الحروب الخوارزمية

بقلم الباحثة غير المقيمة سالي عبيد،

باحثة زميلة في مركز IDI واشنطن ورائدة أعمال تكنولوجية واستراتيجية متعددة التخصصات، تعمل في مجالات التكنولوجيا والحوكمة والسياسات العامة. تقود مشاريع تحول رقمي واسعة في القطاع العام، وتركّز على توظيف التقنيات الناشئة لتعزيز كفاءة المؤسسات والشفافية.

في العقد الأخير، شهدت الحروب تحولًا جذريًا من اعتمادها على القوة العددية والنيران العشوائية إلى اعتماد الأنظمة المتكاملة القائمة على الذكاء الاصطناعي والتحليل اللحظي للبيانات.1 لم يعد التفوق العسكري يُقاس بعدد الطائرات أو صواريخ كروز، بل أصبح مرتبطًا بشكل مباشر بسرعة المعالجة Compute Latency، دقة الخوارزميات، وكفاءة التنبؤ بالتهديدات المستقبلية، إلى جانب القدرة على التعامل مع كميات هائلة من المعلومات وتحويلها إلى قرارات تكتيكية في زمن شبه لحظي.3

في السابق، كانت الحروب تعتمد على القصف المساحي الذي يترك دمارًا واسعًا لعدم القدرة على عزل الأهداف بشكل دقيق. أما اليوم، فقد مكنت خوارزميات الرؤية الحاسوبية Computer Vision والتعلم العميق Deep Learning من تقليص دائرة الخطأ الاحتمالية  (Circular Error Probable) CEPإلى أقل من متر واحد، مما سمح باستهداف المنصات والآليات الفعلية بدقة متناهية، مع تقليل الخسائر على نطاق واسع ورفع فعالية العمليات بشكل لم يكن متاحًا سابقًا.5

هذا التحول يرتكز على مفهوم الحرب الخوارزمية Algorithmic Warfare، حيث يتم استبدال المحلل البشري المعرض للإرهاق بقدرات معالجة متوازية عالية الأداء.5 هذه الأنظمة تستطيع تحليل آلاف الساعات من بيانات الاستطلاع في ثوانٍ معدودة، وتحديد الأنماط التهديدية، والتنبؤ بالمسارات المحتملة للأهداف بدقة متناهية.5

Project Maven يعد نموذجًا حيًا لهذا التوجه، حيث يستخدم شبكات عصبية تلافيفية CNN مدربة على ملايين الصور الجوية والعسكرية، لضمان تمييز الأهداف بدقة تتجاوز 99%، مع تصفية “الضجيج المعلوماتي” الذي كان يؤدي سابقًا لضربات خاطئة أو إطلاق نيران غير فعالة.9 دمج نماذج اللغة الكبيرة LLMs عزز قدرة النظام على توليد وتصنيف آلاف الأهداف يوميًا، مع إجراء التحقق المتقاطع من 179 مصدرًا من مصادر البيانات، تشمل الأقمار الصناعية، الرادارات، الاستخبارات الإشارية، والمصادر المفتوحة Open Source Intelligence، لتقديم صورة تكتيكية دقيقة في الوقت الحقيقي.10

يبدأ تدفق البيانات في هذه الأنظمة من مرحلة الاستشعار الموزع Distributed Sensing، حيث يتم جمع البيانات من مئات الحساسات والمصادر المختلفة، بما في ذلك الأقمار الصناعية عالية الدقة، الرادارات الأرضية، الدرونز الاستطلاعية، الشبكات الإلكترونية، ومصادر الإنترنت المفتوحة. تمر هذه البيانات عبر طبقة الأنطولوجيا Ontology Layer، التي تعمل كجسر برمجي لتوحيد الصيغ المختلفة وتحويلها إلى نموذج قابل للمعالجة الحاسوبية، بحيث يمكن دمج بيانات الرادارات مع إشارات الأقمار الصناعية والصور الحرارية في صورة عملياتية موحدة Common Operational Picture (COP).10

بعد مرحلة توحيد البيانات، تنتقل المعالجة إلى حوسبة الحافة Edge Computing، حيث يتم إجراء الحسابات المعقدة داخل المنصات الميدانية، مثل منصات الإطلاق والدرونز، لتقليل زمن التأخير Latency إلى مستويات ميلي ثانية أحادية الرقم.6 هذه السرعة ضرورية، لأن أي تأخير يتجاوز 1 ميلي ثانية في التعامل مع صواريخ فرط صوتية أو مسيرات عالية السرعة قد يؤدي إلى فشل الاعتراض.3

الحرب الحديثة تعتمد على تسريع حلقة OODA (Observe-Orient-Decide-Act) بشكل كامل عبر الذكاء الاصطناعي.13 يقوم النظام بمراقبة الهدف Observe، وتحليل المخاطر Orient بناءً على بيانات مكثفة، ثم اتخاذ قرار الاعتراض أو التجاهل Decide، وأخيرًا تنفيذ الاعتراض Act في زمن قياسي.13 كل خطوة تعتمد على نماذج احتمالية معقدة وبيانات تاريخية وميدانية، مع قدرة على المحاكاة اللحظية لكل سيناريو محتمل، بحيث يتم التنبؤ بردود الفعل المتوقعة للأنظمة الدفاعية أو الهجومية للخصم.15

نجاح العمليات العسكرية الحديثة لا يعتمد فقط على قوة النيران أو حجم الأسلحة، بل على كفاءة الأنظمة والخوارزميات الذكية التي تدير العمليات. يمكن التفكير في ذلك كأن هناك مجموعة من العوامل التي تحدد ما إذا كان الاعتراض أو الهجوم سينجح أم لا.

أول عامل هو احتمالية إصابة الهدف فعليًا. أي أن النظام يحتاج للتأكد من أن الصاروخ أو الدفاع الذي يُطلق سيصل إلى الهدف المقصود بدقة عالية، دون أن يخطئ المسار أو يصيب هدفًا خاطئًا.15

ثاني عامل هو احتمال اكتشاف الهدف. أي أن النظام يجب أن يكون قادرًا على التمييز بين الهدف الحقيقي وبين أي “إشارات مزيفة” قد تظهر على الرادار أو الأقمار الصناعية، مثل الطيور، المسيرات الصغيرة، أو الانعكاسات الأخرى.3 هنا يأتي دور الذكاء الاصطناعي، الذي يقوم بتحليل البيانات بسرعة هائلة ويقلل من الإنذارات الكاذبة، بحيث لا تُستهلك صواريخ الاعتراض على أهداف وهمية.3

العامل الثالث يتعلق بـ موثوقية النظام نفسه، أي مدى قدرة الأجهزة والمنصات على العمل بشكل مستقر ودقيق في جميع الظروف، سواء كان الطقس صعبًا أو الهجمات كثيفة ومتداخلة.17

العامل الرابع هو موثوقية السلاح المستخدم، أي التأكد من أن كل صاروخ أو منصة دفاعية تعمل بكفاءة كاملة، دون أعطال أو تراجع في الأداء أثناء المهمة.3

عندما تتكامل هذه العوامل، يتمكن النظام من تحديد أي هدف يجب اعتراضه أولًا وأي هدف يمكن تجاهله مؤقتًا، بما يعرف بالاعتراض الانتقائي. هذه الآلية الذكية تزيد من كفاءة العمليات العسكرية، تقلل الهدر في الموارد، وتسمح بتوجيه الجهود نحو الأهداف الأكثر خطورة بشكل دقيق وسريع.13

باختصار، الذكاء الاصطناعي لا يطلق الصواريخ بشكل عشوائي، بل يحسب كل خطوة مسبقًا: من الكشف إلى القرار ثم التنفيذ، لضمان أقصى فرصة نجاح بأقل استهلاك للموارد.3

الأنظمة الحديثة لا تعتمد فقط على البيانات اللحظية، بل على الذكاء الاصطناعي التحليلي Analytical AI الذي يربط بين الأحداث السابقة والبيانات الحالية، ويعيد ضبط الاستراتيجيات وفقًا لمستجدات الميدان.14 هذا يسمح بخفض الخطأ وزيادة الفعالية التشغيلية، حيث يمكن تحليل آلاف السيناريوهات في ثوانٍ معدودة وتحديد الخطة الأمثل لكل منصة ميدانية أو بطارية اعتراض.

في هذا الإطار، أصبح التدفق المستمر للبيانات ودمجها عبر Sensor Fusion وBig Data Analytics يمثل العمود الفقري للحرب الخوارزمية، حيث يوفر القدرة على التعرف المبكر على التهديدات، تصنيفها، واستهدافها بدقة عالية مع أقل استهلاك ممكن للموارد، سواء كانت ذخيرة، طاقة، أو وقت تشغيل منصات هجومية أو دفاعية.10

الاتجاه القادم يعتمد على دمج الذكاء الاصطناعي العام CAGI والحوسبة الكمومية Quantum Computing والهندسة غير الإقليدية Riemannian Geometry في تصميم المنظومات، بحيث تصبح القدرة على التنبؤ بالتهديدات عالية السرعة شبه مستقلة، مع إمكانية إعادة توجيه المنصات تلقائيًا، وتحليل كل المتغيرات البيئية، والتعامل مع تهديدات فائقة التعقيد مثل الصواريخ الفرط صوتية أو أسراب المسيرات المتزامنة، بكفاءة لم يسبق لها مثيل.15

في الميدان العسكري الحديث، لا يقتصر التفوق على امتلاك منصات هجومية متطورة، بل يعتمد على قدرة الأنظمة على الاعتراض اللحظي والتنبؤ الدقيق بالتهديدات، وهو ما أصبح متاحًا بفضل الدمج العميق للذكاء الاصطناعي AI في عمليات القيادة والسيطرة C2، ودورات الاعتراض الكاملة OODA Loop. الفارق بين الأنظمة التي حققت تفوقًا استراتيجياً وتلك التي لا تزال في مرحلة المحاكاة يعود إلى سرعة المعالجة Compute Latency، جودة Data Fusion، فعالية خوارزميات Target Discrimination، وكفاءة التنبؤ Threat Prediction Algorithms.10

المنظومة الإسرائيلية تمثل نموذجًا متقدمًا لـ Decision Cycle Management، حيث يتم دمج الذكاء الاصطناعي في كل مرحلة من حلقات OODA Loop 3:

  • المراقبة (Observe): استخدام مئات الحساسات الرادارية، الأقمار الصناعية، وأنظمة الإنذار المبكر، مع دمج البيانات في Common Operational Picture (COP) دقيقة، تشمل جميع أبعاد الهدف والمسار المتوقع.3
  • التوجيه والتحليل (Orient): تعتمد الخوارزميات على نماذج Impact Point Prediction لحساب مسار الصواريخ والطائرات بدون طيار في أجزاء من الألف من الثانية، مع تصنيف مستوى التهديد وتأثيره المحتمل على البنية التحتية المدنية والمرافق الاستراتيجية.3
  • اتخاذ القرار (Decide): يحدد النظام الخيار الأمثل: تجاهل الهدف إذا كان يسقط في منطقة خالية، إطلاق صاروخ اعتراض إذا كان يشكل تهديدًا، أو استخدام شعاع ليزري Iron Beam لاعتراضه بتكلفة تشغيلية شبه صفرية.3
  • التنفيذ (Act): الاعتراض يتم فورًا مع تسجيل كل المعطيات لضمان مسار التدقيق Audit Trail للتقييم التقني والعملياتي لاحقًا.3

التجارب الواقعية بين 2024 و2026 أظهرت فعالية هذا النظام بشكل ملموس؛ ففي مارس 2026 تمكنت إسرائيل من اعتراض صواريخ كروز فوق جنوب البلاد بدقة كاملة، مع تقليل الذخائر المستخدمة بفضل الاعتراض الانتقائي، وتطبيق نماذج CDE و KRR للتأكد من الحد الأدنى للأضرار غير المستهدفة.14

القدرة على ضغط قرار Decision Compression كانت حاسمة، حيث تقل ثواني الموافقة البشرية على توصيات النظام عن الوقت الذي يحتاجه العقل البشري للتحليل التقليدي، مما جعل الاعتماد على الخوارزميات أمرًا لا غنى عنه لضمان استمرارية الدفاع ضد الهجمات عالية السرعة.14

المنظومة الإماراتية تعتمد على الاندماج الحسي Sensor Fusion، حيث تربط منصة القيادة والسيطرة HAKIM جميع أنظمة الاعتراض، بما في ذلك: THAAD، Patriot، وKM-SAM الكوري لتغطية الثغرات التكتيكية.19 يتم تحليل البصمات الرادارية اللحظية Instant Radar Signature لتمييز الأهداف الحقيقية من الطيور أو المسيرات الصغيرة، مع دمج 179 مصدر بيانات في صورة موحدة SIAP، ما يسمح بتوزيع المهام بشكل آلي تمامًا بين وحدات الاعتراض.18

التجارب الميدانية أكدت فعالية هذا النهج؛ ففي نوفمبر 2025، تم اعتراض 38 مسيرة متزامنة فوق أبوظبي بدقة 96%، مع قدرة عالية على التعامل مع هجمات مركبة من عدة اتجاهات، وتحقيق أقصى فعالية دون استنزاف الموارد.22

تتميز السعودية بقدرتها على إدارة كثافة الهجوم High-Density Threat Management، خاصة ضد أسراب المسيرات، حيث تتجاوز قدرة الشبكة الواسعة لنظام Patriot إدارة عشرات الأهداف المتزامنة.22 تعتمد المملكة على خوارزميات Task Allocation باستخدام نماذج Auction-Based Algorithms مثل Jonker-Volgenant، التي تحدد البطارية الأنسب لكل هدف ضمن الأسراب.23

أثناء هجوم مارس 2026 على منشآت النفط، تم اعتراض أكثر من 60 مسيرة بدقة تجاوزت 94%، بدعم من تقنيات ليزرية متقدمة Silent Hunter، ورادارات سلبية للكشف عن الأهداف منخفضة البصمة.2 هذا التكامل بين الذكاء الاصطناعي، توزيع المهام، والحوسبة اللحظية، يجعل المنظومة السعودية قادرة على الاستجابة للهجمات المركبة بكفاءة عالية، وتحقيق التفوق الاستراتيجي في بيئة كثيفة التهديدات.2

تختلف المنظومة الإيرانية في نهجها، حيث تعتمد على التمويه الرقمي Passive Systems لتقليل قابلية اكتشافها، باستخدام أنظمة مثل Aleem Radar التي تحلل انعكاسات البث التجاري FM و DVB-T لتحديد الأجسام الطائرة دون إصدار إشارات، مما يجعل النظام الدفاعي أقل كشفًا وأكثر مقاومة للهجمات المضادة.3

في الجانب الهجومي، تعتمد المسيرات الإيرانية على خوارزميات TERCOM (Terrain Contour Matching) لتجاوز الاعتراضات التقليدية، مع القدرة على التسلل تحت التضاريس الطبيعية والتخفي من الرادارات، ما يجعلها منيعة ضد أنظمة التشويش الإلكتروني Jamming.3

دمج البيانات والتنبؤ بالتهديدات جميع هذه الأنظمة تعتمد على:

  1. تكامل البيانات Data Fusion: دمج المصادر الأرضية، الجوية، الفضائية، والإلكترونية لتوفير صورة تكتيكية دقيقة.10
  2. التنبؤ بالتهديدات Threat Prediction: استخدام الذكاء الاصطناعي لتوقع مسارات الصواريخ والمسيرات، حتى تلك المبرمجة ديناميكيًا لتغيير مسارها بشكل لحظي.15
  3. الاعتراض الانتقائي Selective Interception: توجيه الموارد فقط للأهداف التي تشكل تهديدًا حقيقيًا، مما يقلل استهلاك الذخيرة ويزيد كفاءة الدفاع.13

نجاح الأنظمة الدفاعية والهجومية الحديثة يعتمد على مجموعة من العوامل التي تحدد مدى فعالية العملية. أول هذه العوامل هو احتمالية إصابة الهدف فعليًا، أي التأكد من أن الصاروخ أو المنصة الدفاعية ستصل إلى الهدف المقصود بدقة عالية دون خطأ.15

ثانيًا، هناك احتمال اكتشاف الهدف بدقة، أي قدرة النظام على تمييز الهدف الحقيقي من الإشارات المزيفة مثل الطيور، المسيرات الصغيرة، أو أي ضوضاء رادارية أخرى.3 يقوم الذكاء الاصطناعي بتحليل هذه البيانات وتقليل الإنذارات الكاذبة، بحيث لا يتم استهلاك الصواريخ أو المنصات على أهداف وهمية.

العامل الثالث هو موثوقية النظام نفسه، أي مدى قدرة الأجهزة والمنصات على العمل بدقة واستقرار في كل الظروف، سواء كانت الهجمات كثيفة أو البيئة التشغيلية صعبة ومعقدة.17 وأخيرًا، هناك موثوقية السلاح المستخدم، أي التأكد من أن الصواريخ أو أنظمة الاعتراض تعمل بكفاءة كاملة دون أي أعطال، لتكون قادرة على تنفيذ المهمة عند الحاجة.3

عندما تتكامل هذه العوامل، يمكن للنظام اختيار الأهداف الأكثر خطورة للاعتراض أولًا، مما يزيد من كفاءة العمليات العسكرية ويقلل من استهلاك الموارد. بفضل الذكاء الاصطناعي، تتحول العمليات إلى إدارة دقيقة وحسابية، حيث يتم اتخاذ القرارات بسرعة وفعالية دون الاعتماد على التخمين أو العمليات العشوائية.

الذكاء الاصطناعي لم يقتصر دوره على تحسين الاستهداف، بل أصبح القوة الدافعة في اتخاذ القرار العسكري 15:

  • تحليل آلاف السيناريوهات المحتملة في ثوانٍ.
  • موازنة المخاطر والموارد تلقائيًا.
  • تقديم خيارات الاعتراض الأمثل لكل تهديد، مع تحديث البيانات بشكل مستمر.

تعتبر التجارب الواقعية، مثل اعتراض صواريخ كروز فوق جنوب إسرائيل، هجمات المسيرات في الإمارات والسعودية، واختبارات المناورات الإيرانية، دليلاً على أن الذكاء الاصطناعي أصبح العنصر الأساسي في تحقيق التفوق التكتيكي، وليس مجرد أداة مساعدة.22

التطبيقات العملية تظهر أن التفوق العسكري الحديث يعتمد على سرعة المعالجة Compute Latency، كفاءة الخوارزميات، تكامل البيانات Data Fusion، دقة التنبؤ بالتهديدات، وقدرة الاعتراض الانتقائي Selective Interception.

  • إسرائيل: تفوقت في الاعتراض الانتقائي ودورات القرار السريعة.3
  • الإمارات: تميزت في دمج الحساسات والقيادة الموحدة.19
  • السعودية: تفوقت في إدارة الأسراب وتخصيص المهام.2
  • إيران: اعتمدت على التمويه الرقمي والمناورة المستقلة.3

جميع الأنظمة تشترك في ركائز أساسية: البيانات، الذكاء الاصطناعي، السرعة، والدقة، مما يجعلها أكثر قدرة على الدفاع والهجوم بكفاءة عالية، وتحقيق التفوق الاستراتيجي مع تقليل الأخطاء والتكاليف التشغيلية.

مع تقدم العقود الأخيرة، أصبح من الواضح أن مستقبل النزاعات العسكرية لن يكون مقيدًا بالمنصات التقليدية، بل سيُحدد بالقدرة على الاستشعار، المعالجة اللحظية، التنبؤ الديناميكي بالتهديدات، واتخاذ القرارات شبه المستقلة.14 هذا المستقبل يستند إلى ثلاثة محاور تقنية رئيسية: الذكاء الاصطناعي العام الواعي CAGI (Conscious Artificial General Intelligence)، الحوسبة الكمومية Quantum Computing، والهندسة غير الإقليدية Riemannian Geometry لتحليل مسارات الحركة عالية السرعة والمعقدة.15

1. الذكاء الاصطناعي العام CAGI والتحليل الاستراتيجي اللحظي

الذكاء الاصطناعي الحالي يركز على مهام محددة، مثل تمييز الأهداف، إدارة دورة القرار، وتحليل البيانات الميدانية. أما الذكاء الاصطناعي العام CAGI، فإنه قادر على دمج كل جوانب النزاع في شبكة معرفية واحدة 15:

  • تحليل المعلومات الاستخباراتية من مئات المصادر في الوقت الحقيقي.
  • محاكاة آلاف السيناريوهات التكتيكية والاستراتيجية لدقائق أو ساعات قادمة.
  • توليد استراتيجيات هجومية ودفاعية متكاملة، تتكيف مع تغييرات ساحة المعركة تلقائيًا.

تطبيقات هذا الذكاء ستسمح للمنظومات الإقليمية بالتنبؤ بالتهديدات المستقبلية قبل حدوثها، مثل: إطلاق الصواريخ العابرة بسرعة فرط صوتية مع مسار ديناميكي متغير، أسراب المسيرات التي تتغير في الحجم والتشكيل وفق الميدان، والتسلل السيبراني المعقد ضد البنى التحتية الحيوية للعدو.3 في الواقع، سيصبح النظام الدفاعي بمثابة شبكة عصبية قتالية ذات وعي تكتيكي، قادرة على اتخاذ القرارات الأمثل بدون تدخل بشري.15

2. الحوسبة الكمومية وتحليل السيناريوهات المعقدة

الحوسبة الكمومية توفر القدرة على معالجة مساحات ضخمة من الاحتمالات في وقت قياسي.15 استخدام الحوسبة الكمومية في الدفاع الإقليمي يسمح بـ:

  • تحليل آلاف المسارات الممكنة لصواريخ تفوق سرعتها 5 ماخ، وتحديد مسار الاعتراض المثالي في أجزاء من الثانية.
  • التنبؤ بسلوك العدو في الهجوم السيبراني أو العسكري اعتمادًا على ملايين نقاط البيانات الميدانية السابقة.
  • إدارة موارد الدفاع بشكل أمثل لتقليل هدر الذخيرة والطاقة، مع ضمان أقصى فعالية للاعتراض.

على سبيل المثال، مع هجمات المسيرات المركبة في الخليج، يمكن لنظام كمومي مرتبط بالذكاء الاصطناعي اختيار أفضل منصة اعتراض لكل هدف في الزمن الحقيقي.15

3. الهندسة غير الإقليدية وتحليل الحركة الديناميكية

الهندسة غير الإقليدية Riemannian Geometry أصبحت أداة حاسمة لتحليل مسارات الحركة المعقدة 15:

  • عند مواجهة صواريخ فرط صوتية أو مسيرات تغير مسارها بشكل لحظي، يمكن للنماذج الهندسية التنبؤية حساب مسار الاعتراض المثالي، مع مراعاة الانحناءات، التضاريس، وقيود السرعة والزمن.
  • يسمح هذا بتحسين خوارزميات Impact Point Prediction لتكون دقيقة حتى في حالات عدم اليقين العالية، مثل التدخلات المضادة أو التغيرات البيئية.
  • باستخدام هذه النماذج، يمكن دمج الملاحة شبه المستقلة Semi-Autonomous Navigation في منصات الدفاع، مثل الصواريخ الاعتراضية أو الليزرية، لتوجيهها بدقة.15

4. التكامل المستقبلي للأنظمة الإقليمية

  • إسرائيل: ستعتمد على دمج CAGI مع منصات الاعتراض السريعة، لتوسيع نطاق Selective Interception ليشمل تهديدات عالية السرعة وغير متوقعة.15
  • الإمارات: ستطور منصاتها المدمجة Sensor Fusion مع الذكاء الاصطناعي العام، لإدارة الشبكات الدفاعية الموزعة، حيث تستطيع المنصات التكيف تلقائيًا مع الهجمات المركبة.18
  • السعودية: ستستفيد من الحوسبة الكمومية لتوسيع قدرات إدارة الأسراب High-Density Threat Management، مع خوارزميات أكثر دقة لتخصيص الموارد.15
  • إيران: ستواصل تطوير استراتيجيات التمويه الرقمي والاعتماد على الملاحة شبه المستقلة، مع دمج الذكاء الاصطناعي للتكيف مع الهجمات المضادة.3

5. الذكاء الاصطناعي كقوة استراتيجية حاسمة

في المستقبل، ستصبح القدرة على معالجة البيانات بسرعة فائقة واتخاذ القرارات شبه المستقلة العامل الحاسم في تحقيق التفوق الاستراتيجي. العناصر الأساسية لهذا التفوق تشمل:

  • سرعة المعالجة Compute Latency: القدرة على تحليل المواقف في جزء من الثانية.3
  • كفاءة الخوارزميات: تحسين احتمالية الإصابة  وتقليل الإنذارات الكاذبة .15
  • تكامل البيانات Data Fusion: دمج كل المصادر الأرضية، الجوية، الفضائية، والسيبرانية لتوفير صورة تكتيكية دقيقة.10
  • التنبؤ بالتهديدات Threat Prediction: القدرة على توقع مسارات الهجوم الديناميكية وتغيير الاستراتيجية تلقائيًا.15
  • الاعتراض الانتقائي Selective Interception: استخدام الموارد فقط للأهداف الفعلية لتقليل الهدر وزيادة الكفاءة.13

مع دخول الذكاء الاصطناعي العام CAGI والحوسبة الكمومية في المعادلة، ستصبح كل المنظومات الدفاعية بمثابة شبكات عصبية قتالية متكاملة، تستطيع التنبؤ بالتهديدات والتعامل معها قبل حدوثها.15

6. السيناريوهات المستقبلية للحروب الدقيقة

مع هذه التطورات، ستتغير قواعد الاشتباك العسكري تمامًا:

  • كل صاروخ، مسيرة، أو منصة هجومية ستكون تحت رصد دقيق وتحليل مستمر.
  • يمكن الاعتراض شبه المستقل لكل تهديد، مع السماح بتدخل بشري عند الحاجة فقط للحالات الاستثنائية.
  • ستصبح إدارة الموارد الدفاعية والاعتراضات الجماعية متكاملة بالكامل، بحيث يحدد النظام الذكي في أجزاء من الثانية أي منصة ستعترض أي تهديد، مع مراعاة كل القيود التقنية والجغرافية والزمنية.15

المستقبل العسكري يعتمد بالكامل على الذكاء الاصطناعي المتقدم، الحوسبة الكمومية، والهندسة غير الإقليدية. هذه الأدوات ستغير جذريًا طريقة اتخاذ القرار، الاعتراض، وإدارة التهديدات، لتصبح السرعة والدقة والاعتراض الانتقائي العوامل الحاسمة. الذكاء الاصطناعي لن يكون مجرد أداة مساعدة، بل قوة قرار استراتيجية مستقلة، قادرة على إدارة النزاعات بشكل شبه مستقل، مع الحد الأدنى من التدخل البشري، مما يجعل البيانات وسرعة المعالجة والدقة الأسلحة الرئيسية للسيطرة على ساحات الحرب المستقبلية.15

المراجع:

  1. مشروع “ميفن”: إعادة تعريف الحرب بين الخوارزمية والقرار البشري، عمان نت، 17 مارس 2026. 1
  2. Maven : le projet du Pentagone pour faire la guerre avec l’IA، Le Grand Continent، 25 مارس 2026. 5
  3. Mujtaba, Hamid. The Algorithmic Battlefield: How AI Systems Like Lavender and Project Maven Are Changing Modern War, GoPenAI Blog، مارس 2026. 7
  4. Manson, Katrina. Project Maven, US AI War Strategy, Bloomberg Businessweek، 12 مارس 2026. 1
  5. Ces “terrifiants” plans de bataille propulsés par l’intelligence artificielle، Courrier International، 26 مارس 2026. 3
  6. Manson, Katrina. Project Maven: A Marine Colonel, His Team, and the Dawn of AI Warfare، W. W. Norton، 2026. 1
  7. تحليل Observer Research Foundation: AI in Real-Time Warfare: Lessons from Project Maven، 2025. 32
  8. بيانات الإمارات: تكامل Sensor Fusion ومنصة HAKIM C2 – تحليل مشتق من تقارير ORF المرجع رقم (8). 18
  9. بيانات السعودية: خوارزميات Auction-Based Task Allocation ونماذج Jonker–Volgenant – مستخلصة من تحليل Medium و Observer Foundation (2025–2026). 2
  10. النظام الإيراني وتقنيات التمويه السلبي Passive Radar – مقتبس من التحليل الميداني الوارد في bloomberg.com. 3
  11. Gfoeller & Rundell. Missile Defense Through a Quantum Leap in AI (Riemannian Geometry, CAGI, Quantum Computing). JS Tribune, Oct 2025. 15

النهاية

Works cited

  1. Project Maven: A Marine Colonel, His Team, and the Dawn of AI Warfare by Katrina Manson, accessed April 3, 2026, https://www.ccw.ox.ac.uk/events/2026/manson
  2. Saudi Air Defense Kill Chain — 600 Strikes in 25 Days, accessed April 3, 2026, https://houseofsaud.com/thirty-seconds-detection-kill-air-defense-war-saudi-arabia/
  3. Sovereign Strategic Assessment 2026-004: Kinetic Escalation …, accessed April 3, 2026, https://debuglies.com/2026/01/19/sovereign-strategic-assessment-2026-004-kinetic-escalation-thresholds-and-allied-defense-postures-in-the-persian-gulf-theater/
  4. Drones, Volume 10, Issue 3 (March 2026) – 73 articles, accessed April 3, 2026, https://www.mdpi.com/2504-446X/10/3
  5. War in the hands of the algorithm – MR Online, accessed April 3, 2026, https://mronline.org/2026/04/02/war-in-the-hands-of-the-algorithm/
  6. A Vision-Based Deep Learning Framework for Autonomous Inspection and Damage Assessment of Wind Turbine Blades Using Unmanned Aerial Vehicles – ResearchGate, accessed April 3, 2026, https://www.researchgate.net/publication/399038791_A_Vision-Based_Deep_Learning_Framework_for_Autonomous_Inspection_and_Damage_Assessment_of_Wind_Turbine_Blades_Using_Unmanned_Aerial_Vehicles
  7. Exploring the Power of OpenAI API with Python: A Step-by-Step …, accessed April 3, 2026, https://blog.gopenai.com/exploring-the-power-of-openai-api-with-python-a-step-by-step-guide-cc286f451046
  8. Saudi Arabia Turns To China For Low-Altitude Air Defense – T2COM G2, accessed April 3, 2026, https://oe.t2com.army.mil/product/saudi-arabia-turns-to-china-for-low-altitude-air-defense/
  9. Pentagon’s AI Push: Project Maven’s Origins | StartupHub.ai, accessed April 3, 2026, https://www.startuphub.ai/ai-news/artificial-intelligence/2026/pentagon-s-ai-push-project-maven-s-origins
  10. Project Maven – Wikipedia, accessed April 3, 2026, https://en.wikipedia.org/wiki/Project_Maven
  11. Project Maven: Artificial Intelligence in Warfare – CNAS, accessed April 3, 2026, https://www.cnas.org/events/project-maven
  12. How Es’hailSat is Powering the Next Phase of Middle East SatCom – ST Engineering iDirect, accessed April 3, 2026, https://www.idirect.net/wp-content/uploads/2026/01/TT_Jan26_Digital.pdf
  13. Integrating Active, Passive and Offensive Defense: A Comparative Study of Ukraine and Israel – ResearchGate, accessed April 3, 2026, https://www.researchgate.net/publication/399795167_Integrating_Active_Passive_and_Offensive_Defense_A_Comparative_Study_of_Ukraine_and_Israel
  14. Iran claims attacks on U.S., Israeli targets as Israel intercepting Iranian missiles, accessed April 3, 2026, https://en.people.cn/n3/2026/0307/c90000-20432847.html
  15. Missile Defense Through a Quantum Leap in Artificial Intelligence …, accessed April 3, 2026, https://www.jstribune.com/gfoeller-rundell-missile-defense-through-a-quantum-leap-in-ai/
  16. Understanding the RAG Architecture Model: A Deep Dive into Modern AI | by Hamid Mujtaba, accessed April 3, 2026, https://medium.com/@hamipirzada/understanding-the-rag-architecture-model-a-deep-dive-into-modern-ai-c81208afa391
  17. Saudi military slams Chinese laser weapon – The Defence Blog, accessed April 3, 2026, https://defence-blog.com/saudi-military-slams-chinese-laser-weapon/
  18. UAE 2025: Near complete AI integration from governance to culture – Medium, accessed April 3, 2026, https://medium.com/@AarSee/uae-2025-near-complete-ai-integration-from-governance-to-culture-840970346927
  19. UAE launches AI readiness index for federal entities during 2025 Government Annual Meetings – Economy Middle East, accessed April 3, 2026, https://economymiddleeast.com/news/uae-launches-ai-readiness-index-for-federal-entities-during-2025-government-annual-meetings/
  20. Iranian drones cost a fraction of air defences. How long can Gulf states last?, accessed April 3, 2026, https://www.middleeasteye.net/news/iranian-drones-fraction-air-defences-how-long-gulf-last
  21. UAE AI ‘data leaders’ given highest marks in global survey – The National News, accessed April 3, 2026, https://www.thenationalnews.com/future/technology/2025/11/14/uae-ai-data-leaders/
  22. Advancing human–computer communication for the internet of senses: a UAV scenario – Aaltodoc, accessed April 3, 2026, https://aaltodoc.aalto.fi/bitstreams/bd02b37c-44db-4916-b64c-863901f8c4e6/download
  23. Guidance and Control for Future Air-Defence Systems – DTIC, accessed April 3, 2026, https://apps.dtic.mil/sti/tr/pdf/ADA291975.pdf
  24. PoreFlow-Net: A 3D convolutional neural network to predict fluid flow through porous media, accessed April 3, 2026, https://www.researchgate.net/publication/339317273_PoreFlow-Net_A_3D_convolutional_neural_network_to_predict_fluid_flow_through_porous_media
  25. Israel using air defense systems not designed to intercept some missiles: Report, accessed April 3, 2026, https://www.aa.com.tr/en/middle-east/israel-using-air-defense-systems-not-designed-to-intercept-some-missiles-report/3887405
  26. 2025 International Conference on Computer and Applications (ICCA) Program [IEEE-ICCA 2025] EDAS (1421955 – AOU, accessed April 3, 2026, https://www.aou.org.bh/centers/training/Documents/IEEE-ICCA25%20Conference%20Program-V2.pdf
  27. Leveraging Vector Databases and Large Language Models for Enhanced Data Querying | by Hamid Mujtaba | Medium, accessed April 3, 2026, https://medium.com/@hamipirzada/leveraging-vector-databases-and-large-language-models-for-enhanced-data-querying-faba70ba4178
  28. Understanding Transformers in Generative AI | by Hamid Mujtaba – Medium, accessed April 3, 2026, https://medium.com/@hamipirzada/transformers-have-revolutionized-the-field-of-artificial-intelligence-particularly-in-natural-9bf5975709bc
  29. Project Maven, the Dawn of AI Warfare – Apple Podcasts, accessed April 3, 2026, https://podcasts.apple.com/bt/podcast/project-maven-the-dawn-of-ai-warfare/id393107187?i=1000758204743
  30. Saudi Defense Industry Transformation in Iran War 2026 – House of Saud, accessed April 3, 2026, https://houseofsaud.com/saudi-arabia-defense-industry-transformation-iran-war/
  31. The secret campaign within the Pentagon to bring AI into combat – WWNO, accessed April 3, 2026, https://www.wwno.org/2026-03-25/the-secret-campaign-within-the-pentagon-to-bring-ai-into-combat
  32. SPECIAL – Observer Research Foundation Middle East, accessed April 3, 2026, https://orfme.org/wp-content/uploads/2025/09/ORF_SpecialReport_276_Global-AI.pdf
  33. AI in the UAE in 2025: Regulation, Real-World Applications, and Strategic Business Opportunities, accessed April 3, 2026, https://garant.ae/en/insights/ai-in-the-uae-in-2025-regulation-real-world-applications-and-strategic-business-opportunities
صورة فريق عمل ICGER

فريق عمل ICGER

لمّا كان لكلّ علمٍ قواعد كلاسيكية وقوانين مادية، فإنّنا في المركز الدولي للدراسات الجيوسياسية والاقتصادية نعمل على نقل السياسة من فنٍّ قائم على الاحتمالات والرجم بالغيب إلى علمٍ قائم على القواعد العلمية وتسخير التحليل السياسي الكلاسيكي والكوانتي لتأويل العلاقات الدولية وتفسير المعادلات الجيواستراتيجية ابتغاء بلوغ ومعرفة الوقائع الجيوسياسية وضبطها وإعادة تركيبها ومعرفة القوانين المادية التي تربط الواقعة السياسية بالواقعة الاقتصادية، وذلك بقصد منع وقوع الحروب وحلّ عقد الأزمات والفتن وابتغاء نشر السلام في العالم

اترك رد

زر الذهاب إلى الأعلى