«التعلم المعزز السياقي» يختصر تدريب نماذج النقل الذكي: خوارزمية بمعهد ماساتشوستس ترفع كفاءة الحوسبة ثلاثين ضعفًا

تواجه تطبيقات التعلم المعزز في تخطيط المدن وشبكات النقل معضلة مزمنة تتمثل في كثرة المتغيرات وصعوبة بناء نماذج محاكاة مرنة. فبينما يتطلب تصميم منظومة نقل فحص مئات أو آلاف السيناريوهات البديلة، كان الباحثون يقضون سنوات لتطوير خوارزمية تحسين مخصصة لمتغير واحد، مما جعل اتخاذ القرارات القائمة على الأدلة الحسابية أمرًا متعذرًا بالأدوات السابقة. في معهد ماساتشوستس للتقنية، تقود الأستاذة المشاركة كاثي وو أبحاثًا تعيد صياغة توظيف خوارزميات التعلم المعزز لتجاوز هذه العقبة، مقدمة إطارًا يسرع بناء نماذج الأنظمة المعقدة بمعدلات تصل إلى ثلاثين ضعفًا.

بدأت وو مسارها الأكاديمي بدراسة تأثير تدفق المركبات ذاتية القيادة في شبكات الطرق بجامعة كاليفورنيا في بركلي عام 2018، حيث حققت برهانًا عمليًا على قدرة التعلم المعزز في التعامل مع حركة المرور. غير أن انتقال هذه النماذج من بيئة الاختبار إلى التطبيق الميداني اصطدم بحساسية الخوارزميات المفرطة. واجه فريقها في معمل نظم المعلومات والقرار بمعهد ماساتشوستس تعثرًا استمر عامين، حيث أظهرت الاختبارات أن الخوارزمية التي تنجح في حل مسألة معينة تفشل تمامًا أمام مسألة أخرى قريبة منها. وفي عام 2022 حدد الفريق طبيعة هذا القصور الحسابي، ليقود ذلك في عام 2023 إلى اختراق جوهري أثبت أن خوارزميات التعلم المعزز، وإن أخفقت في التدرب المباشر على تسعين بالمئة من مسائل المجموعة الواحدة، فإنها تتدرب بكفاءة عالية على العشرة بالمئة المتبقية.

النجاح في تعميم النماذج على فضاءات المسائل المترابطة فتح الباب أمام خوارزمية ذكية تنتقي المسائل القابلة للحل تلقائيًا، لتختصر متطلبات الحوسبة من مئة نموذج تدريبي إلى ثلاثة نماذج فقط. هذا التحول إلى ما يُعرف بالتعلم المعزز السياقي نقل تقنيات التحسين من مرحلة التجارب المعزولة إلى التطبيقات المؤثرة في السياسات العامة. فقد طبقت وو وفريقها هذه المنهجية على منظومات القيادة البيئية الذكية، حيث أظهرت النتائج أن التحكم البرمجي في سرعات المركبات للحد من التوقف والانطلاق المتكرر يحقق خفضًا في الانبعاثات بين 11 بالمئة و22 بالمئة، موفرًا دليلاً حسابيًا لصانعي القرار على جدوى السياسات المرورية المعتمدة على البيانات.

تمتد تطبيقات هذه المعمارية الحسابية لتشمل قطاعات أوسع من شبكات الطرق، مثل إدارة سلاسل الإمداد، والتصنيع، وتوزيع الموارد اللوجستية، وفق منهجية البحوث الأساسية المستلهمة من الاستخدام العملي. هذا التطور يغير عمليًا المعادلة الحسابية للجهات المسؤولة عن النقل والخدمات اللوجستية في الخليج ومصر والمشرق العربي. فعندما تنخفض كلفة تدريب خوارزميات التحسين وتتحرر النماذج من الحاجة إلى إعادة البناء لكل تقاطع أو شبكة فرعية، يصبح بمقدور هيئات الطرق في الرياض ودبي والقاهرة اختبار سيناريوهات دمج أساطيل المركبات ذاتية القيادة وتنظيم مسارات النقل اللوجستي دون تحمل تكاليف حوسبة باهظة لكل مسار حضري مستقل.

يتيح هذا المسار لمهندسي النقل والخدمات اللوجستية في المنطقة الانتقال من مرحلة إدارة الإشارات المرورية الثابتة إلى حوكمة تدفقات الحركة بقرارات مبنية على الحسابات الدقيقة. فبدل الاعتماد على التقديرات العامة في تحديد سرعات المسارات أو أثر التسعير المروري، توفر الخوارزميات الجديدة حلولاً موضوعية ترتكز على محاكاة سريعة تستجيب لاحتياجات التوسع الحضري وسلاسل التوريد. إن الفجوة الحقيقية لم تكن في جمع البيانات المرورية، بل في قدرة الخوارزميات على معالجتها وتعميم حلولها دون كلفة حسابية تعطل اتخاذ القرار.