات الحديثة في التصميم الحسابي على ضرورة تكييف النظم لتكون متعددة السياقات (Culturally-Informed KBS)، حيث تدمج قواعد تراعي الخصوصيات الثقافية والدلالية للمفاهيم السلوكية والمجتمعية، وتمنع إسقاط تصنيفات معرفية أحادية البعد على مجتمعات ذات أطر تفسيرية مغايرة، مما يضمن احترام التنوع الثقافي في الرعاية الصحية والنفسية وتطبيقات الدعم السلوكي.

13. الانتقادات والمناظرات وحدود المفهوم

واجهت النظم القائمة على المعرفة تحديات نظرية وفلسفية وتقنية جوهرية على مدار تاريخها، ويأتي في مقدمتها ما يُعرف بـ “عنق زجاجة اكتساب المعرفة” (Knowledge Acquisition Bottleneck). يتمثل هذا الإشكال في الصعوبة الشديدة التي يواجهها مهندسو المعرفة عند محاولة استنطاق الخبير البشري لتحويل خبراته الضمنية والتلقائية السلسة إلى قواعد لفظية وصورية محددة، وهي الظاهرة التي شرحها الفيلسوف مايكل بولاني بمقولته: «نحن نعرف أكثر مما نستطيع قوله».

وجه الفيلسوف هيوبرت دريفوس نقداً لاذعاً للنظم القائمة على المعرفة من منظور فينومينولوجي، مؤكداً أن الخبرة الإنسانية الحقيقية ليست مجرد تراكم لقواعد منطقية واختزالية مجردة، بل هي مهارة جسدية وظرفية تنشأ من التفاعل العضوي مع العالم والحدس الشامل، وهو ما يجعل النظم الرمزية هشة وسطحية عند مجابهة حالات الاستثناء أو المواقف غير المألوفة تماماً التي تتطلب إحساساً فطرياً بالحس السليم (Common Sense Knowledge).

كما تعاني هذه النظم من مشكلة الهشاشة البنيوية (Brittleness)؛ فخلافاً للدماغ البشري الذي يظهر تدهوراً رشيقاً (Graceful Degradation) عند الإجهاد أو تلف بعض المدخلات، فإن النظام القائم على المعرفة ينهار بصورة كلية ومفاجئة إذا واجه مسألة تقع على حافة مجاله المعرفي ولا تغطيها قواعده المصممة مسبقاً، فضلاً عن الصعوبات الهائلة التي تتطلبها صيانة ومراجعة آلاف القواعد المتشابكة مع تراكم المعرفة وتغير النظريات العلمية عبر الزمن.

14. المصطلحات ذات الصلة والفروق الجوهرية

تتداخل النظم القائمة على المعرفة مع العديد من مصطلحات الحوسبة المعرفية والذكاء الاصطناعي، ويمكن توضيح الفروق الدقيقة بينها على النحو الآتي:

• النظم الخبيرة (Expert Systems): تُعد الأنظمة الخبيرة نوعاً فرعياً ومحدداً من النظم القائمة على المعرفة، حيث تُصمم خصيصاً لمحاكاة مستوى الأداء الاستثنائي لخبير بشري متمرس في مجال شديد الضيق والتخصص، بينما تمتد النظم القائمة على المعرفة لتشمل أي نظام حاسوبي يستخدم تمثيلات معرفية مصرحاً بها حتى لو كانت تستهدف محاكاة الفهم اللغوي العام أو المنطق الحسي اليومي.
• تعلم الآلة (Machine Learning): تعتمد نظم تعلم الآلة الحديثة على معالجة البيانات الإحصائية الكبيرة واستخراج الأنماط ضمنياً دون الحاجة إلى تمثيل صريح للمفاهيم، بينما تعتمد النظم القائمة على المعرفة على صياغة المنطق البشري وقواعد التفكير بشكل صريح ودلالي منذ البداية.
• نظم قواعد البيانات (Database Systems): تهتم قواعد البيانات التقليدية بتخزين الحقائق الخام واسترجاعها بدقة مطابقة حرفية دون إجراء استدلال منطقي، في حين يقوم النظام القائم على المعرفة باشتقاق وتوليد معارف واستنتاجات جديدة لم تُسجل صراحة في الذاكرة باستخدام محرك التفكير المنطقي.
• المعماريات المعرفية (Cognitive Architectures): تهدف المعماريات المعرفية (مثل ACT-R) إلى بناء نموذج حاسوبي شامل وموحد لجميع آليات العقل البشري (الانتباه، الإدراك الحسي، الذاكرة، الحركة)، بينما تركز النظم القائمة على المعرفة في العادة على المكون الاستدلالي والمعرفي لحل مسألة محددة دون ضرورة محاكاة القيود البيولوجية أو الفيزيولوجية للدماغ.

15. الخلاصة والنقاط المستفادة

تجسد النظم القائمة على المعرفة ثمرة تاريخية ملهمة لاندماج علم النفس المعرفي مع الذكاء الاصطناعي الرمزي؛ حيث أثبتت أن ذكاء المنظومات ينبع في مقامه الأول من ثراء المعرفة ونوعية تنظيمها المفاهيمي وليس من سرعة المعالجة الحسابية المجردة. وعلى الرغم من الصعوبات التي واجهتها في تمثيل الحس السليم والخبرات الإنسانية العفوية الضمنية، فإن بنائها الشفاف القائم على التفسير والمنطق البرهاني يمنحها قيمة عيادية وعملية استثنائية.

اليوم، وفي ظل صعود خوارزميات التعلم العميق ونماذج اللغة الكبيرة وما يصاحبها من معضلات انعدام التفسير وظاهرة «الصندوق الأسود»، تبرز الحاجة الملحة إلى ما يُعرف بـ “الذكاء الاصطناعي الهجين” (Neuro-Symbolic AI). يسعى هذا الاتجاه العصري إلى دمج قدرات التعلم الإحصائي الحديث مع الهياكل الصارمة والشفافة للنظم القائمة على المعرفة، محققاً بذلك منظومات ذكية قادرة على التعلم السريع من البيانات وفي الوقت ذاته قادرة على التفكير العقلاني المنضبط وتقديم التفسيرات المنطقية المتسقة مع أخلاقيات العلوم الإنسانية.

المراجع

• Anderson, J. R. (1993). Rules of the mind. Lawrence Erlbaum Associates. https://www.sciencedirect.com/book/9780805811995/rules-of-the-mind
• Buchanan, B. G., & Shortliffe, E. H. (1984). Rule-based expert systems: The MYCIN experiments of the Stanford Heuristic Programming Project. Addison-Wesley. https://www.sciencedirect.com/book/9780201101720/rule-based-expert-systems
• Feigenbaum, E. A. (1982). Knowledge engineering for the 1980’s. Computer Science Department, Stanford University. https://apps.dtic.mil/sti/citations/ADA124296
• Newell, A., & Simon, H. A. (1976). Computer science as empirical inquiry: Symbols and search. Communications of the ACM, 19(3), 113–126. https://dl.acm.org/doi/10.1145/360018.360022
• Russell, S., & Norvig, P. (2020). Artificial intelligence: A modern approach (4th ed.). Pearson. https://aima.cs.berkeley.edu/