إطار عمل NVIDIA الجديد للبحث العميق: ثورة في البحث الآلي القابل للتدقيق

يُعَدّ البحث العميق باستخدام الذكاء الاصطناعي مجالاً سريع التطور، لكن أدوات البحث الحالية تواجه تحديات جوهرية. تعتمد معظم هذه الأدوات على سير عمل ثابتة مرتبطة بنماذج لغوية كبيرة (LLMs) محددة، مما يحدّ من مرونتها وقابليتها للتخصيص. يقدم إطار عمل NVIDIA للبحث العميق الشامل (UDR) حلاً مبتكراً لهذه المشكلة، حيث يُتيح للمستخدمين تصميم وتعديل وتشغيل سير عمل بحثية مخصصة دون الحاجة لإعادة تدريب أو ضبط أدق للنماذج اللغوية الكبيرة.

قصور أدوات البحث العميق الحالية

تعتمد أدوات البحث العميق التقليدية، مثل Gemini Deep Research و Perplexity و OpenAI’s Deep Research و Grok DeepSearch، على سير عمل جامدة مرتبطة بنموذج لغوي كبير ثابت. وبالرغم من فعاليتها، إلا أنها تفرض قيوداً صارمة، حيث لا يستطيع المستخدمون:

• تعريف استراتيجيات مخصصة.
• تبديل النماذج اللغوية الكبيرة.
• فرض بروتوكولات محددة للمجال.

وقد حددت تحليلات NVIDIA ثلاث مشاكل رئيسية:

• عدم القدرة على تحديد المصادر المفضلة: لا يمكن للمستخدمين تحديد المصادر التي يرغبون في استخدامها، أو فرض قواعد للتحقق من صحة المعلومات، أو التحكم في التكاليف.
• عدم دعم استراتيجيات البحث المتخصصة: لا تدعم هذه الأدوات استراتيجيات البحث المتخصصة في مجالات مثل المالية أو القانون أو الرعاية الصحية.
• ارتباط الأدوات بنموذج لغوي كبير واحد: يمنع هذا الارتباط المرونة في إقران أفضل نموذج لغوي كبير مع أفضل استراتيجية بحث.

هذه القيود تحد من اعتماد هذه الأدوات في التطبيقات العلمية والريادية عالية القيمة.

إطار عمل البحث العميق الشامل (UDR): حلٌّ مبتكر

يُمثل إطار عمل البحث العميق الشامل (UDR) نظاماً مفتوح المصدر (في مرحلة المعاينة) يُفصل بين الاستراتيجية والنموذج. يُتيح هذا النظام للمستخدمين:

• تصميم وتعديل وتشغيل سير عمل بحثية خاصة بهم.
• عدم الحاجة لإعادة تدريب أو ضبط أدق لأي نموذج لغوي كبير.

يعمل UDR على مستوى تنظيم النظام، حيث يقوم بما يلي:

• تحويل استراتيجيات البحث التي يُحددها المستخدم إلى شفرة برمجية قابلة للتنفيذ.
• تشغيل سير العمل في بيئة معزولة لضمان الأمان.
• معاملة النموذج اللغوي الكبير كأداة للتفكير الموضعي (التلخيص، الترتيب، الاستخراج) بدلاً من منحه السيطرة الكاملة.

هذه الهندسة المعمارية تجعل UDR خفيف الوزن، ومرنًا، وغير مرتبط بنموذج لغوي كبير محدد.

معالجة وتنفيذ استراتيجيات البحث في UDR

يستقبل UDR مدخلين:

1. استراتيجية البحث: سير العمل خطوة بخطوة.
2. موجه البحث: الموضوع ومتطلبات الإخراج.

معالجة الاستراتيجية:

• يتم ترجمة استراتيجيات اللغة الطبيعية إلى شفرة بايثون ذات بنية محددة.
• تخزن المتغيرات النتائج الوسيطة، مما يتجنب تجاوز نافذة السياق.
• جميع الدوال حتمية وشفافة.

تنفيذ الاستراتيجية:

• تعمل منطق التحكم على وحدة المعالجة المركزية (CPU)؛ فقط مهام التفكير تستدعي النموذج اللغوي الكبير.
• يتم إصدار الإشعارات عبر عبارات yield، مما يُبقي المستخدمين على اطلاع دائم في الوقت الفعلي.
• يتم تجميع التقارير من حالات المتغيرات المخزنة، مما يضمن إمكانية التتبع.

يُحسّن هذا الفصل بين التنسيق والتفكير من الكفاءة ويُقلل من تكلفة وحدة معالجة الرسومات (GPU).

أمثلة على استراتيجيات البحث المتاحة

يُوفر NVIDIA مع UDR ثلاث استراتيجيات نموذجية:

1. الاستراتيجية الدنيا (Minimal): توليد بعض استعلامات البحث، وجمع النتائج، وتجميع تقرير موجز.
2. الاستراتيجية الواسعة (Expansive): استكشاف مواضيع متعددة بالتوازي لتغطية أوسع.
3. الاستراتيجية المكثفة (Intensive): تنقيح الاستعلامات بشكل تكراري باستخدام سياقات فرعية متطورة، مثالية للغوص العميق في الموضوع.

تُمثل هذه الاستراتيجيات نقاط بداية، لكن الإطار يسمح للمستخدمين بتشفير سير عمل مخصصة تماماً.

مخرجات UDR

يُنتج UDR مخرجين رئيسيين:

1. إشعارات منظمة: تحديثات حول التقدم (مع النوع، والوقت، والوصف) من أجل الشفافية.
2. التقرير النهائي: وثيقة بحثية بتنسيق Markdown، كاملة مع الأقسام، والجدول، والمراجع.

يُتيح هذا التصميم للمستخدمين كل من إمكانية التدقيق وإعادة الإنتاج، على عكس الأنظمة الوكيلة غير الشفافة.

تطبيقات UDR

يُعدّ تصميم UDR ذو الغرض العام قابلاً للتكيف عبر مختلف المجالات:

• الاكتشاف العلمي: استعراضات أدبية منظمة.
• الاستقصاءات المؤسسية: التحقق من صحة المعلومات مقابل الملفات ومجموعات البيانات.
• الاستخبارات التجارية: خطوط أنابيب تحليل السوق.
• الشركات الناشئة: مساعدون مخصصون تم إنشاؤهم دون إعادة تدريب نماذج لغوية كبيرة.

بفصل اختيار النموذج عن منطق البحث، يدعم UDR الابتكار في كلا البعدين.

الخلاصة

يُشير البحث العميق الشامل (UDR) إلى تحول من وكلاء الذكاء الاصطناعي المرتكزة على النموذج إلى وكلاء الذكاء الاصطناعي المرتكزة على النظام. من خلال منح المستخدمين التحكم المباشر في سير العمل، تُمكّن NVIDIA أنظمة بحث قابلة للتخصيص، وكفاءة، وقابلة للتدقيق. بالنسبة للشركات الناشئة والمؤسسات، يُوفر UDR أساسًا لبناء مساعدين محددين للمجال دون تكلفة إعادة تدريب النموذج، مما يفتح فرصًا جديدة للابتكار عبر الصناعات. يمكنكم الاطلاع على الورقة البحثية، والمشروع، والشفرة المصدرية عبر الروابط التالية: [رابط الورقة البحثية]، [رابط المشروع]، [رابط الشفرة المصدرية].

المصدر: MarkTechPost