11h (edited) • سمارت مودلز
الحوار الأول: لماذا لا تُظهر الإجابات بصورة موثوقة؟
الحوار الأول: لماذا لا تظهر مصادر الإجابات بصورة موثوقة؟
________________________________________
الجزء الأول: الإحالات المرجعية؟
________________________________________
👨🎓: هل توجد نماذج ذكاء اصطناعي تدعم الإحالات المرجعية، وأخرى لا تدعمها؟
🤖: نعم. بعض النماذج والخدمات تستطيع تقديم إحالات منظمة إلى المصادر، وبعضها لا يوفر هذه الإمكانية بصورة أصلية، لكنه يستطيع الاستفادة من أدوات البحث الخارجية. وهناك نماذج تذكر المراجع ضمن النص دون تقديم بيانات تثبت أنها استُرجعت من مصادر فعلية.
________________________________________
👨🎓: هل يمكن أن تعطيني أمثلة على النماذج التي تدعم الإحالات؟
🤖: من الأمثلة المعروفة نماذج OpenAI عند استخدام البحث المدعوم وWeb Search في واجهة API، ونماذج Gemini عند تفعيل Grounding، ونماذج Claude عند استخدام خاصية Citations للمستندات. لكن هذه الإمكانات ترتبط بطريقة تشغيل النموذج والخدمة المستخدمة، ولا تعني أن جميع نماذج هذه الشركات تقدم الإحالات تلقائيًا.
________________________________________
👨🎓: وإذا كان النموذج لا يدعم الإحالات، فهل يمكن إضافتها إليه؟
🤖: نعم، في كثير من الحالات. يمكن تزويده بنتائج بحث أو مقاطع من مصادر موثوقة، ثم استخدام نظام مستقل لربط الإجابة بتلك المصادر. لكن الإحالات الناتجة بهذه الطريقة تكون من منظومة التشغيل، وليست بالضرورة خاصية أصلية للنموذج.
________________________________________
👨🎓: وكيف أعرف قبل إضافة نموذج من OpenRouter إلى سمارت مودلز أنه يدعم الإحالات؟
🤖: نراجع صفحة النموذج ووثائق المزوّد أولًا، ونبحث عن خصائص مثل Citations وWeb Search وGrounding. ثم نتحقق من أن هذه الخصائص متاحة فعلًا عبر OpenRouter، وليس عبر موقع الشركة الأصلي فقط.
________________________________________
👨🎓: وهل يكفي أن أجد عبارة Web Search ضمن خصائص النموذج؟
🤖: لا. فقد يكون البحث متاحًا من خلال OpenRouter باستخدام أداة خارجية، دون أن يدعم النموذج الإحالات بصورة أصلية. ولذلك يجب التأكد من أن الاستجابة تعيد بيانات مصادر منظمة، وليس مجرد إجابة تتضمن روابط.
________________________________________
👨🎓: وكيف نتحقق من ذلك قبل أن نضيف النموذج إلى المنصة؟
🤖: نجري استدعاءً تجريبيًا محدودًا باستخدام API، ونطلب إجابة موثقة عن موضوع معروف. ثم نفحص الاستجابة الأصلية لمعرفة ما إذا كانت تتضمن بيانات إحالات منظمة، مثل روابط المصادر وعناوينها ومواضع الاستشهاد بها، ونتحقق من صحة عينة منها.
________________________________________
👨🎓: أريد أن تتميز منصة سمارت مودلز في خدمة الباحثين، لكنني ألاحظ مشكلة مهمة: قد أحصل على إجابة علمية جيدة، ومع ذلك لا تظهر معها مراجع واضحة أو إحالات أستطيع التحقق منها. لماذا يحدث ذلك؟
🤖: لأن توليد الإجابة وتوليد الإحالات عمليتان مترابطتان، لكنهما ليستا عملية واحدة. فقد يستطيع النموذج كتابة إجابة مفيدة دون أن يوفر بيانات دقيقة عن مصادرها. وقد يوفر مزوّد النموذج معلومات عن المصادر، لكن المنصة لا تنقلها أو تحفظها أو تعرضها بصورة صحيحة.
________________________________________
👨🎓: هل تقصد أن المشكلة قد لا تكون في النموذج نفسه، وإنما في طريقة تعامل المنصة مع المصادر التي يقدمها؟
🤖: نعم، فهذا أحد الاحتمالات. ولتحديد موضع المشكلة، علينا أولًا معرفة ما إذا كان النموذج قد قدّم المصادر بالفعل، لكنها فُقدت أثناء معالجة الإجابة داخل المنصة، أم أنه لم يقدّم أي مصادر من البداية. وبهذا نستطيع معرفة ما إذا كانت المشكلة في استجابة النموذج أم في طريقة تعامل المنصة معها.
________________________________________
👨🎓: إذن قد تكون المصادر موجودة، لكن المنصة تفقدها في الطريق؟
🤖: تخيل أن باحثًا سلم موظفًا تقريرًا يتضمن الإجابة وقائمة المصادر، لكن الموظف نقل نص التقرير وحده إلى النسخة النهائية. اختفاء المصادر هنا لا يعني أنها لم تكن موجودة في التقرير الأصلي.
وهذا يقرب لنا وظيفة محوّل الاستجابة (Response Mapper): فهو ينظم البيانات المنتقلة من صيغة إلى أخرى، وقد يؤدي إغفال حقل مهم فيه إلى فقدان تلك البيانات.
________________________________________
👨🎓: وما الحل البرمجي الذي يفترض أن نطلبه من المبرمج؟
🤖: الحل الأول هو المحافظة على إحالات المصدر الأصلية أثناء انتقال الاستجابة بين طبقات النظام. ويشمل ذلك قراءة بيانات الإحالات، وتنظيمها في بنية موحدة، ثم تمريرها إلى المكونات المسؤولة عن الحفظ والعرض، دون تعديل المكتبات الخارجية مباشرة.
________________________________________
👨🎓: هل يعني إصلاح هذا الجزء أن مشكلة التوثيق العلمي ستنتهي؟
🤖: لا. سيعالج ذلك فقدان الإحالات التي وصلت فعلًا، لكنه لا يضمن أن كل إجابة تحتوي على مصادر، ولا أن المصادر الموجودة صحيحة أو تدعم جميع العبارات.
فهناك فرق بين المحافظة على بيانات الإحالة وبين التحقق العلمي من الإسناد.
________________________________________
👨🎓: وما المقصود بالتحقق العلمي من الإسناد؟
🤖: يعني التأكد من أن المصدر موجود ويمكن فحصه، ثم تحديد ما إذا كان محتواه يدعم العبارة التي نُسبت إليه بالفعل.
فإذا قالت الإجابة إن دراسة أثبتت تحسنًا في مهارات الكتابة بنسبة معينة، فلا يكفي عرض رابط الدراسة. ينبغي التحقق من أن الدراسة تتضمن هذه النتيجة، وأن النسبة والسياق والتفسير مطابقة لها.
________________________________________
👨🎓: وهل تستطيع المنصة ربط كل عبارة بالدليل الذي يدعمها بدل وضع قائمة عامة بالمراجع في نهاية الإجابة؟
🤖: يمكن تصميم نظام يؤدي هذه الوظيفة. وهذا هو الاتجاه الذي نعمل عليه في EvidenceLink؛ إذ يهدف إلى تسجيل العبارات التي تحتاج إلى إسناد، وربطها بمصادر ومقاطع محددة، وحفظ العلاقة بحيث يمكن الرجوع إليها عند عرض المحادثة.
لكن يجب التمييز بين ربط العبارة بالمصدر تقنيًا، والتحقق من أن المصدر يدعمها فعلًا.
________________________________________
👨🎓: وما معنى أن النظام حفظ العلاقة تقنيًا دون أن يتحقق منها علميًا؟
🤖: يعني أن لدينا سجلًا يقول إن عبارة معينة مرتبطة بمقطع معين من مصدر محدد. وهذا يثبت تسجيل العلاقة داخل النظام، لكنه لا يثبت صحتها الدلالية.
فقد يكون المقطع مرتبطًا بموضوع العبارة، لكنه لا يقدم دليلًا كافيًا عليها. ولذلك يجب التعامل مع الربط غير المتحقق بوصفه مرشحًا للمراجعة، لا توثيقًا علميًا مؤكدًا.
________________________________________
👨🎓: وهل نحتاج إلى تطوير نموذج ذكاء اصطناعي جديد حتى ننجز ذلك؟
🤖: ليس بالضرورة. فالمشكلة قد تتعلق بكيفية استخدام النماذج الموجودة، واستخراج بيانات مصادرها، وربطها بمحتوى الإجابة، وتخزينها وعرضها. ويمكن أن نستفيد من أدوات بحث واسترجاع وفحص إضافية عند الحاجة.
والأفضل أن نصلح مسار البيانات أولًا، قبل التفكير في استبدال النموذج أو إضافة خدمات جديدة ترفع التكلفة دون معالجة السبب.
________________________________________
👨🎓: وكيف أعرف بصفتي مالك المنصة أن المبرمج عالج هذه المشكلة فعلًا؟
🤖: نطلب منه اختبارًا متكاملًا يبدأ بطلب ينتج إحالات معروفة، ثم يتتبع هذه الإحالات من استجابة المزوّد حتى ظهورها في الواجهة، ويتأكد من حفظها واسترجاعها.
ونضيف اختبارًا مستقلًا لصحة ارتباط العبارة بمصدرها، حتى لا نخلط بين نجاح عرض الرابط وصحة التوثيق العلمي.
________________________________________
👨🎓: وإذا أصبحت الإحالات تظهر بعد الإصلاح، فهل نعتبر نظام EvidenceLink مكتملًا؟
🤖: لا. ظهور الإحالات خطوة أساسية فقط. ويظل علينا اختبار دقة مواضعها في النص العربي، وسلامة الروابط، وصلاحيات الوصول إلى الملفات الخاصة، وعدم اختلاق بيانات مرجعية، والتعامل مع الإجابات التي لا تتوافر لها أدلة كافية. كما يجب اختبار التكامل مع مسار المحادثات الفعلي، لا الاكتفاء بنجاح اختبارات معزولة.
________________________________________
💡 المعلومة الراسخة: لا تتوقف موثوقية التوثيق العلمي على قدرة النموذج على ذكر المصادر، بل تعتمد أيضًا على المحافظة على بيانات الإحالات أثناء انتقالها داخل المنصة، وربط العبارات بالأدلة المناسبة، والتحقق من صحة الإسناد، وحفظ العلاقات واسترجاعها وعرضها بأمان.
والقاعدة الأساسية: وجود المصدر لا يعني صحة الإحالة، ونجاح نقل الإحالة لا يعني صحة الدليل.
________________________________________
👨🎓: إذا اخترنا نموذجًا يدعم البحث وتقديم الإحالات المرجعية، فما فائدة تفعيل أداة البحث على الويب؟ ألن يؤدي ذلك إلى تكرار العملية نفسها؟
🤖: ليس بالضرورة. فالأمر يعتمد على طريقة تكامل النموذج مع المنصة. إذا كانت أداة البحث في سمارت مودلز تستدعي وظيفة البحث الأصلية لدى المزوّد، فقد تكون وسيلة لتفعيلها وليست عملية بحث إضافية. أما إذا نفّذت المنصة بحثًا مستقلًا، ثم استدعى النموذج بحثًا آخر، فقد يحدث تكرار فعلي.
________________________________________
👨🎓: وهل هذا يعني أن النموذج يمكن أن يبحث مرتين عن السؤال نفسه؟
🤖: نعم، إذا سُمح بتشغيل مسارين مستقلين للبحث. فقد تجلب المنصة نتائج من محرك خارجي، ثم ينفذ النموذج بحثًا آخر عبر مزوّده. وقد يؤدي ذلك إلى تكرار المصادر، وزيادة زمن الاستجابة والتكلفة، وربما ظهور اختلاف بين الإحالات التي يقدمها كل مسار.
________________________________________
👨🎓: لكن هل يمكن أن تكون هناك فائدة علمية من استخدام البحثين معًا؟
🤖: نعم، عندما تكون لكل منهما وظيفة مختلفة. فقد يستخدم النموذج البحث الأصلي للحصول على معلومات حديثة، بينما تستخدم المنصة محركًا متخصصًا للعثور على الدراسات العلمية أو التحقق من بياناتها. وهنا يصبح البحث الثاني مكمّلًا للأول، بشرط أن يضيف أدلة جديدة أو يحسن التحقق، لا أن يكرر النتائج نفسها دون حاجة.
________________________________________
👨🎓: وهل يمكن أن يؤدي الجمع بين البحثين إلى اضطراب الإحالات المرجعية؟
🤖: نعم، إذا لم تميز المنصة بين مصادر كل عملية. فقد تتكرر الدراسة نفسها برابطين مختلفين، أو تختلط نتائج البحث الخارجي بالإحالات الأصلية للنموذج. ولذلك ينبغي الاحتفاظ بهوية كل مصدر، ومسار الحصول عليه، وعلاقته بالعبارة التي يستند إليها.
________________________________________
👨🎓: وماذا عن التكلفة؟ هل سأدفع مقابل عمليتي بحث بدلًا من واحدة؟
🤖: قد يحدث ذلك إذا نُفذت عمليتا بحث مستقلتان قابلتان للفوترة. لكن مجرد تفعيل خيار البحث لا يعني بالضرورة تنفيذ عمليتين. فمثلًا، تتيح أداة openrouter:web_search استخدام البحث الأصلي لدى المزوّد عندما يكون متاحًا، والانتقال إلى محرك خارجي عند الحاجة.
ولذلك ينبغي قياس عدد عمليات البحث المنفذة فعليًا ورسومها قبل الحكم بوجود ازدواجية.
________________________________________
👨🎓: إذن ما السياسة الأفضل التي ينبغي اعتمادها في سمارت مودلز؟
🤖: أن نعتمد مسار بحث أساسيًا واحدًا لكل طلب، ونسمح ببحث إضافي عندما توجد حاجة محددة، مثل التحقق من دراسة علمية أو استكمال دليل ناقص. وإذا كان النموذج يدعم البحث والإحالات بصورة مناسبة، فلا داعي لتشغيل محرك آخر تلقائيًا لمجرد أنه متاح.
________________________________________
👨🎓: وكيف أتأكد من أن المبرمج لم يجعل المنصة تنفذ بحثين دون حاجة؟
🤖: اطلب منه اختبار سؤال واحد في بيئة معزولة، مع تسجيل أداة البحث التي استُدعيت، وعدد مرات تشغيلها، والمصادر التي أعادتها، وتكلفتها. ثم يقارن النتيجة عند استخدام البحث الأصلي وحده، وعند إضافة البحث الخارجي، لمعرفة ما إذا كانت الإضافة حسّنت التوثيق فعلًا.
________________________________________
👨🎓: وهل يمكن وضع هذا الشرط ضمن بطاقة فحص النموذج قبل إضافته إلى المنصة؟
🤖: نعم. يُضاف إلى بطاقة الفحص حقل يحدد مسار البحث المعتمد: أصلي لدى المزوّد، أو خارجي، أو مشترك عند الحاجة. ويُشترط إثبات أن الجمع بين المسارين لا يسبب تكرارًا غير مبرر أو فقدانًا لبيانات الإحالات.
________________________________________
💡 المعلومة الراسخة: ليس تعدد أدوات البحث دليلًا على تحسن جودة الإجابات. فقد يكون البحث الخارجي مكمّلًا مفيدًا، وقد يكون تكرارًا يزيد التكلفة ويعقّد التوثيق. والفيصل هو الوظيفة الفعلية لكل مسار والنتائج التي يضيفها.
________________________________________
👨🎓: إذن هل ينبغي استبعاد أي نموذج لا يدعم الإحالات؟
🤖: ليس بالضرورة. فقد يكون مناسبًا للتحليل والكتابة والترجمة، لكنه لا يُعتمد للتوثيق العلمي إلا إذا توفرت منظومة إضافية تتيح إسناد المعلومات إلى مصادر قابلة للتحقق.
________________________________________
💡 المعلومة الراسخة: قبل إضافة أي نموذج إلى سمارت مودلز، لا تسأل فقط: «هل يدعم البحث؟»، بل اسأل: «هل يوفر إحالات منظمة؟ وهل تتوافر هذه الخاصية عبر المزوّد الذي سنستخدمه؟ وهل أثبت الاختبار صحة الإحالات؟».
________________________________________
👨🎓: بما أن سمارت مودلز تستخدم OpenRouter، فهل يعني ذلك أن جميع النماذج المتاحة من خلاله تستطيع تقديم إحالات بالمستوى نفسه؟
🤖: لا. فإتاحة البحث عبر OpenRouter لا تعني تطابق بنية الإحالات أو دقتها بين جميع النماذج. وقد تختلف النتائج بحسب المزوّد الفعلي وأداة البحث وواجهة API المستخدمة. ولذلك لا يكفي معرفة اسم النموذج، بل يجب معرفة طريقة تشغيله والبيانات التي تعود من الاستدعاء.
________________________________________
👨🎓: وكيف أستطيع التحقق من ذلك عمليًا دون الاكتفاء بما تقوله الشركات عن نماذجها؟
🤖: نختار سؤالًا علميًا نعرف مصادر إجابته مسبقًا، ونشغله على النماذج المرشحة، ثم نفحص استجابتها البرمجية. ونبحث تحديدًا عن بيانات المصادر المنظمة، وليس مجرد روابط كتبها النموذج داخل الإجابة.
________________________________________
👨🎓: وإذا أعاد النموذج روابط صحيحة وبيانات منظمة، فهل أستطيع اعتباره مناسبًا للبحث العلمي؟
🤖: يصبح مرشحًا مناسبًا من الناحية التقنية، لكن الاعتماد العلمي يحتاج إلى التأكد من صحة بيانات المرجع ومطابقة الاستشهاد للمعلومة. وقد ينجح النموذج في تقديم إحالة منظمة إلى مصدر موجود، بينما يخطئ في تفسير نتائجه.
________________________________________
👨🎓: كيف يمكن أن يقدم النموذج مرجعًا علميًا صحيحًا، ثم يخطئ في تفسير نتائج الدراسة؟
🤖: لنفترض أن دراسة علمية وجدت ارتباطًا بين استخدام الذكاء الاصطناعي وارتفاع التحصيل الدراسي. قد يقدم النموذج رابط الدراسة وبياناتها بصورة صحيحة، لكنه يستنتج أن استخدام الذكاء الاصطناعي هو الذي تسبب في ارتفاع التحصيل. وهذا تفسير غير دقيق؛ لأن وجود ارتباط بين متغيرين لا يثبت بالضرورة أن أحدهما سبب الآخر. ولذلك فإن صحة المرجع لا تعني بالضرورة صحة الاستنتاج المستند إليه.
________________________________________
👨🎓: وهل يمكن أن أضع شرطًا على المبرمج قبل إضافة أي نموذج جديد إلى سمارت مودلز؟
🤖: نعم. اطلب منه إعداد بطاقة فحص لكل نموذج تتضمن اسمه ومعرّفه ومزوّده، وما إذا كان يدعم البحث والإحالات بصورة أصلية أو عبر أداة خارجية، ونتيجة اختبار API. وبناءً على ذلك نحدد مدى ملاءمته للمهام البحثية. وينبغي أن يميز المبرمج بين القدرة المعلنة، والقدرة المثبتة بالاختبار، ودقة الإحالات بعد التحقق منها.
________________________________________
👨🎓: وما الفائدة النهائية من هذه الشروط؟
🤖: ستساعدنا على معرفة النماذج التي تصلح لمهام التوثيق العلمي، وتلك التي تحتاج إلى أدوات بحث أو تحقق إضافية، وتلك التي تكفي لمهام الكتابة والتحليل دون تقديم ضمانات غير مثبتة بشأن مصادرها.
________________________________________
💡 المعلومة الراسخة: لا تتحدد قدرة النموذج على التوثيق العلمي باسمه أو بمستوى ذكائه وحدهما. بل يجب التحقق من إمكانات المزوّد، وبنية بيانات الإحالات التي يعيدها فعلًا، ثم اختبار صحة المصادر ومدى دعمها للمعلومات.
________________________________________
الجزء الثاني: البحث على الويب؟
________________________________________
👨🎓: ما المقصود بتفعيل البحث على الويب (Web Search) داخل المنصة؟
🤖: يعني إتاحة آلية تسمح للنظام بالبحث عن معلومات خارج المعرفة التي يعتمد عليها النموذج مباشرة، وفق إمكانات المزوّد وإعدادات المنصة. وقد يتم البحث من خلال أداة يستدعيها الوكيل الذكي، أو وظيفة بحث يقدمها مزوّد النموذج نفسه، أو خدمة بحث خارجية.
لكن وجود هذا الخيار في الإعدادات لا يثبت وحده أن عملية بحث حدثت بالفعل.
________________________________________
👨🎓: يبدو أن هناك تقاربًا كبيرًا بين طرق البحث على الويب داخل أنظمة الذكاء الاصطناعي. كيف أميز بينها وأفهم وظيفة كل واحدة؟
🤖: يمكن التمييز بينها بثلاثة مصطلحات رئيسية:
البحث الأصلي المدمج (Native/Built-in Web Search)
وهو البحث الذي يوفره مزوّد النموذج ضمن خدماته
والبحث باستدعاء أداة (Tool-mediated Web Search)
وهو آلية تسمح للنموذج أو الوكيل الذكي بطلب تشغيل أداة بحث
والبحث عبر خدمة خارجية (External Search API)
وهو البحث الذي تنفذه خدمة مستقلة تتصل بها المنصة برمجيًا.
والفرق المهم أن المصطلح الأول يحدد موضع توفير وظيفة البحث، والثاني يصف طريقة استدعائها، والثالث يحدد نوع الخدمة المنفذة؛ ولذلك قد تتداخل هذه الأنواع، فقد يستدعي الوكيل أداة تستخدم خدمة بحث خارجية، دون أن يعني ذلك حدوث عمليتي بحث منفصلتين.
________________________________________
👨🎓: إذا فعّلنا البحث على الويب، ألن تنتهي مشكلة ضعف المراجع تلقائيًا؟
🤖: ليس بالضرورة. فهناك فرق بين تمكين النموذج من البحث، وتنفيذ البحث فعلًا، واستخراج مصادر نتائجه، ثم تحويل هذه المصادر إلى إحالات مرتبطة بعبارات الإجابة. وكل مرحلة لها وظيفة مختلفة، وقد تنجح إحداها بينما تفشل الأخرى.
________________________________________
👨🎓: ما الفرق بين أداة البحث التي تخص مزوّد النموذج، وأداة البحث التي يستخدمها النموذج نفسه، وأداة البحث التي توفرها المنصة؟ وكيف أميز بينها؟
🤖: يمكن التمييز بينها بحسب الجهة المسؤولة عن توفير البحث وتشغيله:
1. بحث المزوّد (Provider-managed Web Search): خدمة بحث يوفرها مزوّد النموذج، مثل Google أو OpenAI، وتُفعّل عبر واجهته البرمجية (API). ويتولى المزوّد تنفيذ البحث وإعادة نتائجه وإحالاته وفق إمكانات الخدمة.
2. بحث النموذج باستدعاء الأدوات (Model-initiated Tool Calling): قدرة النموذج على تحديد حاجته إلى معلومات خارجية وطلب تشغيل أداة بحث متاحة له. فالنموذج لا يمتلك بالضرورة محرك بحث مستقلًا، وإنما يقرر متى يستدعي الأداة، بينما تتولى جهة أخرى تنفيذ البحث.
3. بحث المنصة (Platform-managed Web Search): خدمة بحث تدمجها المنصة، مثل سمارت مودلز، ضمن بنيتها البرمجية. ويمكنها تشغيل البحث عبر مزوّد خارجي، ثم إرسال النتائج إلى النموذج لاستخدامها في توليد الإجابة.
والفرق الجوهري أن المزوّد قد يوفر محرك البحث، والنموذج قد يقرر متى يستخدمه، والمنصة قد تتحكم في تشغيله وتمرير نتائجه. وهذه ليست بالضرورة ثلاث عمليات بحث مستقلة، بل قد تكون ثلاثة أدوار متكاملة في عملية بحث واحدة.
________________________________________
👨🎓: متى يمكن الجمع بين البحث الأصلي المدمج لدى مزوّد النموذج، والبحث باستدعاء أداة، وخدمات البحث الخارجية؟ ومتى ينبغي عدم الجمع بينها؟
🤖: يمكن الجمع بينها عندما تؤدي وظائف متكاملة لا متكررة؛ كأن يستخدم النموذج بحثه الأصلي للحصول على معلومات حديثة، ثم يستدعي أداة للوصول إلى قاعدة بيانات علمية متخصصة أو للتحقق من مصدر محدد عبر خدمة خارجية.
أما إذا كانت جميعها تبحث عن المعلومات نفسها دون إضافة معرفية أو تحقق مستقل، فيُفضّل عدم الجمع؛ لأن ذلك قد يزيد التكلفة وزمن الاستجابة ويؤدي إلى تكرار النتائج أو اختلاط الإحالات المرجعية.
ويجب الانتباه إلى أن استدعاء أداة البحث ليس بالضرورة عملية بحث إضافية، بل قد يكون مجرد وسيلة لتشغيل البحث الأصلي أو الخارجي. لذلك يُعتمد مسار بحث أساسي واحد، وتُضاف المسارات الأخرى عند الحاجة، مع توثيق مصدر كل إحالة.
________________________________________
كيف يمكن أن يكون البحث مفعّلًا، ومع ذلك لا ينفذه النموذج؟
🤖: قد تكون الأداة متاحة، لكن النموذج لا يستدعيها في ذلك الطلب. وقد لا يدعم النموذج المحدد طريقة البحث المستخدمة، أو لا تصل إعدادات البحث إلى مسار التنفيذ الصحيح، أو يفشل الاستدعاء قبل الحصول على النتائج.
ولهذا يجب أن نفرّق بين «إتاحة الأداة» (Tool Availability) و«استدعاء الأداة» (Tool Invocation) و«نجاح تنفيذها» (Tool Execution).
________________________________________
👨🎓: وما العلاقة بين أداة البحث والنموذج الذكي نفسه؟
🤖: النموذج يتولى معالجة الطلب وتوليد الإجابة، بينما توفر أداة البحث معلومات خارجية يمكن الاستفادة منها. وعندما يكون النظام مجهزًا لاستدعاء الأدوات، فقد يقرر الوكيل الذكي تشغيل أداة البحث، ثم يتلقى نتائجها ويستخدمها في استكمال الإجابة.
أما إذا كانت خدمة البحث مدمجة لدى مزوّد النموذج، فقد يتولى المزوّد تنفيذ البحث وإعادة نتائجه ضمن استجابة النموذج، دون الحاجة إلى استدعاء أداة بحث مستقلة من داخل المنصة. ومع ذلك، ينبغي التحقق من تنفيذ البحث فعليًا، ومن وصول بيانات المصادر والإحالات إلى المنصة بصورة صحيحة.________________________________________
👨🎓: ذكرت الوكيل الذكي (AI Agent). هل هو النموذج نفسه؟
🤖: ليس بالضرورة. النموذج هو المكوّن الذي يعالج المعلومات ويولّد المخرجات، أما الوكيل فهو منظومة تشغيل قد تستخدم نموذجًا واحدًا أو أكثر، وتدير خطوات وأدوات لتنفيذ مهمة محددة.
فإذا احتاجت الإجابة إلى معلومات حديثة، فقد ينسق الوكيل عملية البحث وإعادة استخدام النتائج، بدل الاكتفاء بإجابة النموذج من دون بحث خارجي.
________________________________________
👨🎓: إذا نفّذ الوكيل البحث ووجد دراسات علمية، فما الذي يمنع ظهورها للمستخدم؟
🤖: لأن نتائج البحث (Search Results) ليست هي نفسها الإحالات المرجعية (Citations). فقد تتضمن النتائج عناوين وروابط ومقتطفات، ثم يستخدم النموذج بعضها في الإجابة، لكن المنصة لا تحتفظ ببيانات المصادر أو لا تربطها بالنص المعروض. وقد تكون بعض النتائج غير صالحة أصلًا للاستشهاد العلمي.
________________________________________
👨🎓: هل تقصد أن ظهور قائمة بالدراسات في نتائج البحث لا يعني أنها استُخدمت في الإجابة؟
🤖: صحيح. فقد تعثر أداة البحث على عشر دراسات، لكن النموذج يستخدم معلومات من دراستين فقط، أو يولّد إجابة لا تعكس النتائج بدقة. ولذلك يجب التمييز بين «المصدر المكتشف» و«المصدر المستخدم» و«المصدر الذي ثبت دعمه لعبارة معينة».
________________________________________
👨🎓: وما الفرق بين المصدر المستخدم والمصدر الذي ثبت دعمه للعبارة؟
🤖: استخدام المصدر يعني أن معلوماته دخلت في عملية إعداد الإجابة. أما ثبوت دعمه للعبارة فيتطلب فحص العلاقة بين محتواه والادعاء المحدد.
فقد يستخدم النموذج دراسة تتناول الذكاء الاصطناعي في التعليم، ثم يستنتج منها تحسن التحصيل الدراسي، مع أن الدراسة ربما تناولت اتجاهات المعلمين ولم تقس التحصيل أصلًا.
________________________________________
👨🎓: هذه مشكلة مهمة. فهل يمكن أن تظهر الإحالة الصحيحة بجوار استنتاج غير صحيح؟
🤖: نعم. فقد يكون الرابط صحيحًا، والدراسة موجودة فعلًا، لكن العبارة المنسوبة إليها غير مطابقة لنتائجها. وهذا يُظهر الفرق بين «التحقق من وجود المصدر» (Source Verification) و«التحقق من دعم المصدر للادعاء» (Claim Verification). فنجاح المرحلة الأولى لا يضمن الثانية.
________________________________________
👨🎓: وكيف نستفيد من هذا الفرق في تحسين سمارت مودلز؟
🤖: ينبغي تصميم منظومة التوثيق بحيث لا تكتفي بجمع الروابط. بل تحدد العبارة المطلوب إسنادها، وتربطها بالمصدر المناسب، وتتيح فحص المقتطف الداعم، وتبين ما إذا كان الارتباط قد تحقق أو ما زال يحتاج إلى مراجعة. وهذا هو الاتجاه الذي تستهدفه منظومة EvidenceLink الجاري تطويرها.
________________________________________
👨🎓: لكننا سبق أن استخدمنا البحث على الويب عبر OpenRouter. هل يعني ذلك أننا نحتاج إلى إنشاء محرك بحث جديد داخل سمارت مودلز؟
🤖: ليس بالضرورة. قد يكون الأجدى أولًا التحقق من الإمكانات التي يوفرها التكامل الحالي، وكيفية استدعائها، وما البيانات التي تعيدها، ثم إصلاح نقل الإحالات وحفظها.
فإن كانت المشكلة في ضياع بيانات موجودة أصلًا، فإن إضافة محرك بحث آخر قد تزيد التعقيد والتكلفة دون معالجة السبب الأساسي.
________________________________________
👨🎓: وكيف يعرف المبرمج أن OpenRouter أعاد المصادر بالفعل؟
🤖: يفحص الاستجابة المنظمة الواردة من المزوّد في بيئة اختبار مأذون بها. فقد تتضمن معلومات عن الروابط أو تعليقات مرجعية (Annotations) أو بيانات أخرى، بحسب النموذج وآلية البحث المستخدمة.
ثم يتحقق مما إذا كانت مكتبة Laravel AI قد استخرجت هذه البيانات، وما إذا كانت الطبقات التالية في سمارت مودلز قد احتفظت بها.
________________________________________
________________________________________
👨🎓: هل التعليقات المرجعية (Annotations) تعني المراجع العلمية مباشرة؟
🤖: لا. فهي بيانات بنيوية قد تُستخدم لوصف ارتباط جزء من الاستجابة بمصدر إلكتروني، لكنها لا تشكّل بالضرورة مرجعًا أكاديميًا مكتمل البيانات، ولا تثبت أن محتوى المصدر يدعم العبارة.
وهنا تظهر أهمية التمييز بين الإحالة التقنية التي ينتجها المزوّد والتوثيق العلمي الذي يحتاج إليه الباحث.
________________________________________
👨🎓: وإذا أعاد المزوّد رابطًا وعنوانًا فقط، فهل تستطيع المنصة إنشاء مرجع علمي كامل منهما؟
🤖: لا ينبغي أن تستكمل بيانات المرجع بالتخمين. فقد تحتاج إلى التحقق من المؤلف، وسنة النشر، واسم المجلة، ومعرّف DOI عند وجوده، ومطابقة هذه البيانات للمصدر الفعلي.
وإذا كانت بعض البيانات غير متاحة، يجب بيان حدود ما تحقق، بدل تقديم مرجع يبدو مكتملًا لكنه يحتوي على معلومات مختلقة.
________________________________________
👨🎓: ما المقصود بمعرّف DOI الذي يُستخدم في توثيق المراجع العلمية؟ وما فائدته؟
🤖: معرّف DOI هو اختصار لعبارة Digital Object Identifier، ويعني المعرّف الرقمي للكائن، وهو رمز فريد ودائم يُخصَّص للمحتوى الرقمي، مثل المقالات والأبحاث العلمية والكتب، لتمييزه عن غيره وتسهيل الوصول إليه. فمثلًا، قد يظهر بهذه الصيغة: 10.1000/xyz123.
وتكمن أهميته في تسهيل التحقق من هوية المصدر وبياناته واستمرار الوصول إلى صفحته حتى عند تغيير عنوان موقع الناشر، بشرط تحديث بيانات المعرّف. ومع ذلك، فإن وجود DOI لا يثبت وحده جودة البحث أو صحة نتائجه، وإنما يساعد على تحديد المصدر وتوثيقه والتحقق من بياناته.
________________________________________
👨🎓: هل يمكن أن تؤدي إضافة نظام توثيق متقدم إلى زيادة تكلفة استخدام المنصة؟
🤖: نعم، إذا استلزم بحثًا إضافيًا، أو قراءة صفحات ومقاطع، أو استدعاءات أخرى لنماذج الذكاء الاصطناعي للتحقق من الأدلة.
لكن التكلفة لا ترتفع بالضرورة في كل طلب؛ إذ يمكن إعادة استخدام نتائج متاحة ومناسبة عندما تسمح شروط الصلاحية والحداثة بذلك، وتجنب عمليات البحث المكررة غير الضرورية.
________________________________________
👨🎓: إذن كيف نحقق التوازن بين قوة التوثيق والتكلفة التشغيلية؟
🤖: نبدأ بتحديد الحد الأدنى من العمليات اللازمة لإنتاج إحالة قابلة للفحص. ثم نقيس تكلفة البحث والاسترجاع والتحقق، ونقارنها بجودة النتائج.
ولا ينبغي تشغيل أدوات تحقق مكلفة دون حاجة، كما لا ينبغي حذف مراحل تحقق أساسية لمجرد خفض الاستهلاك.
________________________________________
👨🎓: وهل نستطيع معرفة عدد مرات البحث التي نفذتها المنصة من خلال عدد الرموز التي استهلكها النموذج؟
🤖: لا. فرمز الإدخال أو الإخراج يقيس جانبًا من استخدام النموذج، بينما قد تكون عمليات البحث ذات عدادات أو رسوم مستقلة.
وإذا غاب عداد البحث من بيانات المزوّد، فلا يصح افتراض أن عدد العمليات صفر أو أنها مجانية. ينبغي الرجوع إلى السجلات الموثوقة وطريقة المحاسبة المعتمدة.
________________________________________
👨🎓: وما الاختبار العملي الذي ينبغي طلبه من المبرمج قبل أن نعتبر البحث والتوثيق يعملان بصورة صحيحة؟
🤖: أقترح تجربة سؤال علمي محدد يحتاج إلى مصادر يمكن التحقق منها، ثم فحص خمس مراحل مترابطة:
أولًا، هل نُفّذت عملية البحث فعلًا؟
ثانيًا، هل أعادت العملية مصادر مناسبة وقابلة للوصول؟
ثالثًا، هل احتفظت المنصة ببيانات الإحالات أثناء معالجة استجابة النموذج؟
رابعًا، هل ظهرت الإحالات للمستخدم وبقيت بعد إعادة فتح المحادثة؟
خامسًا، هل ثبت أن المصادر المعروضة تدعم العبارات المرتبطة بها، أم أن هذه العلاقات ما تزال مرشحة للتحقق؟
________________________________________
👨🎓: وإذا نجحت المراحل الأربع الأولى وفشلت الخامسة، فهل نعتبر النظام ناجحًا؟
🤖: يكون قد نجح تقنيًا في البحث ونقل الإحالات وحفظها وعرضها، لكنه لم يحقق بعد مستوى التوثيق العلمي المطلوب.
ومن المهم إظهار هذا الفرق في نتائج الاختبارات؛ حتى لا نمنح النظام وصف «التوثيق الموثوق» اعتمادًا على نجاح عرض الروابط وحده.
________________________________________
________________________________________
👨🎓: وإذا فشلت المرحلة الثالثة فقط، فهل نحتاج إلى تغيير النموذج؟
🤖: ليس بالضرورة. فإذا كانت الإحالات موجودة في الاستجابة الأصلية، لكنها تضيع داخل التطبيق، فالأولوية لفحص تحويل البيانات وتمريريها إلى بقية النظام.
أما استبدال النموذج فلا ينبغي اتخاذه قبل التحقق من أنه يعالج المشكلة فعلًا.
________________________________________
👨🎓: دعني ألخص ما فهمته: تفعيل البحث لا يعني تنفيذه، وتنفيذ البحث لا يعني استخدام جميع نتائجه، ووجود المصادر لا يضمن ظهور إحالاتها، وظهور الإحالات لا يثبت صحتها العلمية. فهل هذه هي الفكرة الأساسية؟
🤖: نعم. وقد انتقلت بذلك من التفكير في التوثيق بوصفه زرًا لتفعيل البحث، إلى فهمه بوصفه سلسلة مترابطة من العمليات التي يجب اختبار كل واحدة منها.
________________________________________
👨🎓: وما السؤال الذي ينبغي أن أطرحه على المبرمج الآن؟
🤖: اسأله: «هل نستطيع إثبات أن البحث يُنفذ عند الحاجة، وأن مصادره تنتقل إلى الإجابة دون فقدان، وتُحفظ وتُعرض بصورة صحيحة، وأن نظام التوثيق يميز بين الإحالات المرشحة والإحالات التي جرى التحقق من دعمها للعبارات؟».
هذا السؤال يجمع بين جودة الخدمة، وسلامة التكامل، والموثوقية العلمية، دون افتراض أن جميع المشكلات سببها النموذج.
________________________________________
💡 المعلومة الراسخة: تفعيل البحث على الويب (Web Search) لا يضمن وحده الحصول على مراجع علمية موثوقة. فالعملية تمر بمراحل تشمل إتاحة البحث وتنفيذه، واسترجاع المصادر، واستخدام المعلومات، ونقل بيانات الإحالات وحفظها وعرضها، ثم التحقق من صحة ارتباط المصدر بالعبارة.
وقد تنجح مرحلة وتفشل أخرى. لذلك ينبغي تشخيص كل مرحلة واختبارها بصورة مستقلة، وعدم الخلط بين نجاح البحث، وظهور الإحالة، وصحة التوثيق العلمي.
________________________________________
👨🎓: هل توجد علاقة بين الإضافات (Plugins)، والمهارات (Skills)، وبروتوكول سياق النموذج (MCP)؟ وهل يمكن أن تؤدي جميعها وظيفة البحث على الويب داخل سمارت مودلز؟
🤖: نعم، توجد علاقة تكامل بينها، لكنها ليست شيئًا واحدًا. الإضافة (Plugin) توسّع وظائف التطبيق بإضافة خدمة أو قدرة جديدة، مثل البحث في المواقع وقواعد البيانات. أما المهارة (Skill) فهي مجموعة تعليمات وإجراءات متخصصة توجه النموذج إلى كيفية تنفيذ مهمة معينة، مثل البحث العلمي والتحقق من المراجع، لكنها لا تمنحه اتصالًا بالويب بمجرد وجودها. وأما MCP فهو بروتوكول معياري يتيح ربط تطبيقات الذكاء الاصطناعي بالأدوات ومصادر البيانات الخارجية بطريقة منظمة.
وبذلك يمكن أن تستخدم سمارت مودلز إضافةً توفر البحث، ومهارةً تضبط منهجية البحث والتوثيق، واتصالًا عبر MCP للوصول إلى أداة أو قاعدة بيانات. وقد تتداخل هذه العناصر؛ فالإضافة نفسها قد تستخدم MCP، والمهارة قد توجه النموذج إلى استخدام الأداة المتصلة به.
والفرق الأساسي أن الإضافة توفر وظيفة، والمهارة تنظم طريقة استخدامها، وMCP يحدد آلية معيارية للاتصال بالأدوات ومصادر البيانات. ولا يعني الجمع بينها بالضرورة تنفيذ ثلاث عمليات بحث، وإنما يعتمد ذلك على كيفية تصميم التكامل وتشغيله.
وهذا التمييز تؤكده وثائق OpenAI التي توضح أن المهارات تنظم سير العمل، بينما توفر أدوات MCP الوصول إلى البيانات والعمليات الفعلية. كما أن مصطلح «إضافة» يختلف نطاقه بحسب المنصة؛ ففي OpenRouter، مثلًا، توجد فروق تشغيلية بين الإضافات وأدوات الخادم التي يستدعيها النموذج.
________________________________________
👨🎓: وماذا نسمي الإضافة التي تحتوي على مجموعة من المهارات المتخصصة؟ وهل ترتبط بالإضافات والمهارات وبروتوكول MCP التي تحدثنا عنها؟
🤖: يمكن تسميتها إضافة متعددة المهارات (Multi-Skill Plugin)، أو حزمة مهارات (Skill Bundle) إذا كان دورها الأساسي تجميع المهارات وتنظيمها. لكن هذين المصطلحين وصفيان، وليسا تصنيفًا تقنيًا موحدًا بين جميع منصات الذكاء الاصطناعي.
أما علاقتها بما سبق، فهي علاقة تكامل؛ إذ يمكن للإضافة أن تضم مهارات متعددة، مثل البحث العلمي وتحليل المصادر والتوثيق المرجعي، وتستخدم هذه المهارات أدوات بحث مشتركة، بعضها متصل عبر بروتوكول MCP.
وبذلك تكون الإضافة حاوية للقدرات، والمهارات وحدات متخصصة لتنفيذ المهام، وMCP وسيلة معيارية للاتصال بالأدوات والخدمات الخارجية. وليس من الضروري أن تحتوي كل إضافة على MCP، أو أن تحتاج كل مهارة إلى أداة خارجية.
وهذا التصنيف يتوافق مع بنية الإضافات الموثقة لدى OpenAI، التي تسمح بتجميع مهارة واحدة أو عدة مهارات داخل إضافة واحدة، مع إمكانية ربطها بخادم MCP عند الحاجة.
________________________________________
________________________________________
________________________________________
0
0 comments
الحوار الأول: لماذا لا تُظهر الإجابات بصورة موثوقة؟
powered by
skool.com/zraiee-3956
حوّل الذكاء الاصطناعي إلى أداة نمو حقيقية لمشروعك.
في «سمارت مودلز» ستجد نماذج وبوتات ذكية مخصّصة تساعد أصحاب المشاريع على تطوير أعمالهم وتسريعها.
Suggested communities
Powered by