الذكاء الاصطناعي (Artificial Intelligence)

من الأجزاء الجوهرية في كتاب المهارات الرقمية للصف الثاني عشر ، حيث تنتقل من مفاهيم الربط الفيزيائي (IoT) إلى مفاهيم التفكير المنطقي والحلول الذكية

حل المشكلات والبحث (Problem Solving and Search)

يعمل الذكاء الاصطناعي على حل مشكلات مُعينة، وتنفيذ مهام مُتقدمة، مثل : الإدراك الرؤية والكلام، وفهم اللغة الطبيعية، والتشخيص الطبي، والتحليلات الكيميائية، وغير ذلك من المهام؛ إذ يتطلَّب حل  المشكلة الوصول إلى حالة مُعينة ضمن مجموعة من الإجراءات العملية، في ما يُعرَف بعملية البحث

يركز هذا الدرس على كيف يمكن للآلة "التفكير" للوصول إلى حل 

أدرس النص الآتي، ثمَّ أُجيب عن السؤال الذي يليه:
يعمل سامي في المدينة (ز)، ويسكن في المدينة (أ)، حيث يوجد العديد من الطرق الموصِلة بين المنزل ومكان العمل كما يظهر في الشكل (1- 1) :

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ما هي  المشكلة (المسألة) ؟

 هي الهدف أو الناتج الذي يُراد الوصول إليه عن طريق تنفيذ مجموعة من الخطوات أو الإجراءات بناءً على معطيات مُحدََّدة.

مراحل  حل المشكلة :

تشتمل هذه الإجراءات على أربع خطوات رئيسة، هي:

1. صياغة الهدف: يجب تحديد الهدف أو الأهداف الذي يُراد تحقيقه بلغة مفهومة، وتنظيمه، وكذا تحديد الإجراءات التي يتعينَّ اتِّباعها للوصول إلى هذا الهدف. بالعودة إلى النشاط التمهيدي السابق، فإنَّ الهدف المنشود هو الوصول إلى المدينة (ز) انطلاقًا من المدينة (أ)

2. صياغة المشكلة: ينبغي تقديم وصف واضح للمشكلة التي يُراد حَلهُّا، والتحدِّيات أو القيود المُتعلقِّة بالحَلِّ إنْ وُجِدت ذات الصلة بالمصادر المتاحة، أو نوعيتها، أو جودتها؛ بُغْيَةَ الوصول إلى الهدف المنشود. ففي النشاط التمهيدي المذكور آنفًا، تتمثَّل صياغة المشكلة في "البحث عن أسرع طريق للانتقال من المدينة (أ) إلى المدينة (ز) ".

3. البحث: يجب محاكاة جملة التسلسلات والإجراءات المُتوافِرة في المسألة للوصول إلى التسلسل الأفضل الذي يُحقِّق الهدف المنشود. غير أنَّه يُمكِن - في بعض الحالات- محاكاة تسلسلات عديدة لا توصِل إلى الهدف المطلوب؛ ما يُحتمِّ الاستمرار في عملية المحاكاة لحين الوصول إلى التسلسل الصحيح.

4. التنفيذ: يتولّى الوكيل ( Agent )، الذي يُطلَق عيله أحيانًا اسم العميل، تنفيذ إجراءات الحَلّ البحث خطوة خطوة. بالعودة إلى النشاط التمهيدي السابق، فإنَّ الوكيل هو  سامي، لكنَّ ذلك ليس مقياسًا يُعْتَدُّ به؛ فقد يكون الوكيل في مسائل أُخرى هو البرنامج أو النظام. تُمثل المشكلة عن طريق مجموعة من الحالات المُُحتملة الممكنة للحَل، تُسمّى فضاء البحث، في حين يُطلَق على التمثيل المُنظم للحالات والعلاقات بينها اسم حيِّز الحالة(State Space)

تُمثل المشكلة بشكل هرمي من عُقَد ( Nodes )  وفروع ( Edges ) تُمسى شجرة البحث (Search Tree). وبينما تُمثل كل عُقْدة في الشجرة حالةً مُعيَّنةً من المشكلة، فإنَّ كل فرع في الشجرة يُمثِّل إجراءً يؤدّي إلى حالة جديدة. تجدر الإشارة إلى أن  هذا النموذج يُستخدَم في الذكاء الاصطناعي وتحليل الخوارزميات.

تتطلبَ صياغة المشكلة وتمثيلها تمثيلا دقيقًا لتحديد العناصر الآتية:
1. الحالات (States ): تُسمّى الحالات أيضًا النقاط أو العُقَد ( Nodes )؛ وهي مجموعة النقاط التي تُنظمَّ بشكل هرمي، وتُمثِّل كل نقطة منها حالة من حالات فضاء البحث كما في الشكل(1-1) الذي يتضمَّن الحالات الآتية: (أ، ب،ج، د، هـ، و، ز).

2. الحالة الأوَّلية (Initial State) أوالجذر(Roots): حالة ابتدائية للمشكلة؛أي نقطةالانطلاق للبحث عن الحَلِّ، وتُمثلِّها المدينة (أ) في الشكل( 1- 1).

3. الحالة الهدف(Goal State ): حالة مرغوب الوصول إليها، وقد تكون حالة واحدة، أو مجموعة من الحالات، وتُمثلِّها المدينة (ز) في الشكل( 1- 1)

4.  ( Actions ):  مجموعة من الإجراءات التي تَقْبل التطبيق ويستطيع العميل تنفيذها للوصول إلى الحَلِّ ويُمثلِّها الانتقال من المدينة (ب)  إلى  المدينة (د) في الشكل(1-1)

5. النموذج الانتقالي ( Transition Model ): نموذج يُقدِّم وصفًا لِما يتضمَّنه كل إجراء في حالة مُعينَّة.

 

6. تكلفة الإجراء ( Action Cost Function ): تشير تكلفة الإجراء إلى التكلفة العددية لتطبيق إجراء مُعين. على سبيل المثال، عند الانتقال من مدينة إلى أُخرى، قد تُحسَب التكلفة بالمسافة المقطوعة، أو الوقت المُستغرَق للوصول إلى المدينة المقصودة، أو بالتكلفة المادية للانتقال بين المدينتين، علمًا بأنَّ التكلفة الإجمالية هي مجموع تكلفة الإجراءات مُنفرِدة.

7. المسار( Path ): مجموعة النقاط أو الحالات المتتالية في الشجرة. ففي الشكل ( 1- 1) مثلًًا، المسار بين المدينة(ج) والمدينة (ز) هو: المدينة (ج)– المدينة (د) – المدينة (ز).

8. الحَلُّ ( Solution ): مسار من النقطة الأوَّلية(الابتدائية) إلى النقطة (الهدف) . ففي الشكل( 1- 1) مثلًًا، الحَلُّ هو المسار الآتي: المدينة (أ) - المدينة (ج) – المدينة (د)– المدينة (ز).

9. الحَلُّ الأمثل ( Optimal Solution ): حَلٌّ ذو مسار أقل تكلفة بين مسارات الحلول المُحتمَلة المُمكِنة جميعها.

10. الأب (Parent ): عُقْدة يتفرَّع منها عُقَد أُخرى تُسمّى الأبناء. ففي الشكل ( 1- 1) مثلًا، يُطلَق على العُقْدة(أ) اسم الأب، ويُطلَق على العُقَد (هـ، ج، ب) اسم الأبناء، في حين يُطلَق على العُقْدة(ز) اسم العُقْدة الميتة؛ نظرًا إلى عدم وجود أبناء لها.

إضاءة 

•  حيز الحالة  هو مجموعة الحالات قد تكون لانهائية والإجراءات التي تسمح بالانتقال من حالة إلى أُخرى
•  تصف شجرة البحث المسارات بين هذه الحالات، وصولا إلى الحالة الهدف. 
• تحتوي الشجرة على عُقد ومسارات مُتعددة لأيّ حالة، وكل عُقْدة في الشجرة لها مسار فريد للعودة إلى الجذر أو إلى الحالة الأوََّلية الابتدائية.

 

 

 

 

 

 

 

 

1. العُقدة(8) هي الحالة الابتدائيَّة (بداية الشجرة)

2. العُقد هي: { 8, 3, 10 , 1, 6, 14 , 4, 7, 13 }.

3. مسار( 13 → 14 → 10 → 8) ،( 1 → 3 →8)
أب ( Parent ): العُقدة 3 أب لكل من ( 6 , 1) ،العُقدة 10 أب للعُقدة ( 14 )، العُقدة 6 أب لكل من ( 7 ، 4)، العُقدة 14 أب للعُقدة ( 13 ). عُقدة ميتة ( Leaf / Dead-end ): العُقدة (1) ليس لها أبناء، العُُقدة (13) ليس لها أبناء(، العُُقدة 7 ) ليس لها أبناء، العُُقدة ( 4 ) ليس لها أبناء.

 

خوارزميات البحث:

تتمثََّل آليََّة عمل خوارزميات البحث في التركيز على خيار واحد، ووضع الخيارات الأُخرى جانبًا؛أي النظر إلى حالة واحدة فقط، فإذا تبيََّن أن هذه الحالة ليست الحالة الهدف، فيتمُُّ التوسُّع في نطاق البحث، ليشمل البحث في إحدى عُقد الأبناء إلى حين الوصول إلى عُقْدة ميتة العُقْدة التي ليسلها أبناء يُطلَق على مجموعة العُُقََد المتاحة للتوسُّع في نقطة مُعينة اسم حدود التوسُّع لتلك العُقدة (Frontier)، وقد تُسمّى أحيانًا القائمة المفتوحة(Open List) .

تستمر هذه العملية إلى حين الوصول إلى الحل الحالة الهدف، أو انتهاء الفحص في الحالات جميعها. أنظر الشكل ( 1- 2) الذي يُبين كيف يُمكن التوسُّع في البحث من عُقْدة إلى أُُخرى

 

 

 

 

 

 

الشكل ( 1- 2): التوسع في عملية البحث

 

في بعض الأحيان، قد تواجه شجرة البحث مسارات مُتكررة ( Redundant Paths )؛ ما يعني إمكانية الوصول إلى النقطة نفسها عن طريق مسارات كثيرة. وهذا الإجراء قد يُحوّل المشكلة التي تقْبل الحَلَ إلى مشكلة مُستعصية.

يوجد نوعان من المشكلات التي تحتاج إلى حَلّ هما:
1. المشكلات القياسية ( Standardized Problem ): مشكلات يستخدمها الباحثون في المقارنة بين أداء الخوارزميات، ويُمكِن وصفها بشكل موجز ودقيق.
2. المشكلات الواقعية ( Real-World Problem ): مشكلات تتعلّق بالحياة العملية، ويُمكِن صياغتها صياغة فردية، وهي ليست مُوحَّدة.

أمثلة على المشكلات القياسية:
يوجد العديد من الأمثلة على المشكلات القياسية، وهذه أبرزها: روبوت التنظيف، ولعبة (لغز ) الأرقام الثمانية ( 8-Puzzle)، ولعبة الشطرنج، ولعبة (XO)

يُطلَق على هذا النوع من المشكلات اسم مشكلة عالَم الشبكة ( Grid World Problem )، وهي مصفوفة ثنائية الأبعاد من المستطيلات، تحتوي على خلايا مُربعة، فيها أشياء يُمكن للعميل التقاطها، أو دفعها، أو التصرُّف فيها بطريقة مُعيَّنة. كذلك يُمكن للعميل أن ينتقل من خلية إلى أخرى أفقيًّا، أو عموديًّا، وأحيانًا قُطْريًّا. وقد تحتوي هذه الخلايا على عقبة أو جدار يَحول دون المرور عبرها.
 

في ما يأتي بيان لبعض الأمثلة على هذا النوع من المشكلات:

أوَّلا: روبوت التنظيف (The Vacuum Robot)

يُمكن صياغة هذه المشكلة بطريقة عالم الشبكة كما في الشكل ( 1- 3).

 

 

 

 

 

 

 

 

 

 

يُمثل هذا الشكل الإصدار البسيط من روبوت التنظيف. وفيه تتكوَن الحالة من مستطيل يحتوي على مُربعين، وكل مُربع قد يحتوي على الروبوت (العميل)  الذي سيتولّى عملية التنظيف، أو الأوساخ، أو كليهما، أو قد يكون فارغًا.

يُمكن تحليل الشكل السابق على النحو الآتي:
عدد الحالات المُحتملة ( المُمكنة) لروبوت التنظيف هو (8)حالات، حيث إنََّ عدد المربعات في كل حالة اثنان، وكل مُربَّع إمّا أن يحتوي على أوساخ، وإمّا أن يكون نظفيا؛ ما يعني وجود حالتين مُمكِنتين. كذلك يُمكِن للروبوت (العميل) أن يوجد في من المربعين، في دلالة على وجود حالتين ممكنتين أيضًا.

إذن، يصبح عدد الحالات المُحتمَلة (المُمكنة) :

2 (وجود الأوساخ في المُربع الأوَّل، أو عدم وجودها فيه)× 2 (وجود الأوساخ في المُربع الثاني، أو عدم وجودها فيه)× 2 (موقع الروبوت في أحد المُُربََّعين) = 8 حالات.

 

الحالة الأوَّلية (الابتدائية): يُمكِن عَدُّ أيِّ حالة من الحالات الظاهرة في الشكل حالة ابتدائية.

 

 الإجراءات: في عالَم الشبكة الظاهرة في الشكل، حُدِّدت ثلاثة إجراءات أساسية، هي:

إزالة الأوساخ، والتحرُّك إلى اليسار، والتحرُّك إلى اليمين. وقد يضاف إلى هذه الإجراءات الثلاثة - في أمثلة أُخرى- التحرُّك إلى الأعلى، والتحرُّك إلى الأسفل.

 

نموذج الانتقال: في هذه المسألة، يُستخدَم التعبير الآتي للدلالة على نموذج الانتقال:

 شفط الأوساخ، التحرُّك إلى الأمام (خلية واحدة)، التحرُّك إلى الخلف، الانعطاف إلى اليمين، الانعطاف إلى اليسار.

 

الحالة الهدف: الحالة الهدف في هذه المشكلة هي أنْ تكون جميع المُربَّعات نظيفة.

 

 تكلفة الإجراء: تُحسَب التكلفة بعدد الإجراءات، وكل إجراء يكلف  وحدة واحدة.

 

 

 

 

 

 

 

إجابة محتملة:
المسار الأول: شفط الأوساخ – ثمَّ انتقال إلى الغرفة اليمنى – ثمَّ شفط الأوساخ: S - R - S
وفي هذا المسار سينظّف الروبوت الجهة اليسرى، ثمَّ ينتقل إلى اليمنى، ثمَّ ينظّفها، وهكذا يتحقَّق الهدف لتصبح العُقَد نظيفة، وتكلفة هذا المسار ( 3).
المسار الثاني: هذا المسار انتقل فيه الروبوت أوَّلًا إلى اليمين، ثمَّ قام بالشفط، ثمَّ عاد إلى اليسار، ثمََّ قام بالشفط. R - S - L - S تكلفة هذا المسار ( 4 ).

ثانيًًا: لعبة (لغز)الأرقام الثمانية ( 8-Puzzle ) .

تُمثل هذه اللعبة عن طريق شبكة أبعادها ( 3 × 3 )، وهي تحتوي على ( 8) مُربَّعات مُرقَّمة من(1) إلى ( 8)، إضافةً إلى مساحة فارغة واحدة. أما هدف اللعبة فهو الوصول إلى ترتيب متتالٍ للأرقام على المُربعات، وذلك باستخدام المساحة الفارغة في تحريك المُربَّعات إلى اليمين، أو إلى اليسار، أو إلى الأعلى، أو إلى الأسفل كما هو مُبيَّن في الشكل ( 1- 4).

 

يُمكِن تحليل الشكل السابق على النحو الآتي:

 العُقَد (Nodes ): هي المُربَّعات المُرقَّمة.

 الحالات ( States ): الحالة في هذه اللعبة هي وصف لموقع كل مُربَّع من المُربَّعات ضمن الشبكة.

 الحالة الأوَّلية( Initial State ): يُمكِن تحديد أيِّ توزيع للمُربَّعات بوصفه حالة ابتدائية.

 الإجراءات ( Actions ): تتمثَّل الإجراءات في تحريك المُربَّع الفارغ إلى اليمين، أو إلى اليسار، أو إلى الأعلى، أو إلى الأسفل، ومراعاة أنَّ بعض الإجراءات قد تكون غير قابلة للتطبيق إذا كانت المساحة الفارغة موجودة على إحدى الحافات أو الزوايا.

نموذج الانتقال (Transition Model): يربط هذا النموذج كل حالة وإجراء بحالة ناتجة جديدة. على سبيل المثال، عند تحريك المساحة الفارغة إلى الأسفل، فإنَّ الحالة الناتجة ستكون كما هو مُبيّن في الشكل (1-5)

 

الشكل ( 1- 5): نموذج انتقال المُربع الفارغ مَحَل(مكان) البلاطة (القطعة) التي تحوي الرقم ( 3).

أمثلة على المشكلات الواقعية:
 

تتعدد الأمثلة على هذا النوع من المشكلات، ويُمكن إجمال أبرزها في ما يأتي:

 

• تطبيقات تحديد المسار، مثل مشكلة الانتقال من مدينة إلى أُخرى التي ورد ذكرها في بداية الدرس الشبكة العنكبوتية (مواقع الويب)، وهي تُعَدُّ مثالًا جدِّيًا على المشكلات الواقعية.
• أنظمة السيّارات التي تُوفِّر اتجاهات عديدة للقيادة، وتُقدِّم طرقًا بديلةً في حال وجود عوائق أو ازدحام مروري، ومن ثَم تتفاوت تكلفة الانتقال تبعًا للتأخيرات الناجمة عن حركة المرور.
•  أنظمة تخطيط السفر الجوي.

مثال:
ترغب سناء في السفر إلى أمريكا، وتحديدًًا إلى مدينة هيوستن في ولاية تكساس، عملًا بأنه لا توجد رحلة مباشرة من مطار الملكة علياء الدولي (AMM) إلى ولاية تكساس. استنادًا إلى شجرة البحث في الشكل( 1- 6)، ما الخيارات المتاحة أمام سناء؟

نظرًا إلى عدم وجود رحلة مباشرة من مدينة عمّان إلى ولاية تكساس؛ فإنَّه يتعيَن على سناء اختيار رحلة تتضمَّن التوقُّف في عدد من المَحطّات (ترانزيت).
تُظهِر شجرة البحث وجود عدد من المسارات المُحتمَلة(المُمكِنة) للوصول إلى مدينة هيوستن، مرورًا بمَحطّات توقُّف مُحدَّدة. ويُبين كل مسار وقت الانتظار في المَحطَّة، ويشير الوقت المكتوب على كل سهم إلى مُدة الرحلة بين كل مَحطَّتين متتاليتين. لاختيار مسار الرحلة الأفضل، يُمكن حساب الوقت الإجمالي المُتوقَع للوصول عبر كل مسار، إضافةً إلى حساب تكلفة كل مسار؛ للمقارنة بين الخيارات المُتوافِرة، واتخاذ القرار الأمثل.

 

 

 

 

 

 

 

 

 

 

 

 

 

الاجابة المحتملة :

1.  مطار الملكة علياء الدوليُّ (عمّان)
2.

• مطار عمّان، مطار القاهرة، مطار برشلونة، مطار هيثر (لندن)، مطار فرانكفورت، مطار تورنتو بيرسون الدولي، مطار أوستن بيرجستورم، مطار شيكاغو أوهير الدوليُّ، مطار بيرلبوت تروف (مونتريال)، مطار فيلادلفيا الدوليُّ، مطار هيوستن جورج بوش إنتركونتيننتال.
• و(عددها  11 عُقدة)

3. مثل:

• المسار الأول :(عمّان ← هيثر لندنفيلادلفيا هيوستن)
• المسار الثاني: أو(عمّان ← فرانكفورتتورينتو هيوستن).

4.  الحالة الهدف هي الوصول إلى الوصول إلى هيوستن

5. ما تكلفة الانتقال من مدينة عمّان إلى مدينة هيوستن بالوقت، مرورًا بمطار شيكاغو؟
لحساب التكلفة الإجمالية، نجمع وقت الرحلات ووقت الانتظار:

من عمان إلى شيكاغو: 13:35 ساعة.

انتظار في شيكاغو: 2:25 ساعة.

من شيكاغو إلى هيوستن: 2:46 ساعة.

التكلفة الإجمالية: 
13:35+2:25+2:46= 18:46 ساعة.

6. هل يُمكِن اعتماد تكلفة انتقال أُخرى؟ هل سيكون فضاء البحث مختلفًا في حال اعتمادها؟

• يُمكن اعتماد التكلفة المادِّيَّة لحساب تكلفة الرحلة، ولكن هنا لن يتمّ النظر إلى الوقت المستغرق؛ لأنَّ رحلة تعتمد على تكلفة مادّيّة منخفضة سيكون بها نقاط توقُّف كثيرة، ووقت انتظار في محطّات التوقُّف هذه.
• أما بالنسبة لفضاء البحث: فلن يتغير (المدن والمطارات ستبقى كما هي)، ولكن المسار الأمثل هو الذي سيتغير بناءً على المعيار الجديد (مثلاً قد يكون المسار الأسرع هو الأغلى ثمناً).

7. ما نموذج الانتقال الخاص بالرحلة من مدينة عمّان إلى مدينة مونتريال؟

•  المدن التي ينتقل إليها المسافر للوصول إلى الهدف: عمان  ← القاهرة ←برشلونة ←مونتريال.
• وقت الوصول كالآتي:

(حساب الوقت): (وقت الرحلة للقاهرة + انتظار) + (وقت الرحلة لبرشلونة + انتظار) +وقت الرحلة لمونتريال.

(1:30+2:50)+(4:25+1:00)+8:45=  18:30 ساعة

 

 

 

 

 

 

• كيف يمكن أنْ توفِّر الخوارزميّات المال ؟ (بتقليل عدد الحافلات أو المسافات).
• كيف تقلِّل الخوارزميّات من تلوُّث الهواء والازدحامات؟ (باختيار مسارات أقصر أو تجنُّب الذروة).
• كيف يمكن أنْ توفِّر الخوارزميّات وقت السائقين والطلبة؟ (بتقليل الوقت على الطريق).

 

بناء حيّز الحالة (State Space)

تعرَّفْتُ سابقًا أن حيز الحالة هو: مجموعة الحالات(قد تكون لانهائية) والإجراءات التي تسمح بالانتقال من حالة إلى أُخرى. والآن سأتعرَّف الخطوات اللازمة لبناء حيز الحالة عند رسم شجرة بحث:
1. البَدْء برسم عُقْدة الجذر التي تُمثِّل الحالة الأوَّلية (الابتدائية).
2. تحديد جميع التحرُّكات أو الانتقالات المُحتمَلة (المُمكِنة)من هذه الحالة، ورسم فروع منها.
3. تكرار العملية لكل عُقْدة حتّى الوصول إلى الحالات النهائية.
4. إضافة تسمية إلى كل عُقْدة لتوضيح الحالة.

مثال:
أرسم شجرة البحث للعبة (Tic-Tac-Toe )المعروفة باسم لعبة (X-O)
يُمكنني  رسم شجرة البحث باتباع الخطوات الآتية التي ذُكِرت آنفًا: رسم الجذر، وهو في هذه اللعبة لوحة فارغة كما في الشكل ( 1- 7)

الشكل ( 1- 7): اللوحة فارغة (جذر اللعبة)

2. تحديد جميع الحالات المُحتمَلة (المُمكِنة) للاعب ( X) على أساس أنَّه مَنْ سيبدأ اللعب كما في الشكل ( 1- 8).

 

 

 

 

 

 

 

 

 

 

 

بهذه الطريقة، أكون قد حدَّدْتُ المستوى الثاني من شجرة البحث. تحديد جميع الحالات المُحتمَلة (المُمكنة) للاعب ( O)بناءً على تحرُّكات اللاعب ( X) في المستوى الثاني كما في الشكل ( 1- 9).
3 .

 

 

 

 

 

 

 

 

 

 

 

 

الشكل ( 1- 9): بعض الحالات المُحتمَلة (المُمكنة) للاعب ( O) استنادًا إلى تحرُّكات اللاعب(X)

 

4. رسم المستوى الرابع من شجرة البحث، وتحديد جميع الحالات المُحتمَلة(المُمكِنة) للاعب (X) كما في الشكل(1- 10 ).

5. تكرار العميلات السابقة وصولًا إلى الحالات التي يفوز فيها أحد اللاعبيْن.

اعتمادًا على المثال السابق، أرسم الحالات الكاملة لإنهاء حيِز العمل الخاص بلعبة (X-O) هل يُمكِن فعل ذلك؟لا يمكن رسمها جميعًًا؛ لأنََّ عددها تقريبًًا 5478 حالة.

 

نشاط:

 

 

 

 

 

 

 

 

الفيديو الآتي يوضح اللعبة

 

 

 

 

https://www.youtube.com/watch?v=Hva6bP4pumM

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

الإجابة المحتملة:
إليك خمس خيارات متنوعة (مرتَّبة من الأرخص إلى الأغلى بناءً على البيانات المتاحة في أغسطس 2025 ، مع ملاحظة أنَّ الأسعار تقريبية، وقد تتغيّر):
 

خيار(1)الأرخص:
•عدد محطّات التوقُّف: توقُّف واحد.
•خطوط الطيران : ( IndiGO (AMM → DOH ثمَّ (IndiGO (DOH → CGK
•محطَّة التوقُّف: الدوحة (DOH)
•إجماليُّ التكلفة: 221 USD ≈ 157 JOD .
•مدَّة الرحلة: (15 ساعة تقريبًا ) مغادرة 08:00 صباحًا، وصول 02:00 صباح اليوم التالي.
 

خيار 2:
•عدد محطّات التوقُّف: توقُّف واحد.
•خطوط الطيران: Qatar Airways (AMM → DOH) ثم (Qatar Airways (DOH → CGK
•محطَّة التوقُّف: الدوحة (DOH)
•إجماليُّ التكلفة: 319 USD ≈ 226 JOD .
•مدَّة الرحلة: (14 ساعة تقريبًا )مغادرة 10:00 صباحًا، وصول 01:00 صباح اليوم التالي(.
 

خيار 3:
•عدد محطّات التوقُّف: توقُّف واحد.
•خطوط الطيران: Etihad Airways (AMM → AUH) ، ثمَّ (Etihad Airways (AUH → CGK
•محطَّة التوقف: أبو ظبي (AUH)

•إجماليُّ التكلفة: 347 USD ≈ 246 JOD .
•مدَّة الرحلة: (16 ساعة تقريبًا )مغادرة 07:00 صباحًا، وصول 12:00 ظهر اليوم التالي.
 

 خيار 4:
•عدد محطّات التوقُّف: توقُّف واحد.
•خطوط الطيران: :  Emirates (AMM → DXB ) ثمَّ ( Emirates (DXB → CGK
•محطَّة التوقُّف: دبي (DXB)
•إجماليُّ التكلفة: 582 USD ≈ 413 JOD .
•مدَّة الرحلة: (15 ساعة تقريبًا )مغادرة 09:00 صباحًا، وصول 02:00 صباح اليوم التالي.
 

خيار 5(الأسرع نسبيًا):
•عدد محطّات التوقُّف: توقُّفان.
•خطوط الطيران:  Royal Jordanian (AMM → DOH) ، ثمَّ ( Garuda Indnesia (DOH → SIN ثم (Garuda Indnesia (SIN → CGK
•محطّات التوقُّف: الدوحة ( DOH )، سنغافورة (SIN)
•إجماليُّ التكلفة: 635 USD ≈ 450 JOD .
•مدَّة الرحلة: (13 ساعة تقريبًا )مغادرة 11:00 صباحًا، وصول 01:00 صباح اليوم التالي.

يمكن الاستعانة بأحد المواقع الآتية للبحث عن الرحلات:

https://j.weg.cm/flights
https://www.skyscanner.net
https://www.flyin.cm/ar/flights

 

 

 

 

 

 

 

 

إجابة محتملة:
1. المسائل التي يمكن بناء حيِّز حالة لها:
ليتمكَّن النظام من بناء حيِّز حالة لمسألة، يجب أن تمتلك هذه الخصائص:

• يجب أنْ تكون قابلة للتحديد بشكل واضح: يمكن تمثيل كل حالة برمز أو وصف معيَّن.
• يجب أنْ تكون لها حالات انتقال واضحة: يمكن تحديد كيف يمكن أنْ تنتقل من حالة إلى أخرى.
• يجب أنْ تكون لها حالة ابتدائيَّة وحالة نهائية.
•  عدد الحالات يجب أنْ يكون محدودًا، أو يمكن التحكُّم فيه، وإلا فإنَّ البحث يصبح غير عملي.

2. المسائل التي لا يمكن بناء حيِّز حالة لها: هي المسائل التي تتميَّز بأنَّ:

• الحالات غير محدودة أو غير قابلة للتمثيل الدقيق: مثل: التنبُّؤ بسلوك إنسان معقَّد، أو كتابة قصيدة شعريَّة إبداعيَّة.
• عدد الحالات لا نهائيّ، أو ضخم لدرجة يستحيل حصره: مثال: الاحتمالات جميعها لتصميم مدينة كاملة أو محاكاة مناخ الأرض بتفاصيله الدقيقة.

3 .الإجراءات غير معرَّفة بدقَّة أو مفتوحة: مثال: كيف تصبح إنسانًا ناجحًا؟ (لا توجد خطوات رسميَّة محدَّدة).
4. الأهداف غامضة أو غير قابلة للقياس: مثال: "صمِّم أجمل لوحة فنية" ( الجمال نسبيٌّ ولا يوجد معيار واحد).
 

التبريرات:
1. لماذا يمكن لبعض المسائل؟ لأنَّها تعتمد على سلسلة من الخيارات أو القرارات التي يمكن تمثيلها كعُقد وفروع في شجرة بحث، مما يتيح تحديد المسار الأمثل (مثل تقليل الوقت أو التكلفة).
2.  لماذا لا يمكن لأخرى؟ لأنَّها إما تحتوي على حلٍّ واحد واضح، أو تعتمد على عوامل غير متوقَّعة، أو لا تتطلَّب تسلسلًا من الإجراءات

 

 

• توظيف مهارات التفكير الحاسوبي بوعي رقمي: أُطبِّق مفاهمي التفكير الحاسوبي عن طريق تحليل المسائل وتقسيمها إلى أجزاء صغيرة( Decomposition )، وتحديد الخطوات المنطقية  لحَلهِّا ( Algorithmic Thinking ) عند بناء حيّز الحالة وشجرة البحث، وأُراعي النزاهة الرقمية والالتزام الأخلاقي باستخدام المصادر الموثوقة أثناء عمليّة التعلّم.

 

 

• تقييم الحلول وتحليلها رقميًّا:استخدم أدوات المقارنة الرقمية في تحيلل المسارات والحلول المختلفة للوصول إلى الحَلِّ الأمثل ( Optimal Solution )؛ سواء من حيث التكلفة أو من حيث الوقت، وأُعبِّر عن ذلك بوضوح في شجرة البحث الرقمية، والتزم الدقة والنزاهة عند عرض البيانات والمعلومات.

   

• التعلُّم المستمر والتطوير الذاتي: أُعزِّز مهاراتي - بوصفي مُواطِنًا رقميا -  بالبحث المستمر عن المُستجَدّات في مجال خوارزميات البحث وتقنيات الذكاء الاصطناعي؛ لفهم ما يدور حولي في العالَم التقني وتطبيقاته الواقعية، بما يُسهِم في تطوير قدراتي ومعارفي الرقمية بشكل دائم.