تخيل أنك تحاول فهم مكتبة تحتوي على ملايين الكتب، ولكن ليس لديك فهرس، ولا عناوين، ولا وسيلة لمعرفة موضوع أي منها. لا يمكنك قراءة كل صفحة، لذا فأنت بحاجة إلى طريقة لتجميع هذه الكتب حسب مواضيعها الخفية. هذا هو التحدي الجوهري لنمذجة المواضيع، وهي طريقة يستخدمها الباحثون لغربلة مجموعات هائلة من النصوص — من منشورات وسائل التواصل الاجتماعي إلى السجلات الطبية — لاكتشاف المواضيع الأساسية التي يناقشها الناس. العملية بطبيعتها فوضوية؛ نظرًا لوجود طرق لا حصر لها لتجميع الكلمات والأفكار، غالبًا ما يعلق الكمبيوتر في حلقة مفرغة، منتجًا نتائج غير مستقرة أو مليئة بالهراء. قد يجد النموذج موضوعًا مفيدًا يومًا ما، ثم ينتج مجموعة مشوشة من الكلمات غير المترابطة في اليوم التالي. هذا عدم اليقين يجبر العلماء على تشغيل التحليل نفسه مرارًا وتكرارًا، مع تعديل الإعدادات والأمل في الحصول على نتيجة أفضل، وهي عملية بطيئة، ومجهدة، ومحبطة في كثير من الأحيان.

في دراسة حديثة، اقترح الباحثون أليكس غوربولييف، وفاسيلي أليكسييف، وكونستانتين فورونتسوف طريقة لجعل البحث عن المعنى أكثر موثوقية وكفاءة. فبدلاً من معاملة كل محاولة لإيجاد المواضيع كبداية جديدة، طوروا طريقة يتعلم فيها الكمبيوتر من أخطائه السابقة. أطلقوا عليها اسم "نموذج المواضيع ذو التنظيم الإضافي المحدث تكراريًا"، أو ITAR. الفكرة الجوهرية بسيطة لكنها قوية: إذا وجد الكمبيوتر موضوعًا جيدًا، فإنه يثبته في مكانه. وإذا وجد موضوعًا سيئًا، فإنه يضع علامة عليه كشيء يجب تجنبه. بعد ذلك، يقوم بتشغيل التحليل مرة أخرى، محتفظًا بالاكتشافات الجيدة ومبتعدًا بنشاط عن السيئة. ومن خلال تكرار هذه الدورة، يبني النموذج مجموعة من المواضيع التي تتحسن مع كل خطوة، مما يضمن أن النتيجة النهائية تحتوي على أفضل مزيج ممكن من المواضيع ذات المعنى دون فقدان المواضيع الجيدة التي تم العثور عليها في الطريق.

لفهم كيفية عمل ذلك، يجب على المرء أولًا استيعاب ما يبدو عليه "الموضوع" بالنسبة للكمبيوتر. في هذه النماذج، لا يكون الموضوع تسمية مثل "رياضة" أو "سياسة" كما يكتبها البشر، بل هو قائمة محددة من الكلمات التي تميل للظهور معًا. إذا ظهرت كلمات مثل "هدف"، "مباراة"، "لاعب"، و"فريق" بشكل متكرر في نفس المستندات، فإن الكمبيوتر يجمعها في موضوع واحد. تظهر المشكلة لأن الكمبيوتر لا يعرف أي التجميعات منطقية بالنسبة للبشر. فقد يجمع بالخطأ كلمة "هدف" مع كلمة "ضريبة" لأن كلتا الكلمتين تظهران في أخبار مالية عن تمويل الرياضة، مما يخلق موضوعًا مربكًا وغير مفيد. تحاول الطرق التقليدية إصلاح ذلك عن طريق إضافة قواعد، أو "منظمات"، تخبر الكمبيوتر بأن يحافظ على تميز المواضيع أو يركز على أنواع معينة من الكلمات. ومع ذلك، عادة ما تُطبق هذه القواعد مرة واحدة في البداية، وإذا ارتكب الكمبيوتر خطأً في وقت مبكر، فإن هذا الخطأ قد يستمر طوال العملية.

يغير نهج الباحثين سير العمل تمامًا. فهم يعاملون إنشاء نموذج المواضيع ليس كحدث واحد، بل كسلسلة من الخطوات المتصلة. في الخطوة الأولى، يولد الكمبيوتر مجموعة من المواضيع. ثم يقوم الباحثون يدويًا أو آليًا بفرز هذه المواضيع إلى ثلاث فئات: جيدة، سيئة، وغير ملحوظة. المواضيع الجيدة هي تلك الواضحة وذات المعنى للقارئ البشري. المواضيع السيئة هي تلك المربكة، أو المليئة بكلمات التوقف (الكلمات الوظيفية)، أو غير المنطقية. أما المواضيع غير الملحوظة فهي المكررة أو المجموعات المحايدة التي لا تضيف قيمة. وبمجرد الانتهاء من هذا الفرز، يبدأ الكمبيوتر جولة تدريب جديدة. هذه المرة، يُعطى تعليمات محددة: يجب عليه الحفاظ على المواضيع الجيدة كما هي تمامًا، ويجب عليه تجنب إنشاء أي مواضيع تشبه المواضيع السيئة، ويجب عليه محاولة إيجاد مواضيع جيدة جديدة ومختلفة لتحل محل المواضيع غير الملحوظة.

تعتمد هذه العملية على تقنية رياضية تسمى "التنظيم الإضافي"، والتي تعمل كقيود توجه بحث الكمبيوتر. يعمل جزء من النظام كذاكرة، مما يضمن الحفاظ على المواضيع الجيدة التي تم العثور عليها في الجولة السابقة وعدم فقدانها. ويعمل جزء آخر كمرشح (فلتر)، يدفع الكمبيوتر بنشاط بعيدًا عن الأنماط التي أنتجت المواضيع السيئة. ومن خلال الجمع بين هذه القوى، يُجبر النموذج على صقل فهمه. إنه لا يبدأ من جديد فحسب، بل يبني على ما تعلمه بالفعل. اختبر الباحثون هذه الطريقة على مجموعات مختلفة من النصوص، بما في ذلك المقالات العلمية الروسية، والقصص الإخبارية الإنجليزية، والسجلات الطبية. وقارنوا طريقتهم الجديدة بعدة نماذج موجودة شائعة، بما في ذلك النماذج الاحتمالية القياسية والأساليب الأحدث القائمة على الشبكات العصبية.

أظهرت النتائج ميزة واضحة للمنهج التكراري. في تجاربهم، وجد الباحثون أن النموذج الجديد يراكم باستمرار نسبة مئوية أعلى من المواضيع الجيدة مقارنة بأي من الطرق الأخرى. على سبيل المثال، في مجموعة بيانات من المقالات العلمية الروسية، أنتج النموذج التكراري مجموعة نهائية من المواضيع كانت تسعة من عشرة منها تعتبر جيدة، بينما نجحت النماذج الأخرى عادةً في تحقيق عشرين إلى أربعين بالمائة فقط. والأهم من ذلك، أن المواضيع التي وجدها النموذج كانت متنوعة، مما يعني أنها غطت موضوعات مختلفة بدلاً من تكرار الأفكار نفسها. وبينما كان النموذج أقل كفاءة قليلاً في التنبؤ بالكلمة التالية في الجملة مقارنة بالنماذج الأكثر بساطة وأساسية، إلا أن هذه المقايضة كانت تستحق العناء لأن المواضيع التي أنتجها كانت أكثر فائدة وقابلية للتفسير للباحثين البشر.

استكشفت الدراسة أيضًا ما يحدث عندما يُطلب من الكمبيوتر إيجاد المزيد من المواضيع. فقد اختبروا النظام مع عشرين موضوعًا ومع خمسين موضوعًا. وفي كلتا الحالتين، استمر المنهج التكراري في التفوق على الآخرين، محافظًا على جودة عالية للمواضيع حتى مع زيادة عدد المجموعات. لاحظ الباحثون أن العملية تتطلب وقت حوسبة أكثر لأنها تشغل التحليل عدة مرات، لكن هذا الجهد الإضافي يؤتي ثماره من خلال القضاء على الحاجة إلى التجربة والخطأ اللامتناهية التي تعاني منها هذه المجالات عادةً. كما بحثوا فيما إذا كانت الطريقة تعمل بشكل جيد مع طرق مختلفة لقياس الجودة، ووجدوا أن النموذج يعمل جيدًا سواء حكموا على المواضيع من خلال مدى ظهور الكلمات معًا أو من خلال مدى تدفق الكلمات بشكل طبيعي في النص، مما يشير إلى أن الطريقة قوية عبر معايير التقييم المختلفة.

كان أحد أهم النتائج هو أن الطريقة تنجح في منع الكمبيوتر من "نسيان" الاكتشافات الجيدة. في المقاربات التقليدية، إذا وجد النموذج موضوعًا رائعًا في التشغيل الأول، ثم تشتت بسبب الضجيج في التشغيل الثاني، فغالبًا ما يُفقد ذلك الموضوع الجيد للأبد. يحل المنهج التكراري هذه المشكلة من خلال معاملة المواضيع الجيدة كمرتكزات ثابتة. لاحظ الباحثون أنه مع نمو عدد المواضيع الجيدة، أصبح النموذج أكثر تركيزًا، وتوقف في النهاية عندما جمع ما يكفي من المواضيع عالية الجودة. كما وجدوا أن الطريقة تعمل جيدًا حتى لو لم يكن النموذج الأولي مثاليًا؛ إذ يمكنه التعافي وتحسين النتائج عبر عدة جولات.

لقد كان المؤلفون حذرين في الإشارة إلى حدود عملهم. فالطريقة تعتمد على القدرة على فرز المواضيع إلى فئات جيدة وسيئة، وهو ما يتطلب حاليًا بعض الحكم البشري أو قاعدة آلية محددة للغاية. فإذا كانت معايير ما يجعل الموضوع "جيدًا" غير واضحة، فقد يواجه النظام صعوبة في معرفة ما يجب الاحتفاظ به. بالإضافة إلى ذلك، نظرًا لأن الطريقة تتطلب تشغيل النموذج عدة مرات، فقد تكون أبطأ بالنسبة لمجموعات البيانات الضخمة جدًا حيث يكون الوقت عاملاً حاسمًا. كما أشاروا إلى أنه بينما تعمل طريقتهم بشكل جيد مع الإطار الرياضي المحدد الذي استخدموه، إلا أنها لم تُختبر بعد على أنواع أخرى من نماذج الشبكات العصبية، مما يترك تساؤلاً مفتوحًا حول إمكانية تكييف هذا النهج التكراري مع أنظمة أخرى.

في الختام، يقدم هذا البحث حلاً عمليًا لمشكلة طويلة الأمد في تحليل النصوص. فمن خلال تغيير العملية من سلسلة من المحاولات المنعزلة إلى دورة تعلم تراكمية مستمرة، أظهر الباحثون أنه من الممكن توجيه الكمبيوتر نحو نتائج أفضل دون الحاجة إلى معرفة الإجابة مسبقًا. النموذج لا يجد المواضيع فحسب، بل يتعلم كيف يجدها بشكل أفضل في كل مرة يعمل فيها. هذا النهج يحول البحث عن المعنى في النص من لعبة حظ إلى عملية أكثر حتمية وموثوقية، مما يسمح للباحثين بالتركيز على الرؤى التي تقدمها المواضيع بدلاً من الصراع من أجل جعل الكمبيوتر يجدها في المقام الأول. يشير العمل إلى أنه في العالم المعقد لتحليل البيانات، أحيانًا لا يكون أفضل طريق للمضي قدمًا هو البدء من جديد، بل البناء بعناية على ما تم اكتشافه بالفعل.