يُظهر التعلم المعزز العميق آفاقًا واسعة في مهام البحث والإنقاذ التعاونية التي تنفذها أسراب الطائرات المسيّرة، إذ تتطلب هذه المهام قرارات منسقة وسريعة في بيئات معقدة ومتغيرة، غير أن أداء هذا التعلم يظل عرضة للقيود حين تتسع فضاءات اتخاذ القرار التعاوني عالية الأبعاد وتشح الموارد الحاسوبية المتاحة، فكلما ازداد عدد الطائرات تضخمت كلفة نمذجة التفاعلات فيما بينها حسابيًا وتخزينيًا، ومن هنا تقترح هذه الدراسة طريقة جديدة تقوم على خوارزمية التدرج الحتمي العميق للسياسات معززة بآلية الانتباه الخطي، لتجعل التعاون بين الطائرات أكثر كفاءة وقابلية للتوسع في مهام الاستجابة للكوارث والاحتواء الديناميكي
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى تطوير طريقة سريعة للبحث والإنقاذ بعد الكوارث يعمل بها سرب من الطائرات المسيّرة بالتعلم المعزز العميق، مع خفض الأعباء الحاسوبية والتخزينية التي يفرضها ازدياد عدد الطائرات، وقد أدخلت الطريقة المقترحة آلية الانتباه الخطي القائمة على إسقاط السمات العشوائي داخل خوارزمية التدرج الحتمي العميق للسياسات، بحيث تُنمذج التفاعلات بين الطائرات بفعالية دون تضخم في الكلفة، كما دمجت الدراسة آليتين إضافيتين هما إعادة استخدام الخبرات بصورة ملساء وأخذ العينات بالأهمية بصورة تكيفية، بما يرفع كفاءة التدريب واستقرار الاستراتيجية المتعلمة، واختُبرت الطريقة في تجارب محاكاة على مهمتين هما البحث في الاستجابة بعد الكوارث والاحتواء الديناميكي، وعلى نطاقات صغيرة ومتوسطة وكبيرة من حيث عدد الطائرات
ثانيًا: أبرز النتائج
أظهرت تجارب المحاكاة أن الخوارزمية المقترحة تفوقت باستمرار على الطرائق القائمة في كلتا المهمتين، ففي السيناريوهات صغيرة النطاق حافظت على نسب نجاح شبه كاملة، وفي النطاقات المتوسطة والكبيرة حققت في مهمة البحث بعد الكوارث نسب نجاح بلغت 90.6 في المئة و85.2 في المئة على الترتيب، وفي مهمة الاحتواء 90.1 في المئة و80.2 في المئة، وهي نتائج تمثل تحسينات نسبية تتراوح بين 15 و21 في المئة مقارنة بالأساليب المرجعية، وتكشف هذه الأرقام عن متانة الطريقة في الحالات البسيطة وعن تفوق واضح لها كلما اشتدت ظروف التعاون بين أعداد أكبر من الطائرات
وتقرأ هذه النتائج بصورة أوضح عند تأمل الفارق بين النطاقات، ففي النطاقات الصغيرة يقترب الجميع من النجاح الكامل لانخفاض تعقيد التنسيق، أما في النطاقات المتوسطة والكبيرة حيث تتضاعف التفاعلات بين الطائرات وتشتد الحاجة إلى قرارات جماعية سريعة، فتبرز ميزة الطريقة المقترحة وتتسع الفجوة لصالحها، وقد تحقق ذلك دون أن تدفع كلفة حسابية باهظة، لأن آلية الانتباه الخطي خفضت الأعباء الناجمة عن نمذجة التفاعلات، كما ساهمت آليتا إعادة استخدام الخبرات الملساء وأخذ العينات بالأهمية التكيفية في تسريع التعلم واستقراره، فاجتمعت الكفاءة الحسابية مع جودة القرار في إطار واحد
ثالثًا: دلالات الدراسة وتطبيقاتها
تكتسب هذه النتائج أهميتها من طبيعة مهام البحث والإنقاذ نفسها، ففي أعقاب الكوارث يكون الزمن عاملًا حاسمًا بين الحياة والموت، ويعني نجاح سرب المسيّرات في مسح المناطق المنكوبة واحتواء الأخطار بسرعة ودقة إنقاذًا أوسع للأرواح والممتلكات، وتقدم آلية الانتباه الخطي حلًا عمليًا لمشكلة التوسع التي تعوق نشر أسراب كبيرة، إذ لم تعد كلفة الحوسبة والتخزين تنمو بوتيرة تعجيزية مع كل طائرة مضافة، كما أن رفع كفاءة التدريب واستقراره يقصّر الطريق من المحاكاة إلى الميدان، ويفتح المجال لتطبيقات مشابهة في الإغاثة والمراقبة البيئية وإدارة الطوارئ واسعة النطاق
وتمتد تطبيقات هذه الطريقة إلى ما وراء البحث والإنقاذ المباشرين، فمهمة الاحتواء الديناميكي التي اختبرتها الدراسة تحاكي مواقف عملية كتطويق الحرائق ومراقبة انتشار التسربات ومتابعة الأهداف المتحركة في مناطق الكوارث، وكلها مواقف تتطلب أسرابًا كبيرة منسقة تعمل بموارد حاسوبية محدودة على متن الطائرات نفسها، كما أن خفض كلفة التخزين والحوسبة مع ازدياد عدد الطائرات يزيل عقبة رئيسة أمام نشر هذه الأنظمة في الدول والمنظمات محدودة الموارد، ويمهد الطريق لتحويل نتائج المحاكاة إلى تجارب ميدانية حقيقية بفرق إنقاذ تعمل جنبًا إلى جنب مع الأسراب الذكية
وخلاصة القول إن هذه الدراسة طورت طريقة للبحث والإنقاذ السريع بأسراب الطائرات المسيّرة تجمع بين التدرج الحتمي العميق للسياسات والانتباه الخطي وإسقاط السمات العشوائي، فخفضت كلفة نمذجة التفاعلات بين الطائرات ورفعت كفاءة التدريب واستقراره، وحققت في المحاكاة نسب نجاح مرتفعة فاقت الأساليب المرجعية بنسب تراوحت بين 15 و21 في المئة، بما يجعلها مرشحة لتطبيقات الاستجابة للكوارث واسعة النطاق
