تحول الذكاء الاصطناعي من اللغة إلى الفيزياء
يشهد قطاع الذكاء الاصطناعي انتقالاً واضحاً من الأدوات العامة التي تتعامل مع النصوص إلى أنظمة أكثر تخصصاً قادرة على فهم العالم المادي. وفي هذا السياق تبرز Leo AI كمحاولة لإعادة تعريف دور الذكاء الاصطناعي داخل الهندسة الميكانيكية، وهو مجال ظل حتى الآن بعيداً عن موجة المساعدات الذكية التي انتشرت في البرمجيات والمحتوى المكتبي.
الفكرة الأساسية وراء المنصة تقوم على أن التصميم الهندسي لا يعتمد على اللغة وحدها، بل على فهم القيود الفيزيائية، والتسامحات، والمواد، وقابلية التصنيع، وسلوك الأجزاء في الواقع. لذلك تسعى الشركة إلى بناء نموذج ذكاء اصطناعي ميكانيكي لا يكتفي بتوليد اقتراحات عامة، بل يشارك في العملية الهندسية نفسها بصورة قابلة للتتبع والمراجعة.
تأسست Leo AI في عام 2023، وتقول إنها تساعد الفرق الهندسية على تحويل الأفكار إلى نماذج ثلاثية الأبعاد جاهزة للإنتاج خلال ثوانٍ، مع تقليص الوقت الهندسي بنحو 70% وتسريع الوصول إلى السوق بنحو 18%.
لماذا احتاجت الهندسة الميكانيكية إلى أداة متخصصة
يرى مؤسس الشركة، مهندس الأبحاث السابق ماور فاريد، أن المشكلة لم تكن في نقص البيانات فقط، بل في طبيعة العمل الهندسي نفسه. فالفرق الميكانيكية تقضي وقتاً طويلاً في البحث داخل ملفات قديمة، ومراجعة كتالوجات الموردين، والعودة إلى قرارات هندسية اتُّخذت منذ سنوات، وإعادة استخدام تصاميم موجودة بدلاً من تطوير حلول جديدة بسرعة.
هذا النمط من العمل جعل كثيراً من المهندسين يشعرون بأن الأدوات الرقمية المتاحة لهم لم ترتقِ إلى مستوى التحديات اليومية. ففي الوقت الذي حصل فيه مطورو البرمجيات على مساعدين ذكيين مثل GitHub Copilot، بقي كثير من المهندسين الميكانيكيين يتعاملون مع مستودعات ملفات غير منظمة وإجراءات متفرقة لا تساعد على الابتكار أو السرعة.
من هنا نشأت الحاجة إلى نظام يفهم الهندسة كمنظومة من العلاقات بين الشكل والوظيفة والتكلفة والتصنيع، وليس كسلسلة نصوص يمكن تلخيصها أو إعادة صياغتها فقط.
قيود النماذج العامة في البيئات الصناعية
تواجه النماذج العامة مثل ChatGPT وGemini صعوبة واضحة عندما يتعلق الأمر بالهندسة الميكانيكية. هذه الأنظمة تُدرَّب أساساً على كم هائل من النصوص المتاحة على الإنترنت، وهو ما يجعلها قوية في الكتابة والتلخيص والإجابة العامة، لكنها ضعيفة أمام مسائل تحتاج إلى منطق فيزيائي صارم.
في المجالات الصناعية لا يكفي أن تكون الإجابة مقنعة لغوياً. يجب أن تكون صحيحة من حيث الإجهادات، والتعب الميكانيكي، والتوسع الحراري، والمواد، والاعتمادية، وتصميم التحملات، والتجميع. كما أن كثيراً من هذه النماذج لا يستطيع التعامل مع ملفات CAD بشكل مباشر، ما يحد من قدرتها على دخول بيئة العمل الحقيقية.
وتكمن المشكلة الأكبر في أن بعض الأنظمة العامة تبدو واثقة جداً حتى عندما تكون نتائجها غير موثوقة. ولهذا يرفض المهندسون عادةً ما يبدو كإجابات جميلة من الخارج لكنها لا تصمد أمام الفحص التقني.
مفهوم "الذكاء الميكانيكي" الذي تتبناه Leo AI
تصف Leo AI توجهها بأنه "ذكاء ميكانيكي"، أي ذكاء اصطناعي يفهم العالم الفيزيائي إلى جانب اللغة. ويعني ذلك، عملياً، القدرة على قراءة ملفات التصميم الثلاثي الأبعاد، وفهم التجميعات، والتعامل مع المعادلات، وربط النتائج بالمعايير الهندسية والأنظمة المستخدمة في المؤسسات.
هذا النوع من الذكاء لا يعمل ككاتب مساعد، بل كعنصر قادر على الاندماج في سير العمل الهندسي. فهو يجيب استناداً إلى مراجع قابلة للتدقيق، ويستخدم مصادر هندسية موثقة، ويرتبط بأنظمة إدارة دورة حياة المنتج وأنظمة تخطيط الموارد، بحيث لا تبقى المعرفة محصورة في صندوق أسود.
وتؤكد الشركة أنها اعتمدت على أكثر من مليون مصدر هندسي موثوق عند تدريب منصتها، بهدف جعل كل توصية مرتبطة بحسابات أو معايير أو مرجع يمكن للمهندس مراجعته بنفسه.
الثقة والسلامة أهم من السرعة
تتحرك الصناعات الثقيلة بحذر شديد تجاه الذكاء الاصطناعي، لأن الأخطاء فيها لا تُقاس بعدد النقرات الخاطئة أو الرسائل الملتبسة، بل قد تصل إلى تعطّل منشأة أو فشل نظام حساس أو حتى مخاطر تتعلق بسلامة المستخدمين. ولهذا يعتقد مؤسسو أدوات الهندسة المتخصصة أن التحدي الأكبر ليس تقنياً فقط، بل ثقافي أيضاً.
المهندسون اعتادوا التفكير عبر سيناريوهات الفشل، وتحليل العواقب، وتقدير الهوامش الآمنة. لذلك لا يكفي أن يقول النظام إنه قادر على المساعدة؛ يجب أن يثبت أنه يفهم القيود ويعرض مصدر كل اقتراح ويتيح التحقق من افتراضاته.
وفي هذا الإطار، تعتمد Leo AI نهجاً يرفض فكرة أن الذكاء الاصطناعي يمكن أن يحل محل المسؤولية البشرية. فالمهندس يظل صاحب القرار النهائي، بينما تتولى الأداة تقليص الوقت الضائع في البحث والفرز والتجربة الأولية.
من التصميم إلى التصنيع: أين تحقق القيمة الفعلية
تُظهر الحالات التطبيقية أن القيمة لا تأتي فقط من توليد التصاميم، بل من إزالة الخطوات المتكررة التي تستهلك الوقت والجهد. ومن الأمثلة التي أُشير إليها استخدام المنصة داخل بيئات تعمل على حلول التبريد لمراكز بيانات الذكاء الاصطناعي، حيث ساعدت في اقتراح تصميم أنابيب قابل للتعديل بدلاً من إعادة هندسة النظام في كل مرة.
هذا النوع من الأتمتة يقلل الحاجة إلى التصنيع المخصص في كل مشروع، ويعتمد أكثر على مكوّنات قياسية جاهزة. والنتيجة ليست تسريعاً هندسياً فقط، بل خفض في التكلفة وتبسيط في سلسلة التوريد وتقليل في عدد القرارات المتكررة التي كان يجب اتخاذها يدوياً.
وتكتسب هذه النقطة أهمية خاصة في وقت أصبح فيه الذكاء الاصطناعي نفسه يضغط على البنية التحتية الرقمية من خلال استهلاك الطاقة وارتفاع الحرارة، ما يجعل الهندسة الميكانيكية جزءاً من الحل وليس مجرد مجال مستفيد من التقنية.
الشركات الصناعية بدأت تتعامل مع الذكاء الاصطناعي كأداة هندسية لا كواجهة
مع تزايد اعتماد المصانع وشركات الأجهزة على البيانات المتراكمة داخل أنظمة PLM وERP وملفات CAD وPDFs، باتت الحاجة واضحة إلى أدوات تستطيع فهم هذا الإرث المؤسسي بدل الاكتفاء بعرضه في واجهة حديثة. وهنا تبرز أهمية الأنظمة المتخصصة التي تربط البيانات العملية بالاستدلال الهندسي.
ويرى هذا التوجه أن كثيراً من منتجات الذكاء الاصطناعي المؤسسي تركز على الشكل أكثر من العمق، فتقدم لوحات جميلة فوق نماذج سطحية لا تستطيع التفاعل الحقيقي مع أسئلة التصميم والإنتاج. أما أدوات الجيل الجديد فيُفترض أن تكون قادرة على دخول قلب العملية الصناعية نفسها.
هذا الفرق هو ما قد يحدد من سينجح في السوق الصناعية خلال السنوات المقبلة: من يكتفي بإظهار الذكاء، ومن يبنيه داخل القرار الهندسي.
المهندس المستقبل: أقل اعتماداً على التنفيذ وأكثر تركيزاً على الحكم
لا يعني صعود الذكاء الاصطناعي في الهندسة اختفاء المهندسين، بل يعيد توزيع أدوارهم. فمع قيام الأنظمة الذكية بأتمتة أجزاء من البحث والتصميم الأولي والتحقق، يصبح الإنسان أكثر مسؤولية عن تعريف الحدود وتقييم المفاضلات واكتشاف المخاطر التي لا يلتقطها النموذج بسهولة.
ويشير هذا التحول إلى حاجة الجيل القادم من المهندسين إلى مهارة أعمق في الحكم الهندسي، لا مجرد إتقان أدوات التنفيذ. كما سيصبح من الضروري الجمع بين الميكانيكا والبرمجيات والإلكترونيات والمحاكاة والتصنيع، لأن المنتج الحديث لم يعد يُبنى داخل تخصص واحد.
وفي ظل هذا الواقع، يبدو أن الفائزين لن يكونوا أولئك الذين يتجنبون الذكاء الاصطناعي، بل الذين يعرفون كيف يوجّهونه ضمن أولويات هندسية دقيقة.
خلاصة: الذكاء الاصطناعي يقترب من العالم المادي
القصة الأوسع هنا تتجاوز شركة واحدة. فصناعة الذكاء الاصطناعي تتحرك تدريجياً من مساعدات الكتابة والبحث إلى أنظمة تتعامل مع القيود المادية والاعتمادية والتصنيع. والهندسة الميكانيكية تمثل واحداً من أكثر المجالات تعقيداً واختباراً لهذا التحول.
إذا نجحت أدوات مثل Leo AI في إثبات قدرتها على الجمع بين السرعة والدقة والشفافية، فقد يصبح الذكاء الاصطناعي جزءاً أساسياً من دورة تطوير المنتجات الصناعية، لا مجرد طبقة إضافية فوقها. أما القرار النهائي، كما يبدو، فسيبقى دائماً في يد الإنسان الذي يتحمل مسؤولية ما يُصنع في العالم الحقيقي.