عمارة بلا معماري: كيف تقلب خوارزميات مستعمرات النمل فلسفة التخطيط الحضري؟

من تنظيم حركة المشاة إلى استكشاف قواعد البناء الرقمية.. دروس من الذكاء الجمعي للفراغ المعماري

المرور عبر الحدائق العامة غالبًا ما يكشف حقيقة ممتعة: الناس لا يسيرون دائمًا على الممرات الأسفلتية التي رسمها المعماري على المخطط، بل يصنعون ممراتهم الخاصة عبر العشب، وهي الظاهرة التلقائية التي يُطلق عليها المصممون اسم “الدروب المرغوبة”. في هذه اللحظة تحديدًا، يسقط المخطط الرئيسي الهرمي لصالح قرارات المئات من الأفراد الذين يتنقلون بشكل لامركزي. عقودٌ طويلة والبيئة المبنية تُحكم بأسلوب “من الأعلى إلى الأسفل”، حيث يفرض معماري واحد خريطة الفراغ ونظامه. غير أن الثورة الحاسوبية الحالية تستلهم نموذجًا مناقضًا تمامًا من قلب الطبيعة: استراتيجية مستعمرات النمل، حيث لا توجد نملة واحدة تمتلك الخريطة الكلية، ومع ذلك تنجح المستعمرة في بناء شبكات حركة وتوزيع فراغي يفوق في كفاءته أعتى العقول الهندسية.

تعتمد خوارزميات تحسين مستعمرات النمل على فكرة بسيطة ولكنها عبقرية؛ فبدلًا من وجود “مخطط رئيسي”، تعتمد النملات على تواصل غير مباشر عبر ترسبات كيميائية تُسمى الفيرومونات. كلما سلكت نملة طريقًا ناجحًا، تركت أثرًا يرشد الآخرين، ومع الوقت، تتبخر الآثار الضعيفة بينما تتكثف الآثار على المسارات الأكفاء. تحويل هذه الآلية إلى خوارزميات حوسبة البيانات يوفر للمصممين والباحثين اليوم أداة استثنائية لحل أعقد المعضلات المعمارية: كيف ننظم حركة آلاف البشر داخل مستشفى معقد؟ كيف نستكشف قوانين البناء والتصنيف الحضري بناءً على البيانات الواقعية لا التحيزات الشخصية؟ وكيف نحدد الحد الأدنى من المتغيرات البيئية لإنشاء مبنى متكيف؟

الفيرومونات الرقمية: كيف تبني “النملة الحاسوبية” المعرفة الفراغية؟

لتطوير أي نموذج تصميمي استنادًا إلى النمل، يتحول المشروع المعماري أو مجموعة البيانات التخطيطية إلى “عالم نمل” يتكون من شبكة من العقد والروابط. في هذا العالم الرقمي، تتنقل النملات المستقلة لبناء حلول تدريجية. يتأثر أداء كل نملة بعنصرين محوريين: الرؤية المحلية أو ما يُعرف بالاستدلال المباشر، والذاكرة الجماعية المتمثلة في كثافة الفيرومونات.

في البيئة المبنية، يُمكن تشبيه الرؤية المحلية بالقرب الجغرافي أو الوضوح البصري لخط سير معين، بينما تمثل كثافة الفيرومونات التفضيل الجماعي الميراثي الذي تراكم عبر الآلاف من محاكوات الحركة السابقة. تقوم الخوارزميات بحساب احتمالية انتقال النملة من نقطة إلى أخرى بناءً على معادلة توازن بين هذين العنصرين. ومع كل دورة محاكاة، تبدأ الفيرومونات على المسارات غير الفعالة بالتبخر والتلاشي، مما يمنع النظام من التجمد في مسارات خاطئة ويضمن الاستكشاف المستمر للفراغ.

هذا التفاعل اللامركزي يسمح للنموذج بالتعامل مع البيانات الضخمة التي قد تعجز طرق التخطيط التقليدية عن استيعابها. المبنى أو الحي السكني لم يعد حجمًا خرسانيًا ثابتًا، بل شبكة احتمالية تشكلها حركة المستخدمين واحتياجاتهم المتغيرة، تمامًا كما تتشكل مسارات النمل وفقًا لأماكن الغذاء والتضاريس المحيطة.

استخراج قواعد الفراغ: عندما تصبح البيانات منطقًا للتصميم

إحدى أبرز معضلات التخطيط الحضري هي صياغة قوانين البناء واستخدامات الأراضي. غالبًا ما تُكتب هذه القوانين بناءً على فرضيات قديمة لا تراعي السلوك الفعلي للسكّان. هنا يأتي دور الخوارزميات المخصصة لاستكشاف القواعد المعتمدة على البيانات الضخمة، حيث تعمل الخوارزمية كمنقب يسعى لإنشاء قواعد واضحة ومباشرة تبدأ بـ “إذا تحقق كذا.. فإن النتيجة كذا”.

أوضح الباحث رافائيل باربينيللي وفريقه في دراستهم التأسيسية كيف يمكن لخوارزمية تنقيب البيانات القائمة على مستعمرات النمل، والمعروفة باسم “منقب النمل” (Ant-Miner)، إنشاء قواعد تصنيف قصيرة ومفهومة للغاية مقارنة بالأساليب الأكاديمية التقليدية. تقوم النملة بالمرور على السمات المتنوعة للمشروع—مثل الكثافة السكانية، والقرب من وسائل النقل، ومستويات الضوضاء—لتنسج قاعدة تخطيطية تتكون من شروط متسلسلة.

وقد طور ديفيد مارتينز وزملاؤه هذه الآلية عبر نموذج أكثر مرونة يتعامل مع المشاكل متعددة الفئات بذكاء أعلى؛ حيث أتاح للنمل اختيار الفئة المراد التنبؤ بها أولًا، مع تطبيق تقليم تلقائي للقواعد لضمان عدم تعقيدها. في السياق المعماري، يعني هذا أن الخوارزمية لا تكتفي بتحليل البيانات مثل مستويات التلوث أو جودة الهواء، بل تحولها إلى قواعد تصميمية صريحة: “إذا كانت نسبة التهوية الطبيعية أقل من حد معين وكان التوجيه نحو الجنوب، فإن الفراغ يحتاج إلى نظام تظليل متحرك بنسبة حدية محددة”. النتيجة ليست صندوقًا أسود غامضًا، بل قائمة قواعد منطقية سهلة القراءة والتدقيق من قبل المهندسين والمخططين.

تجميع المساحات المعقدة: التجميع الذاتي دون خريطة مسبقة

ماذا يحدث عندما نقف أمام حي شهري غير مخطط، أو بيئة حصرية تتضمن آلاف البيانات البيئية والديموغرافية دون تصنيفات مسبقة؟ كيف يمكن للمعماري تجميع هذه العناصر في نطاقات طاقية أو وظيفية متجانسة؟

تتجلى قوة خوارزميات التجميع المعتمدة على مستعمرات النمل في قدرتها على تقسيم العناصر إلى مجموعات متكاملة تلقائيًا. أظهرت أبحاث ب. س. شيلوكار ورفاقه أن التجميع باستخدام النمل يتفوق على الخوارزميات التقليدية مثل خوارزميات البحث الجيني والبحث المحظور، حيث تمثل كل نملة حلاً متكاملاً لتوزيع البيانات على عدد محدد من النطاقات. وتتم الموازنة بين الاستغلال المباشر للمسارات الموثوقة والافتراس الاستكشافي للحلول الجديدة عبر معايير رياضية دقيقة تقيس مسافات الانحراف داخل كل مجموعة.

وفي ذات السياق، قدم الباحث باو-جيانغ تشاو صيغًا حوسبية تعتمد على عمليات التكاسل والتهجين المتوازن لضمان عدم السقوط في حلول محلية ضيقة. بل إن هذه التقنيات أثبتت كفاءة مذهلة بلغت حدودًا استثنائية في تطبيقات حرجة مثل تصنيف الإشارات الطبية ذات المتغيرات المعقدة، كما أثبت نيانكي لي وفريقه في أبحاثهم الحديثة حول تعديل الفيرومونات ديناميكيًا.

بالنسبة للمخطط الحضري، تعني هذه القدرة أن الخوارزمية قادرة على أخذ آلاف الحساسات البيئية أو مسارات الحركة غير المصنفة في مبنى ضخم وتجمعيها تلقائيًا في “زونات” حرارية أو تشغيلية متجانسة، مما يقلل بشكل هائل من استهلاك الطاقة ويرفع من كفاءة إدارة الفراغ المبني بدون الحاجة لتدخل بشري مباشر في كل مرحلة.

اختزال الأبعاد والتحسين الحركي: البحث عن أقصر الطرق في المدن الحية

مع تعقد مشاريع النمذجة الحديثة، يجد المعماري نفسه غارقًا في مئات المتغيرات: التوجيه، المواد، التكلفة، الانبعاثات الكربونية، العزل الصوتي، وحركة المشاة. المبالغة في عدد المتغيرات تؤدي إلى شلل القرار الهندسي. هنا تُستخدم خوارزميات النمل كأداة لاختيار “الميزات الجوهرية” وتصفية الضوضاء الحسابية.

بين نيتيش نايار وزملاؤه في مراجعتهم الشاملة أن تحسين مستعمرة النمل يُعد من أكثر الوسائل فاعلية في اختيار الحزمة المثالية من المتغيرات وتخفيض أبعاد البيانات، حيث تمر النملة عبر السمات وتلتقط الأهم منها بناءً على أثرها في جودة التصميم النهائي. وفي المقابل، يمتد هذا المنطق إلى تخفيض أعداد الأمثلة والبيانات المكررة؛ حيث أظهرت دراسة أسامة عثمان أن استخدام النمل لاختيار العينات الممثلة يتفوق على الطرق التقليدية، مما يسمح بتحليل أداء المباني الشاهقة أو المدن الذكية باستخدام نماذج حاسوبية خفيفة وسريعة جدًا.

أما على مستوى الحركة والديناميكية الفراغية، فإن التطبيق الأكثر كلاسيكية للخوارزمية يتجلى في حل مسألة “البائع المتجول”، وهي المسألة التي تشبه كليًا تنظيم خطوط الإخلاء وتدفق الحركة في المباني العامة والمدن. في دراسة حول تحسين المسارات المترابطة، أثبت مصطفى ألتيوك وبولنت كوتشر كيف تنجح الخوارزمية في إيجاد المسارات المثالية عبر موازنة الوزن الفيروموني مع المسافة الفعليّة.

تطوير هذه الخوارزميات لجعل معدل التبخر متكيفًا مع حجم المشكلة—كما أوضح أرفينث سوباسكاران ورفاقه—يجعل النمل قادرًا على توجيه تدفقات البشر والتجهيزات داخل البيئات المعقدة مثل المطارات والمستشفيات، بأسلوب يضمن عدم حدوث اختناقات في الممرات أو نقاط التفتيش.

الهيكل العملي لتطبيق خوارزميات النمل في المشاريع الهندسيّة

لاستخدام هذه الأساليب الحوسبية في تحليل البيانات المعمارية والعمرانية، يمكن للممارسين والباحثين اتباع منهجية عمل مبرمجة تعتمد على نوع المشكلة الفراغية المطروحة:

• تحديد طبيعة المشكلة: إذا كانت المشكلة تتعلق بوضع قوانين واستكشاف أنماط بناء (بيانات محددة الفئات)، يتم اعتماد خوارزميات “منقب النمل” لاستخراج القواعد. أما إذا كانت المشكلة تتعلق بتوزيع نطاقات غير محددة، فيتم اللجوء إلى خوارزميات التجميع. وفي حال كانت المشكلة متعلقة بالحركة والتدفقات، يُطبق نموذج البائع المتجول.
• المعالجة الأولية للبيانات: يتطلب التعامل مع المتغيرات المستمرة (مثل درجات الحرارة أو المساحات) تحويلها إلى فترات رقمية محددة، بينما تُنظم بيانات المسافات في مصفوفات متصلة لضمان قياس الفيرومونات بدقة.
• التشغيل والضبط الديناميكي: تشغيل خوارزمية النمل يحتاج لضبط التوازن بين الاستكشاف المستجد والاستغلال للخبرات السابقة، حيث أظهرت الدراسات أن ضبط معلمات الفيرومون والمسافة يضمن الوصول للحلول المثلى دون الوقوف عند حلول أولية قاصرة.
• تقييم النموذج ووضوحه: تمتاز هذه الخوارزميات بقدرتها على إعطاء نتائج مفهومة بشريًا. يجب تقييم القواعد المكتشفة ليس فقط بناءً على دقتها الحسابية، بل بناءً على بساطتها وعدد الشروط المتضمنة فيها، ليتمكن المعماري من ترجمتها إلى بيئة مبنية ملموسة.

إن الانتقال من فكرة “المعماري الذي يعرف كل شيء” إلى “النظام الناشئ الذي يستكشف كل شيء” يمثل تحولًا فكريًا عميقًا في ممارسة التصميم. خوارزميات مستعمرات النمل لا تسلب المعماري دوره الإبداعي، بل توفر له عيونًا رقمية قادرة على رؤية الأنماط الخفية داخل تعقيدات المدينة والبيئة المبنية. إنها تدعونا للتواضع أمام حكمة الطبيعة، والاعتراف بأنه في كثير من الأحيان، قد تكون آلاف الخطوات الصغرى اللامركزية أكثر قدرة على بناء الفراغ المثالي من خريطة واحدة مرسومة فوق الطاولة.

✦ ArchUp Editorial Insight

إن اعتماد العمران الخوارزمي القائم على المحاكاة الحيوية—وتحديدًا تحسين مستعمرات النمل—ليس بيانًا جماليًا، بل هو رد فعل بنيوي على العجز الهيكلي للتخطيط البلدي المركزي وتزايد مخاطر الاستثمار العقاري. مع تزايد تعقيد البيئات الحضرية وتدفق البيانات الضخمة مقابل انحسار القدرة التنبؤية للمخطط التقليدي، أصبح المخطط الرئيسي الثابت يشكل عبئًا ماليًا وتشغيليًا. تعتمد المؤسسات والمطورون خوارزميات الذكاء الجمعي لنقل إدارة المخاطر من التقدير البشري إلى الكفاءة الاحتمالية. عبر أتمتة المنطق الفراغي—من تحسين تدفقات المشاة في المجمعات الطبية الضخمة إلى صياغة قوانين البناء ديناميكيًا—يسعى رأس المال إلى تعظيم كفاءة استغلال المساحة وتقليل الهدر التشغيلي. وبناءً عليه، فإن “العمارة الناشئة” والمسارات التلقائية الناتجة ليست انتصارًا أيديولوجيًا للتصميم اللامركزي، بل هي الانعكاس الفراغي المباشر لإدارة المخاطر المئتمتة وضغوط الترشيد المالي.

المراجع

• رافائيل س. باربينيللي، هيليو س. لوبيز، وأليكس أ. فريتاس. “التنقيب عن البيانات باستخدام خوارزمية تحسين مستعمرة النمل”. المعاملات البحثية للجمعية الدولية لمهندسي الكهرباء والإلكترونيات في الحساب التطوري، 2002.
• ديفيد مارتينز، مانويل دي باكر، روبن هيسين، يان فانتينين، مونيك سنوك، وبارت بايسينز. “التصنيف باستخدام تحسين مستعمرة النمل”. المعاملات البحثية للجمعية الدولية لمهندسي الكهرباء والإلكترونيات في الحساب التطوري، 2007.
• ب. س. شيلوكار، ف. ك. جايارامان، و ب. د. كولكارني. “نهج مستعمرة النمل لتجميع البيانات”. أليتيكا كيميكا أكتات، 2004.
• باو-جيانغ تشاو. “خوارزمية تجميع قائمة على مستعمرة النمل”. أعمال المؤتمر الدولي لتعلم الآلة والسيبرانية، 2007.
• نيتيش نايار، سوراب غوتام، برابجوت سينغ، وغوراف ميهتا. “تحسين مستعمرة النمل: مراجعة للأدبيات والتطبيق في اختيار الميزات”. ملاحظات محاضرات في الشبكات والأنظمة، 2021.
• أسامة م. عثمان. “طريقة تقليل الأمثلة المستندة إلى تحسين مستعمرة النمل”. أعمال المؤتمر الدولي العاشر لتعلم الآلة والحوسبة، 2018.
• مصطفى ألتيوك، وبولنت كوتشر. “تحليل مجموعات بيانات برلين 52 و GR202 بواسطة خوارزمية مستعمرة النمل”. أعمال المؤتمر الدولي الرابع للتطبيقات والتقنيات المتقدمة في علوم الحاسوب، 2015.
• نيانكي لي، ليانغ ليو، تشنغ يانغ، وشيوان كين. “خوارزمية تجميع مستعمرة النمل ذاتية الضبط لتصنيف اضطراب ضربات القلب بناءً على ميكانيكية تصحيح”. الطرق والبرامج الحاسوبية في الطب الحيوي، 2023.
• أرفينث سوباسكاران، ماركوس كراهمان، توبياس هاني، ورولاند دورنبيرغر. “مقارنة خوارزميات تحسين مستعمرة النمل لمشاكل البائع المتجول صغيرة الحجم”. ملاحظات محاضرات في الشبكات والأنظمة، 2022.