قدمتها التدريسية م.م. ورود رؤوف عبد الحسين في قسم الهندسة المدنية – جامعة المستقبل يشهد مجال الهندسة المدنية تطوراً ملحوظاً في توظيف تقنيات الذكاء الاصطناعي، ولا سيما في هندسة الأسس التي تُعد من أهم التخصصات المرتبطة بسلامة المنشآت واستقرارها. إذ يعتمد تصميم الأسس بصورة أساسية على معرفة خصائص التربة وقدرتها على تحمّل الأحمال، وتقدير الهبوط المتوقع، واختيار نوع الأساس وأبعاده المناسبة. وقد أسهمت تقنيات الذكاء الاصطناعي في توفير وسائل حديثة لتحليل البيانات الجيوتكنيكية والتنبؤ بسلوك التربة، مما يدعم دقة القرارات الهندسية ويحسن كفاءة التصميم. دور الذكاء الاصطناعي في تحليل خصائص التربة تُعد نتائج الفحوصات المختبرية والحقلية، مثل فحص الاختراق القياسي (SPT) وفحص الاختراق المخروطي (CPT)، من البيانات الأساسية المستخدمة في تقييم التربة وتصميم الأسس. ويمكن توظيف خوارزميات تعلم الآلة والشبكات العصبية الاصطناعية لتحليل هذه البيانات وربط خصائص التربة بسلوكها تحت تأثير الأحمال المختلفة. ويساعد ذلك في التنبؤ بقدرة تحمّل التربة وتقدير الهبوط المتوقع، فضلاً عن تحديد العوامل الأكثر تأثيراً في أداء الأساس. تطبيقات الذكاء الاصطناعي في تصميم الأسس يمكن استخدام تقنيات الذكاء الاصطناعي في التنبؤ بقدرة تحمّل التربة، وتقدير الهبوط الكلي والتفاضلي، والمساعدة في اختيار نوع الأساس المناسب، سواء كان أساساً منفرداً أو شريطياً أو لبشياً أو عميقاً. كما يمكن الاستفادة من خوارزميات التحسين في تحديد الأبعاد الأكثر كفاءة للأسس، بما يحقق متطلبات الأمان والاستقرار ويقلل من استهلاك المواد والكلفة الإنشائية. تكامل الذكاء الاصطناعي مع البرامج الهندسية أصبح من الممكن دمج نماذج الذكاء الاصطناعي مع برامج المحاكاة والتحليل الهندسي، مثل ANSYS وPLAXIS، لدراسة سلوك التربة والأسس تحت ظروف تحميل مختلفة. إذ يمكن استخدام نتائج التحليل العددي في تدريب النماذج الذكية والتحقق من أدائها، فضلاً عن دراسة تأثير الأحمال وخصائص التربة والمياه الجوفية في استقرار الأسس. ويسهم هذا التكامل في تطوير أساليب التحليل والتصميم وتحسين القدرة على تقييم الحالات الهندسية المعقدة. التحديات والاعتبارات الهندسية على الرغم من الإمكانات التي يوفرها الذكاء الاصطناعي، فإن دقة نتائجه تعتمد على جودة البيانات المستخدمة ومدى تمثيلها للظروف الجيوتكنيكية الفعلية. لذلك، يجب التحقق من النماذج الذكية ومقارنتها بنتائج الفحوصات الحقلية والتحليلات الهندسية المعتمدة. كما ينبغي التأكيد أن هذه التقنيات تمثل أدوات مساندة للمهندس، ولا يمكن أن تحل محل الفحوصات الجيوتكنيكية أو الخبرة الهندسية أو متطلبات الكودات التصميمية. الاستنتاجات والتوصيات يمثل توظيف الذكاء الاصطناعي في هندسة الأسس خطوة مهمة نحو تطوير التصميم الهندسي، لما يوفره من إمكانات في تحليل بيانات التربة والتنبؤ بقدرة تحمّلها والهبوط المتوقع وتحسين اختيار أبعاد الأسس. وتوصي المقالة بتشجيع استخدام تقنيات تعلم الآلة في الدراسات الجيوتكنيكية، وربطها بنتائج الفحوصات المختبرية والحقلية وبرامج المحاكاة الهندسية، مع ضرورة التحقق من دقة النتائج قبل اعتمادها في التصميم؛ بما يسهم في تحقيق منشآت أكثر أماناً وكفاءة واستدامة. المراجع Das, B. M., & Sivakugan, N. (2019). Principles of Foundation Engineering. Cengage Learning. Shahin, M. A., Maier, H. R., & Jaksa, M. B. (2001). Artificial Neural Network Applications in Geotechnical Engineering. Australian Geomechanics. Bowles, J. E. (1996). Foundation Analysis and Design. McGraw-Hill. Terzaghi, K., Peck, R. B., & Mesri, G. (1996). Soil Mechanics in Engineering Practice. Wiley.