كيف يعمل بحث الذكاء الاصطناعي

الخلاصة — يجمع بحث الذكاء الاصطناعي عادةً بين نظام بحث ونموذج لغوي. يبحث جانب البحث عن المصادر المفيدة ويرتبها، بينما يقرأ جانب النموذج مجموعة محدودة من المواد المسترجعة ويكتب إجابة. تقسم بعض الأنظمة السؤال الصعب إلى عمليات بحث أصغر، وتمزج بين الاسترجاع بالكلمات المفتاحية والاسترجاع القائم على المعنى، وتعيد ترتيب المرشحين، وتعرض الاقتباسات. ويمكن لهذه العملية تحسين الحداثة وإمكانية التتبع، لكنها قد تظل تفوّت مصدرًا، أو تسيء فهم الدليل، أو تكتب ادعاءً غير مدعوم.

أقصر شرح مفيد

يعرض بحث الويب التقليدي عادةً مجموعة نتائج مرتبة. ويمكن لبحث الذكاء الاصطناعي أن يضيف طبقة أخرى: استرجاع الأدلة واستخدام نموذج توليدي لصياغة إجابة مباشرة.

يبدو خط الأنابيب العام القابل للدفاع عنه كما يلي:

1. اكتشاف المصادر أو استلامها؛
2. تحليل محتواها وفهرسته وتمثيله؛
3. فهم سؤال المستخدم؛
4. تقسيمه اختياريًا إلى أسئلة فرعية؛
5. استرجاع المستندات أو المقاطع المرشحة؛
6. ترتيب المرشحين وإعادة ترتيبهم؛
7. وضع الأدلة المختارة في سياق النموذج؛
8. توليد إجابة مقيّدة بذلك السياق وقواعد المنتج؛
9. إرفاق الروابط الداعمة أو الاقتباسات؛
10. تقييم الجودة والسلامة والحداثة وعدم اليقين.

يمكن للمنتجات إضافة أدوات، وخلاصات تجارة، ورسومًا بيانية للمعرفة، وقواعد بيانات، وملفات المستخدمين، وموقعًا جغرافيًا، وسجل المحادثة، أو إدخالًا حيًا من الكاميرا. ويمكنها أيضًا تخطي المراحل أو دمجها. وخط الأنابيب نموذج ذهني، وليس ادعاءً بأن Google أو ChatGPT أو Copilot أو Perplexity أو أي منتج آخر يستخدم آليات داخلية متطابقة.

1. اكتشاف المصادر والزحف

لا تستطيع إجابة الذكاء الاصطناعي الاسترجاع إلا من المصادر التي يستطيع النظام الوصول إليها. وقد تدخل المصادر عبر:

• زواحف الويب التي تتبع الروابط وملفات خرائط المواقع؛
• فهرس الويب الموجود لدى موفّر البحث؛
• مجموعات بيانات مرخّصة أو مقدّمة من شركاء؛
• كتالوجات المنتجات والخلاصات المهيكلة؛
• قواعد البيانات وقواعد المعرفة من الجهة الأولى؛
• الملفات التي يحمّلها المستخدم؛
• أدوات تجلب صفحة وقت الطلب.

تصف وثائق Google الحالية عن كيفية عمل البحث أساس بحث الويب بأنه الزحف والفهرسة والعرض. وتصف وثائق البحث على الويب من OpenAI أداة بحث يمكنها جلب معلومات الويب والمصادر المقتبس منها إلى إجابة النموذج. وهذه أمثلة على منتجات، وليست دليلًا على وجود زاحف شامل أو فهرس مشترك.

للتعمق: تشرح زواحف الذكاء الاصطناعي أغراض الزواحف وضوابطها؛ وتشرح تحليل سجلات زواحف الذكاء الاصطناعي ما الذي يمكن لطلب موثّق أن يثبته وما لا يمكنه إثباته.

2. الفهرسة والمقاطع وتمثيلات المعرفة

تُحلَّل المواد التي جُلبت وتُخزّن حتى يمكن البحث فيها بكفاءة. وقد يحتفظ النظام بعدة تمثيلات:

• فهرس معكوس للكلمات والحقول؛
• مقاطع أو أجزاء للاسترجاع المركّز؛
• متجهات تنتجها نماذج التضمين؛
• حقائق وكيانات وعلاقات وبيانات وصفية مهيكلة؛
• إشارات الحداثة واللغة والموقع والسياسة والوصول والجودة؛
• روابط تعود إلى المصدر الأصلي وموضعه.

يهم حجم المقطع وحدوده لأن المسترجع قد لا يسلّم المولّد مستندًا كاملًا أبدًا. وقد يصعب استرجاع إجابة واضحة مدفونة عبر أقسام غير مترابطة كوحدة واحدة متماسكة.

للتعمق: التقسيم إلى مقاطع، والتضمينات، والرموز ونوافذ السياق.

3. فهم الاستعلام والتفرّع

يفسّر النظام الطلب والمحادثة واللغة والموقع والقيود. وقد يعيد كتابة الاستعلام، أو يحدد الكيانات، أو يفكك مهمة معقدة إلى عدة أسئلة للاسترجاع.

تقول Google صراحةً إن AI Overviews وAI Mode قد يستخدمان تفرّع الاستعلام، بإجراء عمليات بحث متعددة ومترابطة عبر موضوعات فرعية ومصادر بيانات. وهذا سلوك موثّق من Google، وليس دليلًا على أن كل منتج للبحث بالذكاء الاصطناعي يفرّع كل استعلام أو يستخدم عددًا ثابتًا من الاستعلامات الفرعية.

للتعمق: تفرّع الاستعلام والبحث الدلالي.

4. الاسترجاع: لفظي أو متجهي أو هجين

الاسترجاع هو المرحلة التي تهدف إلى استدعاء نطاق واسع من النتائج لتكوين مجموعة مرشحين يمكن إدارتها.

• الاسترجاع اللفظي يكافئ الكلمات الدقيقة وأنماط المصطلحات. وهو مفيد للأسماء والرموز والاقتباسات والمصطلحات الدقيقة.
• الاسترجاع المتجهي يقارن تمثيلات التضمين ويمكنه العثور على تشابه دلالي عندما تختلف الصياغة.
• الاسترجاع الهجين يشغّل الطريقتين ويدمج قائمتَي النتائج.

تقدم وثائق البحث الهجين الحالية من Microsoft مثالًا ملموسًا على التنفيذ: تُنفَّذ استعلامات النص والمتجه معًا ثم تُدمج نتائجها. وتجد الأبحاث أيضًا أن الاسترجاع اللفظي والدلالي قد ينتجان مجموعات مرشحين متكاملة، لكن مقدار المكسب يعتمد على المجموعة والاستعلامات والنماذج والتقييم.

للتعمق: البحث المتجهي والبحث الهجين.

5. الترتيب وإعادة الترتيب

يركز الاسترجاع على الاستدعاء: العثور على عدد كافٍ من المرشحين المعقولين. ويركز الترتيب وإعادة الترتيب على الدقة: وضع المرشحين الأكثر فائدة لهذا السؤال قرب المقدمة.

قد يقوم النظام بما يلي:

• تسجيل الصلة اللفظية؛
• تسجيل التشابه المتجهي؛
• دمج قوائم نتائج متعددة؛
• تطبيق مرشحات الحداثة واللغة والجغرافيا والسلطة والسلامة والوصول؛
• استخدام نموذج دلالي أعلى كلفة على المرشحين الأوائل فقط؛
• اختيار مقاطع متنوعة تغطي أجزاء مختلفة من المهمة.

توضح وثائق المصنّف الدلالي من Microsoft النمط بوضوح: تُمرَّر مجموعة نتائج أولية إلى مرحلة أغلى لفهم اللغة وإعادة التسجيل. وحدود ذلك المنتج ودرجاته ليست ثوابت عامة لبحث الذكاء الاصطناعي.

للتعمق: إعادة الترتيب وترتيب المقاطع.

6. الإسناد وRAG

توضع المقاطع أو البيانات أو مخرجات الأدوات المختارة في السياق المتاح للنموذج. ثم يولّد النموذج إجابة باستخدام ذلك الدليل، إلى جانب تعليماته وأي معرفة داخلية مسموح بها.

يُسمّى هذا النمط عادةً التوليد المعزّز بالاسترجاع (RAG). وقد وصفت ورقة RAG الأصلية الجمع بين الذاكرة البارامترية للنموذج والذاكرة غير البارامترية المسترجعة. ويغطي «RAG» في الإنتاج تصميمات كثيرة، من بحث متجهي واحد إلى بحث متعدد المراحل وإعادة ترتيب وأدوات واسترجاع تكراري.

ينبغي أن يعني المسنَد بالأدلة أن الإجابة مقيّدة بأدلة محددة. ولا ينبغي استخدامه مرادفًا لعبارة «مضمون الصحة». فقد يفوّت المسترجع أفضل مصدر، أو يكون المصدر خاطئًا أو قديمًا، أو يسيء المولّد صياغة ما تلقاه.

للتعمق: الإسناد بالأدلة وRAG.

7. توليد الإجابة والاقتباسات

يصوغ النموذج استجابة مناسبة للواجهة: نثرًا أو خطوات أو جدولًا أو روابط أو صورًا أو بطاقة منتج أو تخطيطًا مولّدًا آخر. ثم تربط طبقة الاقتباس الادعاءات أو المقاطع بالمصادر التي اختارها المنتج.

أبقِ ثلاثة أسئلة منفصلة:

1. هل استُرجع المصدر؟ قد يكون حدث جلب أو اختيار لمرشح.
2. هل أثّر المصدر في الإجابة؟ قد لا يكون السياق المتاح ومسار التوليد قابلين للملاحظة.
3. هل يدعم الاقتباس المعروض الادعاء المرفق؟ يتطلب ذلك فحص المصدر مقابل العبارة الدقيقة.

وجدت أبحاث قابلية التحقق في البحث التوليدي مشكلات في اكتمال الاقتباسات ودعمها في المنتجات والعينة التي درستها من عام 2023. تعامل مع هذه النتائج كتدقيق مؤرَّخ، لا كمعدل خطأ دائم لأنظمة اليوم.

للتعمق: اقتباسات الذكاء الاصطناعي والمسترجَع والمذكور والمقتبس منه.

8. الحداثة وحدود المعرفة

حداثة المعلومات حصيلة سلسلة من المراحل، وليست مفتاح تشغيل. وقد يحد من الإجابة ما يلي:

• وقت تغيّر المصدر الأصلي؛
• وقت جلب زاحف أو موصّل له؛
• وقت تحديث الفهرس أو التمثيل المتجهي؛
• ما إذا كان الاسترجاع قد جرى لهذا الطلب؛
• ذاكرات التخزين المؤقت وجداول تحديث المنتج؛
• حدّ المعرفة البارامترية للنموذج؛
• ما إذا اختار النموذج الدليل الحديث بدل الأنماط الأقدم.

يمكن للاسترجاع إتاحة أدلة أحدث من دون إعادة تدريب النموذج اللغوي، لكنه لا يضمن اكتشاف المصدر الأحدث أو فهرسته أو استرجاعه أو استخدامه. تحقّق دائمًا من التواريخ والأدلة الأولية للقرارات الحساسة زمنيًا.

للتعمق: حداثة المحتوى وحدود المعرفة.

9. البحث متعدد الوسائط

لا يجب أن يكون الاستعلام والدليل نصّيين. يمكن للأنظمة قبول الصور أو الصوت أو الفيديو أو إدخال الكاميرا أو مجموعات من الوسائط والنصوص واسترجاعها. وقد تنشئ تمثيلات نصية وبصرية، وتتعرف إلى الأجسام أو المشاهد، وتفرّع الاستعلامات، وتولّد استجابة مختلطة التنسيق.

تصف إعلانات Google الرسمية عن AI Mode متعدد الوسائط استخدام Lens وGemini لفهم صورة، وتحديد مكوناتها، وإجراء عمليات بحث متعددة مترابطة. وهذا يصف تنفيذًا وإطلاقًا لمنتج واحد، لا معيارًا مشتركًا لكل محرك بحث بالذكاء الاصطناعي.

للتعمق: البحث متعدد الوسائط.

10. عدم اليقين والهلوسات

يمكن لكل مرحلة أن تدخل عدم يقين:

• يفوّت الاكتشاف المصدر؛
• يفقد التحليل السياق؛
• تقسّم المقاطع الدليل بطريقة سيئة؛
• يطرح تفكيك الاستعلام السؤال الفرعي الخطأ؛
• يعيد الاسترجاع مقطعًا معقولًا لكنه غير ذي صلة؛
• يرفع إعادة الترتيب مصدرًا ناقصًا؛
• يكون المصدر نفسه خاطئًا أو قديمًا؛
• يناقض التوليد الدليل أو يتجاوزه أو يختلق ما وراءه؛
• يوحي موضع الاقتباس بدعم غير موجود.

يتعامل [ملف NIST للذكاء الاصطناعي التوليدي] مع المحتوى الزائف أو الخاطئ المعروض بثقة بوصفه خطرًا يُسمّى عادةً الاختلاق. ويقلل RAG بعض أنماط الإخفاق بتوفير الأدلة، لكنه يضيف أنماط إخفاق خاصة بالاسترجاع والدمج.

للتعمق: هلوسات الذكاء الاصطناعي ومراقبة هلوسات الذكاء الاصطناعي.

الخلاصة — نظام البحث بالذكاء الاصطناعي خط أنابيب للأدلة يعمل تحت قيود زمن الاستجابة والسياق. ينشئ اكتساب المصادر مجموعة بيانات ذات إصدارات؛ وتدعم التمثيلات اللفظية والمتجهية والبيانية وتمثيلات الأدوات توليد المرشحين؛ وقد يتفرع تخطيط الاستعلام؛ ويحسّن الاسترجاع الاستدعاء؛ وتحسّن إعادة الترتيب وتجميع السياق الدقة والتغطية؛ ويصوغ المولّد الإجابة تحت التعليمات؛ وتنسب طبقة الإسناد ادعاءات المخرجات إلى المصادر. يجب تقييم الجودة في كل مرحلة لأن الإجابة النهائية السلسة لا تكشف موضع ضياع الدليل.

تعامل مع بحث الذكاء الاصطناعي كسلسلة توريد للأدلة

لا يمكن أن تكون المخرجات موثوقة إلا بقدر موثوقية السلسلة التي أنتجتها. وثّق تسلسل المراحل ومصدر كل مدخل ومخرج:

من دون هذه السلسلة، لا تمثل عبارة «أخطأ الذكاء الاصطناعي» تشخيصًا.

اكتساب المصادر أوسع من الزحف

الزحف على الويب طريق اكتساب واحد فقط. وقد يمزج بحث المؤسسات والمنتجات بين:

• فهرس ويب؛
• موصلات مستندات داخلية؛
• قواعد بيانات وواجهات API؛
• عمليات بحث في رسوم المعرفة؛
• خلاصات التجارة أو السفر أو البحث المحلي أو غيرها من الخلاصات القطاعية؛
• ملفات المستخدم ومرفقات المحادثة؛
• استدعاءات أدوات حية.

لكل طريق أذوناته وطوابعه الزمنية وإزالة تكراره ونسبه الخاصة. وقد يسترجع النظام الحقيقة نفسها من صفحة ويب وخلاصة ورسم بياني بأوقات تحديث مختلفة. لذلك فـ«المصدر» سجل ذو إصدار، وليس عنوان URL فحسب.

افهرس عدة تمثيلات لأعمال مختلفة

تحافظ الفهارس اللفظية على السلاسل الدقيقة وإحصاءات الحقول. وتشفّر المتجهات الكثيفة تشابهًا يعتمد على النموذج. ويمكن للتمثيلات المتناثرة المتعلَّمة أن تصل بين بعض السلوك الدلالي واللفظي. وتحافظ الرسوم البيانية على الكيانات والعلاقات الصريحة. وتدعم البيانات الوصفية المرشحات والأذونات واللغة والجغرافيا والتواريخ وفئات المصادر.

لا يوجد تمثيل أفضل على نحو شامل. تستفيد معرّفات المنتجات الدقيقة والاقتباسات القانونية ورموز الأخطاء من المطابقة اللفظية. ويمكن أن يستفيد البحث الكثيف من إعادة الصياغة والأسئلة المرتبطة مفهوميًا. وينبغي أن تبقى القيود المهيكلة صريحة بدل استنتاجها من قرب المتجهات.

تقدم أبحاث الاسترجاع الهجين دليلًا مفيدًا على أن مجموعات المرشحين الدلالية واللفظية قد تكمل إحداها الأخرى ضمن مجموعة مختبرة. لكنها ليست دليلًا على أن تصميم دمج واحدًا يفوز في كل مجموعة.

يغيّر تخطيط الاستعلام هدف الاسترجاع

قد يتضمن الطلب الحواري عدة مهام، ومقارنات ضمنية، وقيودًا زمنية، وسياق متابعة. ويمكن للتخطيط أن ينتج:

• استعلامًا مستقلًا أعيدت صياغته؛
• قيودًا على الكيانات المسماة أو القصد؛
• استعلامات فرعية لجوانب منفصلة؛
• اختيارات لنوع المصدر أو الأداة؛
• خطة تكرارية تؤدي فيها الأدلة المبكرة إلى استرجاع لاحق.

يقدم تفرّع الاستعلام الموثّق من Google مثالًا عامًا واحدًا. ويقدم المصنّف الدلالي في Microsoft Azure AI Search مثالًا موثّقًا آخر على إعادة كتابة صيغ الاستعلام قبل إعادة التسجيل. لا تستنتج بنية الموفّر بالكامل من أي من التطبيقين.

لتوليد المرشحين وإعادة الترتيب هدفان مختلفان

يكون توليد المرشحين عادةً رخيصًا بما يكفي للبحث في مجموعة كبيرة، وواسعًا بما يكفي للحفاظ على الاستدعاء. أما إعادة الترتيب فأعلى كلفة، وترى عناصر أقل، ويمكنها تقييم تفاعلات أعمق بين الاستعلام والمستند.

ينشئ ذلك سقفًا صلبًا: لا تستطيع أداة إعادة الترتيب إنقاذ مصدر ذي صلة لم يدرجه الاسترجاع أصلًا. وتوثق Microsoft صراحةً أن مصنّفها الدلالي يعيد ترتيب مجموعة أولية موجودة بدل البحث في المجموعة كلها مرة أخرى. وقد تستخدم الأنظمة الأخرى أعماقًا ونماذج واسترجاعًا تكراريًا مختلفًا.

بالنسبة إلى الناشرين، الدرس العملي ليس «اكتب لأداة إعادة الترتيب». بل اجعل الحقائق المهمة قابلة للاكتشاف، ومكتفية ذاتيًا بما يكفي لتصمد أمام التقسيم، ودقيقة حيث تهم الدقة، وواضحة دلاليًا من دون فصل القيود عن الادعاءات.

تجميع السياق مسألة تخصيص

يمتلك النظام أدلة مرشحة أكثر مما يستطيع إرساله إلى المولّد. وعليه تخصيص ميزانية سياق محدودة بين:

• تعليمات النظام والسلامة؛
• سجل المحادثة؛
• تعريفات الأدوات ومخرجاتها؛
• المصادر المسترجعة؛
• الموضوعات الفرعية المتنوعة؛
• البيانات الوصفية للمصدر وعلامات الاقتباس؛
• مساحة للاستجابة المولّدة.

يمكن لإزالة التكرار، وتنوع المقاطع، وترتيبها، وضغطها، واقتطاعها أن تغيّر ما يراه النموذج. وقد يحتل المصدر ترتيبًا جيدًا ثم يفقد قيده الحاسم أثناء اختيار المقطع. لذلك يختلف الاسترجاع على مستوى الصفحة عن الدعم على مستوى الإجابة.

لجودة الإسناد بالأدلة أبعاد متعددة

قيّم على الأقل ما يلي:

1. صلة الاسترجاع: هل تناول المرشحون السؤال؟
2. تغطية الاسترجاع: هل غطوا كل سؤال فرعي جوهري؟
3. جودة المصدر: هل كانت المصادر موثوقة للادعاء وحديثة بما يكفي؟
4. الأمانة: هل بقيت الإجابة ضمن الأدلة المقدمة؟
5. صحة الحقائق: هل الادعاء صحيح عند مقارنته بدليل مرجعي خارجي مناسب؟
6. استلزام الاقتباس: هل يدعم كل مصدر مقتبس الادعاء المرتبط؟
7. اكتمال الاقتباس: هل اقتُبست الادعاءات الجوهرية القابلة للتحقق خارجيًا؟
8. المعايرة: هل تعبّر الإجابة عن عدم اليقين عندما يكون الدليل ضعيفًا أو متعارضًا؟

قد تكون الإجابة أمينة لمصدر سيئ وتظل خاطئة من حيث الحقائق. وقد تكون صحيحة من حيث الحقائق اعتمادًا على ذاكرة النموذج، لكنها غير مدعومة بالاقتباسات المعروضة. أبقِ الأبعاد منفصلة.

الاقتباسات طبقة منتج وليست دليلًا على السببية

قد يحدث إنشاء الاقتباس أثناء التوليد أو بعده أو عبر مرحلة منفصلة لمحاذاة الادعاء بالمصدر. ولا تكشف الواجهات العامة عادةً أي مقاطع مسترجعة دخلت سياق النموذج، أو أي رموز أثّرت فيها، أو سبب حصول مصدر على إسناد ظاهر.

لذلك:

• طلب الزاحف دليل على طلب، وليس اقتباسًا؛
• الاقتباس إسناد ظاهر، وليس دليلًا على الترتيب؛
• قائمة المصادر ليست دليلًا على دعم كل ادعاء؛
• العلامة المذكورة ليست بالضرورة مصدرًا مرتبطًا؛
• النقرة سلوك لاحق للمستخدم، وليست دليلًا على كيفية عمل التوليد.

للحداثة جداول زمنية متعددة

تتبّع طوابع زمنية منفصلة لنشر المصدر، وتحديثه، واكتسابه، وتحليله، وإيداعه في الفهرس، وتوليد التضمين، واسترجاعه، وتوليد الإجابة، وتقييمها.

قد يظل المصدر القديم صحيحًا. وقد تحتوي الصفحة التي زُحفت حديثًا على حقائق قديمة. وقد يسترجع البحث الحي تمثيلًا مخزّنًا مؤقتًا. ويمكن لنموذج ذي حد معرفة بارامترية أقدم أن يجيب من أدلة مسترجعة أحدث، ثم يعود إلى أنماط أقدم عندما يكون الاسترجاع ناقصًا.

بالنسبة إلى الإجابات الحساسة زمنيًا، ينبغي للمولّد تفضيل المصادر الأولية المؤرخة، وإظهار التاريخ الفعّال، وإبراز التعارضات، والامتناع أو التحفّظ عندما لا يستطيع الدليل حسمها.

الاسترجاع متعدد الوسائط يضيف مشكلات محاذاة

قد تفهرس الأنظمة متعددة الوسائط الصور والنصوص ضمن تمثيلات مشتركة أو مترابطة، وتستخدم نماذج الرؤية لتحديد المناطق أو الأجسام، وتنسخ الصوت، وتأخذ عينات من الفيديو، وتسترجع عبر الوسائط. ويجب أن يحافظ النظام على العلاقات بين عنصر الوسائط وشرحه والصفحة المحيطة والطابع الزمني والمنشئ وحقوق المصدر.

الصورة المشابهة بصريًا ليست بالضرورة دليلًا على الحقيقة نفسها. وقد يحذف النص المنسوخ مؤهلات بصرية. وقد يفقد الجسم المقصوص سياق المشهد. قيّم صلة الاسترجاع والإسناد عبر الوسائط معًا.

وجّه العمق إلى الصفحات المتخصصة

تملك هذه الصفحة المركزية البنية من البداية إلى النهاية. وتملك الصفحات التالية عمق التنفيذ:

• النماذج اللغوية الكبيرة والرموز/نوافذ السياق
• تفرّع الاستعلام
• التقسيم إلى مقاطع والتضمينات
• البحث الدلالي، والبحث المتجهي، والبحث الهجين
• ترتيب المقاطع وإعادة الترتيب
• الإسناد بالأدلة وRAG
• اقتباسات الذكاء الاصطناعي
• الحداثة وحدود المعرفة
• البحث متعدد الوسائط
• هلوسات الذكاء الاصطناعي
• AI Overviews كتطبيق خاص بمنتج واحد

المنظور التنفيذي

بحث الذكاء الاصطناعي سلسلة من الأنظمة والموفّرين والبيانات والقرارات، وليس نموذجًا واحدًا. وتنتشر مخاطر العمل وفرصه عبر هذه السلسلة:

• خطر التغطية: المصادر المفيدة غائبة أو يتعذر الوصول إليها؛
• خطر الحداثة: الأطر الزمنية للمصدر والفهرس لا تتطابق مع توقيت القرار؛
• خطر الاسترجاع: لا تصل الأدلة ذات الصلة إلى النموذج؛
• خطر التوليف: يبالغ النموذج في الأدلة أو يشوّهها؛
• خطر الإسناد: الاقتباسات مفقودة أو في موضع خاطئ أو غير مدعومة؛
• خطر القياس: يخلط الظهور والاقتباس والزيارات والتحويلات؛
• خطر الحوكمة: لا يستطيع مالك إعادة إنتاج مسار الإجابة أو تصحيحه.

لا تعتمد عبارة «أُضيف RAG» بوصفها ضابط دقة كاملًا. اطلب تقييمًا على مستوى المرحلة، وتوثيقًا لأصل المصادر، وضوابط وصول، ومجموعات اختبار مؤرخة، وتصعيدًا بشريًا للقرارات عالية الأثر، ومسار تعافٍ للمصادر والمخرجات السيئة.

بالنسبة إلى استراتيجية النشر، واصل تمويل محتوى قابل للزحف والفهرسة وواضح وحديث ومدعوم بالمصادر. وتقول Google إنه لا توجد متطلبات تقنية إضافية لميزاتها الخاصة بالذكاء الاصطناعي تتجاوز أهلية البحث العادية. ويظل الظهور نتيجة للمنتج، وليس استحقاقًا لوسم.

كيف يعمل بحث الذكاء الاصطناعي، باختصار

1. تُزحف المصادر أو تُوصّل أو تُحمّل أو تُرخّص أو تُجلب عبر الأدوات.
2. تحلّلها الأنظمة إلى حقول قابلة للبحث ومقاطع وفهارس لفظية ومتجهات وكيانات وبيانات وصفية.
3. يُفسَّر الاستعلام وقد يُعادَت صياغته أو يُفكَّك إلى استعلامات فرعية.
4. ينشئ الاسترجاع اللفظي أو المتجهي أو البياني أو الهجين مرشحين.
5. يختار الترتيب وإعادة الترتيب مجموعة أدلة أصغر وأكثر صلة وتنوعًا.
6. يضع RAG/الإسناد بالأدلة الأدلة المختارة في سياق النموذج المحدود.
7. يولّد النموذج إجابة تحت تعليمات المنتج والسلامة.
8. تعرض طبقة الإسناد الاقتباسات أو المصادر.
9. تعتمد الحداثة على عدة ساعات للمصدر والفهرس والاسترجاع والنموذج.
10. يمكن أن تفشل كل مرحلة؛ فالإسناد بالأدلة والاقتباس لا يعنيان صحة مضمونة.

تختلف بنى الموفّرين. وتدعم الوثائق العامة أجزاءً من هذا النموذج، لا ادعاءً بأن كل نظام تجاري ينفذ خط الأنابيب نفسه.

المصادر الأولية والبحثية

وثائق المنصات

• Google: كيفية عمل البحث — الزحف والفهرسة والعرض لأساس بحث الويب.
• Google: ميزات الذكاء الاصطناعي وموقعك — تفرّع الاستعلام والروابط الداعمة وأهلية الفهرس/المقتطف وعدم وجود متطلبات تقنية إضافية.
• Google: البحث متعدد الوسائط في AI Mode — مثال على منتج يجمع فهم الصورة وتحديد الأجسام والتفرّع.
• OpenAI: أداة البحث على الويب — استرجاع معلومات حديثة من الويب، وإرفاق الاقتباسات، وإظهار المصادر في منتج API.
• Microsoft: البحث الهجين — الاسترجاع المتزامن للنص والمتجه ودمج النتائج.
• Microsoft: المصنّف الدلالي — إعادة كتابة الاستعلام وإعادة ترتيب مجموعة مرشحين موجودة.
• ملف NIST للذكاء الاصطناعي التوليدي — إطار إدارة مخاطر الاختلاق وغيره من مخاطر الذكاء الاصطناعي التوليدي.

بحث مؤهّل

• التوليد المعزّز بالاسترجاع لمهام معالجة اللغة الطبيعية كثيفة المعرفة — بنية RAG الأساسية وتقييمها في مهام محددة.
• الاسترجاع الهجين اللفظي والدلالي — دليل على تكامل الاسترجاع في مجموعة مختبرة.
• تقييم قابلية التحقق في محركات البحث التوليدية — تدقيق مؤرّخ من عام 2023 لدعم الاقتباسات واكتمالها، وليس معدلًا عامًا حاليًا.
• سبع نقاط إخفاق عند هندسة نظام RAG — دليل من تقرير خبرة على أن RAG يرث إخفاقات الاسترجاع والنموذج.

اشرح نظام بحث بالذكاء الاصطناعي من دون مبالغة

• سمِّ المنتج والواجهة والبلد وطبقة الوصول والتاريخ ووضع الاستعلام.
• افصل السلوك الموثّق عن البنية العامة أو الاستنتاج.
• حدّد طرق اكتساب المصادر وقواعد الوصول إليها.
• سجّل طوابع المصدر والاكتساب والفهرس والاسترجاع والإجابة حيثما توفرت.
• ميّز بين استرجاع المستند واسترجاع المقطع وسياق النموذج والاقتباس الظاهر.
• اذكر ما إذا كان الاسترجاع لفظيًا أو متجهيًا أو هجينًا أو بيانيًا أو قائمًا على أداة أو غير معروف.
• قيّم الاسترجاع قبل تقييم التوليد.
• افحص كل ادعاء جوهري مقابل المصدر المقتبس، لا قائمة المصادر فقط.
• افصل ظهور الاقتباس عن زيارات الإحالة ونتائج العمل.
• اختبر الأدلة المتعارضة والمفقودة والقديمة والعدائية.
• وفّر مسار امتناع أو تصعيد عندما تكون الأدلة غير كافية.

إطار S-Q-R-G-C

S — المصادر

ما المجموعات والخلاصات والأدوات والإصدارات المتاحة؟ ومن يتحكم في الوصول والحداثة؟

Q — خطة الاستعلام

كيف يُفسَّر الطلب ويُعادَت صياغته ويُفكَّك ويُرشَّح ويُوجَّه؟

R — الاسترجاع وإعادة الترتيب

أي تمثيلات تنشئ المرشحين، وأي نماذج أو قواعد تضيقها؟

G — التوليد المسنَد بالأدلة

ما الدليل الذي يدخل السياق، وما التعليمات التي تقيّد النموذج، ومتى ينبغي له الامتناع؟

C — الاقتباسات والفحوص

كيف تُنسب الادعاءات، ويُتحقق منها، وتُراقب، وتُصحح، وتُقاس؟

استخدم الإطار لتحديد الأدلة والملكية. ولا تحوّله إلى درجة تتظاهر بأن الآليات الداخلية المجهولة قد لوحظت.

أين فشلت الإجابة؟

هل كان المصدر الموثوق متاحًا للنظام؟

• لا أو غير معروف ← افحص الزحف والموصّل والأذونات والخلاصة وتغطية الفهرس.
• نعم ← تابع.

هل استُرجع المقطع الصحيح للاستعلام أو الاستعلام الفرعي الفعلي؟

• لا ← افحص تخطيط الاستعلام والمقاطع والمرشحات والاستدعاء اللفظي/المتجهي والحداثة.
• نعم ← تابع.

هل حافظت إعادة الترتيب وتجميع السياق على الدليل الحاسم وقيوده؟

• لا ← افحص عمق المرشحين والتنوع والاقتطاع وإزالة التكرار والترتيب.
• نعم ← تابع.

هل بقيت الإجابة أمينة للأدلة المقدمة؟

• لا ← افحص التعليمات وسلوك النموذج والتعارضات ومنطق الامتناع.
• نعم ← تابع.

هل تستلزم الاقتباسات المعروضة الادعاءات المرفقة؟

• لا ← أصلح محاذاة الادعاء بالمصدر وإنشاء الاقتباس.
• نعم ← قيّم صحة الحقائق والاكتمال والمعايرة والسلامة ونتيجة المستخدم.

أنماط بحث الذكاء الاصطناعي المضادة

• «بحث النموذج اللغوي في الإنترنت». سمِّ أداة البحث أو الفهرس أو الموصّل أو طريق الاكتساب المجهول بدل إسناد كل مرحلة إلى النموذج.
• «استبدل البحث المتجهي الكلمات المفتاحية». يحل الاسترجاع الدقيق والدلالي مشكلتي استدعاء مختلفتين؛ وتجمع أمثلة إنتاجية كثيرة بينهما.
• «تصبح الصفحة الأعلى ترتيبًا هي الاقتباس». قد ينتج التفرّع واسترجاع المقاطع وإعادة الترتيب والتوليد مجموعات مصادر مختلفة.
• «يقضي RAG على الهلوسات». يضيف الاسترجاع الأدلة والنسب، لكنه قد يفشل قبل التوليد وأثناءه وبعده.
• «يثبت الاقتباس الدعم». اقرأ المقطع المقتبس مقابل الادعاء المحدد.
• «يعني البحث الحي أن المعلومات حالية». قد تختلف الأطر الزمنية للمصدر والاكتساب والفهرس والاسترجاع والتخزين المؤقت.
• «تستخدم كل محركات البحث بالذكاء الاصطناعي خط الأنابيب نفسه تمامًا». أبقِ حقائق الموفّر الخاصة منفصلة عن النموذج الذهني العام.
• «يفسر رقم ظهور واحد الأداء». الذكر والاقتباس والإحالات والتحويلات والإجابات المصححة من حيث الحقائق نتائج مختلفة.

الأعراض الشائعة ومسارات التعافي

يستشهد النظام بصفحة غير ذات صلة

• تحقق: قارن الاستعلام والمقطع المسترجع والادعاء المرفق وتاريخ المصدر.
• الطبقات المحتملة: خطة الاستعلام أو الاسترجاع أو إعادة الترتيب أو الإسناد.
• التعافي: حسّن حقول المصدر ومقاطعه واختبارات الاسترجاع وإعادة الترتيب ومحاذاة الادعاء بالمصدر.

المصدر الصحيح مفهرس لكنه غائب

• تحقق: «مفهرس» في أي نظام وإصدار؟ وهل كان المصدر مؤهلًا لهذا المنتج والمرشح واللغة المحلية والوقت؟
• الطبقات المحتملة: تمثيل الاستعلام أو عمق المرشحين أو المرشحات أو إعادة الترتيب.
• التعافي: أعد الإنتاج بمجموعة استعلامات موسومة وافحص كل مرحلة؛ لا تستنتج عقوبة من مخرج واحد.

تستخدم الإجابة حقائق قديمة رغم الاسترجاع الحي

• تحقق: سجّل طوابع تحديث المصدر والجلب والفهرس والتخزين المؤقت والاسترجاع والإجابة.
• الطبقات المحتملة: البيانات الوصفية للحداثة أو الترتيب أو اختيار السياق أو العودة إلى المعرفة البارامترية.
• التعافي: قدّم المصادر الأولية المؤرخة، وحدّث التمثيلات، وأظهر التواريخ، وامتنع عند التعارضات غير المحسومة.

توجد اقتباسات لكنها لا تدعم الادعاءات

• تحقق: قيّم الاستلزام ادعاءً بعد ادعاء.
• الطبقات المحتملة: التوليد أو الإسناد.
• التعافي: ولّد من امتدادات أدلة صريحة، وشغّل فحص دعم منفصلًا، وأزل العبارات غير المدعومة بدل إضافة روابط قريبة.

ينتج الإدخال متعدد الوسائط الجسم أو السياق الخطأ

• تحقق: افحص منطقة الصورة المختارة، وOCR/النص المنسوخ، وتسميات الأجسام، والصفحة المحيطة، والاستعلامات اللاحقة.
• الطبقات المحتملة: الإدراك أو التمثيل عبر الوسائط أو الاسترجاع أو التوليد.
• التعافي: اسمح بتصحيح المستخدم، واحفظ سياق المشهد، واسترجع نصًا أو دليلًا مهيكلًا مؤيدًا.

اختبر خط الأنابيب مرحلةً مرحلة

اختبار استدعاء الاسترجاع

• أنشئ مجموعة استعلامات مؤرخة ذات مصادر ومقاطع ذات صلة معروفة.
• قِس ما إذا كان الدليل المتوقع يدخل مجموعة المرشحين قبل إعادة الترتيب.
• قسّم الإخفاقات حسب المصطلحات الدقيقة وإعادة الصياغة والكيانات والتواريخ واللغة المحلية والوسيط.

اختبار إعادة الترتيب

• ثبّت مجموعة المرشحين وقارن ما إذا كانت المقاطع الحاسمة تبقى ضمن المجموعة العليا المختارة.
• أدرج أسئلة متعددة الأجزاء تكون فيها الأهمية للتنوع أكبر من تكرار مصدر واحد.

اختبار الأمانة

• امنح المراجعين الإجابة والسياق الدقيق المقدم إلى النموذج.
• وسم الادعاءات بأنها مدعومة أو متناقضة أو غير مدعومة.
• اختبر امتناع النظام عندما لا يستطيع السياق الإجابة.

اختبار الاقتباس

• افحص وجود الاقتباس وموضعه واستلزامه واكتماله كلًّا على حدة.
• لا تعدّ عنوان URL في قائمة المصادر دعمًا لكل جملة في الإجابة.

اختبار الحداثة والتعارض

• حدّث مصدرًا مضبوطًا، وسجّل كل طابع زمني في خط الأنابيب، ولاحظ متى تصبح الحقيقة الجديدة قابلة للاسترجاع والاستخدام.
• قدّم مصادر متعارضة بتواريخ وسلطات مختلفة؛ وقيّم ما إذا كانت الإجابة تُظهر التعارض بدل دمجه.

اختبار متعدد الوسائط

• استخدم صورًا أو إطارات فيديو ذات أجسام متشابهة لكن سياقات مختلفة.
• تحقق من اختيار الجسم واستخراج النص والاسترجاع وإسناد المصدر في كل مرحلة.

مقاييس تُبقي المراحل منفصلة

لا تنشر عتبة عالمية «جيدة» من دون تعريف المجموعة ومجموعة الاستعلامات والحَكَم وإصدار النموذج والتاريخ واللغة المحلية والمهمة. تتبّع عقد التقييم نفسه عبر الزمن وأعد خط الأساس بعد تغييرات جوهرية في النموذج أو الفهرس أو المنتج.

واصل عبر مكتبة بحث الذكاء الاصطناعي

مكونات خط الأنابيب

• تفرّع الاستعلام
• التقسيم إلى مقاطع
• التضمينات
• البحث الدلالي
• البحث المتجهي
• البحث الهجين
• إعادة الترتيب
• الإسناد بالأدلة
• التوليد المعزّز بالاسترجاع
• اقتباسات الذكاء الاصطناعي
• حداثة المحتوى
• حدود المعرفة
• البحث متعدد الوسائط
• هلوسات الذكاء الاصطناعي

المصادر الأولية والبحثية

• Google: ميزات الذكاء الاصطناعي وموقعك
• OpenAI: أداة البحث على الويب
• Microsoft: البحث الهجين
• Microsoft: المصنّف الدلالي
• ورقة RAG الأساسية
• ملف NIST للذكاء الاصطناعي التوليدي

لا تُدّعى في هذه المقالة خبرة Patrick Stox الشخصية أو تنفيذ خاص لنظام بحث بالذكاء الاصطناعي. وقد يكون بحث Patrick/Ahrefs القائم مفيدًا لنتائج الظهور المرصودة في الذكاء الاصطناعي، لكنه لا يُستخدم لإثبات آليات داخلية غير معلنة لدى الموفّرين.

اختبر نفسك: كيف يعمل بحث الذكاء الاصطناعي

سجل التغييرات