الذكاء الاصطناعي القابل للتفسير في قطاع الطاقة.. من «التنبؤ» إلى صناعة القرار وتأثيره في الاقتصاد العالمي

بقلم د دعاء محيي الدين عضو هيئة تدريس بكلية الحاسبات ونظم المعلومات واستشاري الذكاء الاصطناعي وعلوم البياناا
رؤية استشارية: لماذا لن يكون مستقبل الطاقة لمن يملك الذكاء الاصطناعي فقط، بل لمن يستطيع فهمه والثقة في قراراته؟

يشهد قطاع الطاقة واحدة من أكثر التحولات جذرية في تاريخه. فمع توسع مصادر الطاقة المتجددة، وتزايد الاعتماد على الشبكات الذكية، وارتفاع حجم البيانات القادمة من محطات التوليد والمستهلكين وأجهزة الاستشعار، أصبح الذكاء الاصطناعي عنصرًا أساسيًا في إدارة منظومة الطاقة الحديثة.

لكن هناك سؤالًا أكثر أهمية بدأ يفرض نفسه على صناع القرار:

هل يمكن أن نعتمد على نظام ذكاء اصطناعي لاتخاذ قرار يتعلق بالطاقة إذا لم نفهم لماذا اتخذ هذا القرار؟

هنا تظهر أهمية الذكاء الاصطناعي القابل للتفسير Explainable AI – XAI، الذي لا يكتفي بتقديم التنبؤ أو التوصية، وإنما يسعى إلى توضيح العوامل التي أدت إلى النتيجة.

وهذا التحول قد يكون له أثر يتجاوز قطاع الطاقة نفسه، ليصل إلى الاستثمار، والصناعة، والتجارة، والتضخم، وأمن الدول، والنمو الاقتصادي العالمي.

لماذا الطاقة تحديدًا تحتاج إلى ذكاء اصطناعي قابل للتفسير؟

قطاع الطاقة ليس مجرد سوق تجاري.

إنه بنية تحتية استراتيجية تقوم عليها جميع القطاعات تقريبًا.

أي خطأ في التنبؤ بالطلب، أو إنتاج الطاقة، أو توزيعها، أو إدارة الشبكة، يمكن أن يؤدي إلى خسائر اقتصادية واسعة.

يمكن للذكاء الاصطناعي أن يساعد في:

– التنبؤ بالطلب على الكهرباء.
– التنبؤ بإنتاج الطاقة الشمسية والرياح.
– اكتشاف الأعطال قبل حدوثها.
– تحسين عمليات الصيانة.
– إدارة الأحمال.
– اكتشاف الأنماط غير الطبيعية.
– تحسين توزيع الطاقة.
– تقليل الفاقد.
– دعم قرارات الاستثمار.

لكن عندما يتعلق القرار ببنية تحتية حيوية، فإن مجرد قول النظام:

«هذا هو القرار الأفضل»

لا يكفي.

صانع القرار يحتاج إلى معرفة:

لماذا؟

من Black Box إلى Decision Intelligence

النماذج التقليدية للذكاء الاصطناعي قد تكون شديدة الدقة، لكنها أحيانًا تقدم نتائج يصعب تفسيرها.

في قطاع الطاقة، قد يتنبأ النظام مثلًا بارتفاع الطلب بصورة مفاجئة.

السؤال هنا ليس فقط:

«هل التنبؤ صحيح؟»

بل:

«ما العوامل التي أدت إلى هذا التنبؤ؟»

هل السبب ارتفاع درجات الحرارة؟

هل هناك تغير في سلوك المستهلكين؟

هل هناك زيادة صناعية متوقعة؟

هل تغير نمط الاستهلاك؟

هل توجد مؤشرات مرتبطة بأسعار الطاقة؟

عندما يستطيع النظام تقديم تفسير منطقي للقرار، يصبح استخدام الذكاء الاصطناعي أكثر قابلية للثقة والمراجعة.

وهنا يتحول الذكاء الاصطناعي من مجرد Predictive AI إلى جزء من منظومة Decision Intelligence.

الطاقة المتجددة.. حيث يصبح التفسير أكثر أهمية

تمثل الطاقة الشمسية وطاقة الرياح تحديًا خاصًا؛ لأن إنتاجهما يرتبط بعوامل متغيرة مثل الطقس والإشعاع الشمسي وسرعة الرياح.

يمكن للذكاء الاصطناعي تحليل هذه المتغيرات والتنبؤ بالإنتاج المتوقع.

لكن تخيل أن نموذجًا يتوقع انخفاض إنتاج محطة شمسية غدًا.

صانع القرار يحتاج إلى معرفة السبب.

هل يرجع ذلك إلى تغيرات جوية؟

أم إلى انخفاض الإشعاع؟

أم إلى مشكلة في أحد مكونات المحطة؟

أم إلى نمط تاريخي اكتشفه النموذج؟

هذه القدرة على تفسير التنبؤ تساعد في تحويل الذكاء الاصطناعي من أداة للتنبؤ إلى أداة لإدارة المخاطر.

الصيانة التنبؤية.. ملايين الدولارات التي يمكن توفيرها

من أكثر التطبيقات الاقتصادية أهمية للذكاء الاصطناعي في الطاقة Predictive Maintenance.

فبدلًا من انتظار تعطل توربين أو محول أو جزء من محطة إنتاج، يمكن للنظام تحليل البيانات التشغيلية واكتشاف مؤشرات قد ترتبط باحتمالية حدوث عطل.

وهنا يمكن للـXAI أن يوضح:

ما المتغيرات التي تشير إلى الخطر؟

وهل المشكلة مرتبطة بدرجة الحرارة؟

أم بالاهتزاز؟

أم بتغير نمط التشغيل؟

أم بتراجع الأداء؟

كلما كان التفسير واضحًا، أصبح من الأسهل على فرق الصيانة اتخاذ القرار المناسب في الوقت المناسب.

والنتيجة المحتملة:

تقليل الأعطال + خفض تكاليف الصيانة + زيادة الاعتمادية + تحسين استمرارية الإنتاج.

كيف يصل تأثير الذكاء الاصطناعي في الطاقة إلى الاقتصاد العالمي؟

هنا تكمن القضية الأكبر.

الطاقة تدخل تقريبًا في جميع الأنشطة الاقتصادية.

عندما تنخفض تكلفة إنتاج الطاقة أو توزيعها أو إدارتها، يمكن أن تنتقل آثار ذلك إلى قطاعات متعددة.

يمكن تصور سلسلة التأثير هكذا:

AI + XAI

↓

كفاءة أعلى في الطاقة

↓

تكلفة تشغيل أقل

↓

تكلفة إنتاج أقل

↓

تنافسية صناعية أعلى

↓

أسعار أكثر استقرارًا

↓

استثمارات جديدة

↓

نمو اقتصادي

وهذا يعني أن الاستثمار في الذكاء الاصطناعي للطاقة ليس مجرد استثمار تكنولوجي، بل يمكن أن يصبح استثمارًا في القدرة التنافسية للاقتصاد.

الذكاء الاصطناعي وأمن الطاقة

هناك جانب آخر لا يقل أهمية: أمن الطاقة.

الدول التي تستطيع التنبؤ بالطلب والإنتاج، واكتشاف المخاطر مبكرًا، وإدارة الشبكات بكفاءة، تصبح أكثر قدرة على مواجهة الاضطرابات.

وهذا يصبح بالغ الأهمية في عالم تتداخل فيه:

الطاقة + الجغرافيا السياسية + التجارة + الأمن السيبراني + الاقتصاد.

لذلك يمكن أن يتحول الذكاء الاصطناعي إلى عنصر من عناصر الأمن الاقتصادي والاستراتيجي للدول.

لكن هذا الاستخدام يفرض أيضًا ضرورة حماية أنظمة الذكاء الاصطناعي نفسها من الهجمات السيبرانية والتلاعب بالبيانات.

هل يمكن أن يساهم XAI في استقرار الأسواق؟

أسواق الطاقة شديدة الحساسية.

أي تغير كبير في توقعات العرض أو الطلب قد يؤثر في الأسعار، وبالتالي في تكاليف النقل والصناعة والإنتاج.

إذا أصبحت أنظمة التنبؤ أكثر دقة وقابلية للتفسير، يمكن أن تساعد الشركات والمؤسسات وصناع السياسات على فهم العوامل التي تقف خلف التغيرات المتوقعة.

لكن يجب التأكيد على نقطة مهمة:

الذكاء الاصطناعي لا يستطيع إلغاء عدم اليقين الاقتصادي.

بل يساعد على إدارته بصورة أفضل.

وهذه نقطة جوهرية في التعامل مع الذكاء الاصطناعي كأداة استشارية: الهدف ليس وعد صانع القرار باليقين، وإنما تحسين جودة المعلومات التي يبني عليها قراره.

الاستثمار في الطاقة.. عندما يصبح تفسير القرار أصلًا اقتصاديًا

المستثمر لا يريد فقط معرفة أن نموذج الذكاء الاصطناعي يتوقع نجاح مشروع معين.

بل يريد معرفة:

لماذا؟

ما العوامل التي بني عليها التوقع؟

ما درجة الثقة؟

ما السيناريوهات البديلة؟

ماذا يحدث إذا تغير سعر الطاقة؟

ماذا يحدث إذا تغير الطلب؟

ماذا يحدث إذا تغيرت الظروف المناخية؟

هنا يمكن للذكاء الاصطناعي القابل للتفسير أن يدعم بناء نماذج أكثر شفافية لتقييم المخاطر والفرص.

وبالتالي يصبح التفسير نفسه قيمة اقتصادية.

لكن هناك خطرًا يجب ألا نتجاهله

كلما زاد الاعتماد على الذكاء الاصطناعي، زادت الحاجة إلى الحوكمة.

فالبيانات قد تكون منحازة.

والنماذج قد تخطئ.

والظروف المستقبلية قد تختلف عن البيانات التاريخية.

وقد يعطي النظام توصية تبدو منطقية لكنها غير مناسبة في سياق معين.

لذلك لا ينبغي أن يكون الهدف:

Automated Decision Making

بشكل مطلق.

بل:

AI-Augmented Decision Making

أي قرار يدعمه الذكاء الاصطناعي، لكن يظل الإنسان قادرًا على فهمه ومراجعته وتقييم مخاطره.

وهنا تبرز أهمية:

Human-in-the-Loop + Explainable AI + AI Governance.

نحو منظومة طاقة أكثر ذكاءً وإنسانية

الرؤية المستقبلية لا تتمثل في بناء شبكة كهرباء تستخدم الذكاء الاصطناعي فقط.

بل في بناء منظومة طاقة:

تتعلم من البيانات،
تتنبأ بالمخاطر،
تفسر قراراتها،
تتكيف مع التغيرات،
وتدعم الإنسان في اتخاذ القرار.

وهنا يصبح الذكاء الاصطناعي القابل للتفسير حلقة وصل بين التكنولوجيا وصانع القرار.

الخلاصة: الطاقة قد تكون أحد أهم ميادين اختبار الذكاء الاصطناعي المسؤول

إذا كان الذكاء الاصطناعي هو أحد محركات الاقتصاد الرقمي، فإن الطاقة هي البنية التي تسمح لهذا الاقتصاد بالعمل.

ولهذا فإن الجمع بين الذكاء الاصطناعي والطاقة يمكن أن يصبح أحد أهم محددات القدرة التنافسية للدول والشركات خلال السنوات القادمة.

لكن الميزة لن تكون لمن يستخدم أكبر عدد من خوارزميات الذكاء الاصطناعي.

الميزة ستكون لمن يستطيع بناء أنظمة:

دقيقة، قابلة للتفسير، آمنة، قابلة للمراجعة، وقادرة على دعم القرار.

ومن هنا تأتي أهمية الذكاء الاصطناعي القابل للتفسير:

لأنه لا يكتفي بأن يقول لنا «ماذا سيحدث»… بل يحاول أن يشرح «لماذا سيحدث»، وما الذي يمكن أن نفعله الآن.

وفي عالم تصبح فيه الطاقة أكثر تعقيدًا، والأسواق أكثر ترابطًا، والاقتصادات أكثر اعتمادًا على البيانات، قد لا يكون الاستثمار في Explainable AI for Energy مجرد استثمار في التكنولوجيا.

بل قد يكون استثمارًا في:

أمن الطاقة، والقدرة التنافسية، واستقرار الأسواق، وكفاءة الاقتصاد العالمي.

وهنا يتحول الذكاء الاصطناعي من أداة تقنية إلى أحد مكونات البنية التحتية الاقتصادية للمستقبل.