الاسترجاع المعزز (RAG): كيف تجعل الذكاء الاصطناعي يجيب من بياناتك أنت

لنفترض أنك تدير مدرسة، ولديك دليل للطلاب من خمسين صفحة، ولائحة داخلية، وجداول مواعيد، وتريد مساعدًا ذكيًا يجيب أولياء الأمور عن أسئلتهم بدقة. إذا سألت أداة ذكاء اصطناعي عامة عن «موعد التسجيل في مدرستك»، فلن تعرف الإجابة، لأن مستنداتك لم تكن جزءًا من بيانات تدريبها. وقد تخترع موعدًا يبدو مقنعًا! الحل الذي تعتمد عليه معظم المؤسسات اليوم اسمه الاسترجاع المعزز بالتوليد (Retrieval-Augmented Generation)، ويختصر إلى RAG. في هذا المقال نشرح الفكرة من الصفر، ونمر على مكوناتها خطوة بخطوة، ونوضح متى تكون الحل المناسب ومتى لا تكون.

المشكلة: نموذج ذكي لا يعرف مستنداتك

كما شرحنا في مقال ما هي نماذج اللغة الكبيرة، يتعلم النموذج من بيانات تدريب تتوقف عند تاريخ معين، ولا تتضمن مستندات مؤسستك الخاصة. هذا يخلق مشكلتين: الأولى أن النموذج لا يعرف المعلومات الجديدة أو الخاصة. والثانية أنه عندما لا يعرف، قد يولد إجابة مقنعة وغير صحيحة، وهي الظاهرة المعروفة بالهلوسة.

الفكرة الأساسية في الاسترجاع المعزز بسيطة جدًا: قبل أن نطلب من النموذج الإجابة، نبحث في مستنداتنا عن الأجزاء الأكثر صلة بالسؤال، ونضعها أمامه في الأمر، ونطلب منه أن يجيب اعتمادًا عليها فقط. إنه أشبه بامتحان «الكتاب المفتوح»: الطالب لا يحتاج إلى حفظ كل شيء، بل إلى معرفة أين يبحث وكيف يستخدم ما وجده.

كيف يعمل النظام؟ خمس مراحل

1. تقسيم المستندات (Chunking)

لا نستطيع وضع دليل من خمسين صفحة كاملًا في كل سؤال، فنقسمه إلى أجزاء صغيرة، مثل فقرة أو فقرتين. حجم الجزء قرار مهم: الأجزاء الصغيرة جدًا تفقد السياق، والكبيرة جدًا تضيف معلومات غير مفيدة. من الممارسات الشائعة أن يتداخل كل جزء قليلًا مع الذي يليه، حتى لا تنقطع فكرة في منتصفها.

2. التضمين (Embeddings)

نحول كل جزء إلى قائمة طويلة من الأرقام تسمى متجهًا، باستخدام نموذج مخصص لذلك. الميزة السحرية هنا أن النصوص المتقاربة في المعنى تحصل على متجهات متقاربة رياضيًا، حتى لو اختلفت كلماتها. فعبارة «متى يبدأ التسجيل؟» قريبة من فقرة تقول «تُفتح أبواب القبول في الأسبوع الأول من سبتمبر»، رغم عدم وجود كلمة مشتركة بينهما تقريبًا.

3. التخزين في قاعدة بيانات متجهة

نحفظ المتجهات مع النص الأصلي ومعلومات إضافية مثل اسم المستند ورقم الصفحة. قواعد البيانات المتجهة مصممة للبحث السريع عن «أقرب الجيران» بين ملايين المتجهات.

4. الاسترجاع (Retrieval)

عندما يصل سؤال المستخدم، نحوله إلى متجه بالطريقة نفسها، ثم نبحث عن الأجزاء الأقرب إليه. تجمع أنظمة كثيرة بين هذا البحث الدلالي والبحث التقليدي بالكلمات المفتاحية، لأن الأخير أفضل في الأسماء والأرقام الدقيقة مثل رقم مادة أو كود منتج.

5. التوليد (Generation)

نضع الأجزاء المسترجعة في الأمر مع تعليمات واضحة، مثل: «أجب عن السؤال اعتمادًا على النصوص التالية فقط. إذا لم تجد الإجابة فيها، فقل إنك لا تعرف، واذكر اسم المستند الذي استندت إليه». هنا تظهر أهمية ما تعلمناه في مقال هندسة الأوامر.

يقدم الفيديو التالي من قناة IBM Technology شرحًا قصيرًا وواضحًا للفكرة باللغة الإنجليزية:

الاسترجاع المعزز أم إعادة التدريب؟

سؤال يتكرر كثيرًا: لماذا لا نعيد تدريب النموذج على مستنداتنا مباشرة؟ الجدول التالي يلخص الفرق:

في الواقع العملي، الاسترجاع المعزز هو نقطة البداية الأنسب لمعظم المشروعات، وإعادة التدريب خيار إضافي عند الحاجة إلى سلوك متخصص.

أخطاء شائعة عند بناء نظام RAG

• مستندات غير منظمة: ملفات PDF ممسوحة ضوئيًا دون استخراج نص جيد، أو جداول تتحول إلى نص مشوش. جودة النظام لا تتجاوز جودة مصادره.
• تجاهل تحديث المحتوى: إذا تغيرت اللائحة ولم تُحدَّث قاعدة البيانات، سيجيب النظام بثقة من نسخة قديمة.
• استرجاع أجزاء كثيرة جدًا: إغراق النموذج بنصوص غير ذات صلة يشتت الإجابة. ابدأ بعدد صغير من الأجزاء وقِس النتيجة.
• عدم السماح للنظام بقول «لا أعرف»: الإجابة الصادقة بعدم المعرفة أفضل من إجابة مخترعة.
• نسيان الخصوصية: لا ينبغي أن يسترجع النظام لطالب معلومات خاصة بطالب آخر. الصلاحيات يجب أن تُطبق عند الاسترجاع.

كيف تقيس جودة النظام؟

جهّز مجموعة من الأسئلة الحقيقية التي تعرف إجاباتها الصحيحة ومصادرها. ثم قِس أمرين منفصلين: هل استرجع النظام الأجزاء الصحيحة؟ وهل كانت الإجابة النهائية صحيحة ومستندة إلى تلك الأجزاء؟ الفصل بين السؤالين مهم، لأن الخطأ قد يكون في البحث وقد يكون في الصياغة، وعلاج كل منهما مختلف. أعد التقييم بعد كل تعديل على حجم الأجزاء أو نموذج التضمين أو نص التعليمات.

مثال تطبيقي: مساعد يجيب من دليل الطالب

لنعد إلى مثال المدرسة في بداية المقال، ولنتتبع سؤالًا حقيقيًا خلال النظام. يكتب ولي أمر: «هل يمكن لابني أن يغير المسار الدراسي بعد بداية الفصل؟». يتحول السؤال إلى متجه، ويبحث النظام في أجزاء الدليل، فيجد ثلاثة أجزاء قريبة: فقرة عن «طلبات تغيير المسار»، وفقرة عن «مواعيد الفصل الدراسي»، وفقرة عن «الإرشاد الأكاديمي». توضع الفقرات الثلاث في الأمر مع التعليمات، فيكتب النموذج إجابة مثل: «وفقًا لدليل الطالب، صفحة 12، يُسمح بتقديم طلب تغيير المسار خلال الأسبوعين الأولين من الفصل بعد مقابلة المرشد الأكاديمي». لاحظ أن الإجابة تحدد المصدر، فيستطيع ولي الأمر أو الموظف التحقق منها بسهولة. وإذا سأل أحدهم عن أمر غير موجود في الدليل، مثل رسوم نشاط جديد لم يُعلن بعد، فالإجابة الصحيحة هي: «لم أجد هذه المعلومة في المستندات المتاحة، يُرجى التواصل مع الإدارة».

أمثلة على استخدامات عملية

في التعليم: مساعد يجيب الطلاب من محتوى المقرر نفسه، مع الإشارة إلى الدرس المرتبط. في خدمة العملاء: إجابات من سياسات الشركة المحدثة. في العمل الداخلي: البحث في محاضر الاجتماعات والوثائق الفنية بلغة طبيعية. وعندما يُدمج الاسترجاع مع القدرة على تنفيذ الأدوات، نصل إلى ما يسمى وكلاء الذكاء الاصطناعي.

إذا أردت أن تبني نظامًا كهذا بنفسك، فستحتاج إلى أساس جيد في البرمجة بلغة بايثون، وهو ما تبدأ به في كورسات الأكاديمية. وفي كورس الذكاء الاصطناعي نتعرف على هذه التقنيات ونجربها عمليًا. للاطلاع على مصادر إضافية زر المكتبة التعليمية، ولترتيب خطواتك جرّب أداة اكتشف مسارك.