AnalyticsGPT: An LLM Workflow for Scientometric Question Answering
تقدم هذه الورقة AnalyticsGPT، وهو سير عمل متكامل مدعوم بالنماذج اللغوية الكبيرة (LLM) يستخدم مفاهيم الوكلاء والجيل المعزز بالاسترجاع لمعالجة المهمة المعقدة للإجابة على الأسئلة العلمية القياسية من خلال تفكيك الاستعلامات الميتا-علمية وتوليف البيانات من منصات أداء البحوث.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك محقق عالمي، ولكن بدلاً من البحث عن بصمات الأصابع أو آثار الأقدام، أنت تبحث عن "بصمات علمية" — مثل أي بروفيسور هو الأكثر شهرة في علم الأحياء، أو أي جامعة تفوز في سباق أبحاث الذكاء الاصطناعي.
عادةً، للإجابة على هذه الأسئلة، سيتعين عليك قضاء ساعات في البحث عبر مكتبات ضخمة ومغبرة من البيانات، والجداول الحسابية، وقوائم الاستشهادات. إنه أمر مرهق ومن السهل أن تضيع فيه.
تقدم هذه الورقة البحثية AnalyticsGPT، وهو بمثابة منح ذلك المحقق مساعد بحث مدعوم بالذكاء الاصطناعي فائق القدرة.
إليك كيف يعمل، مقسماً إلى أفكاف بسيطة:
١. المشكلة: "مكتبة بابل"
تخيل مكتبة ضخمة جداً تحتوي على كل كتاب كُتب على الإطلاق، لكن الكتب ليست منظمة حسب العنوان — بل هي منظمة وفق رياضيات معقدة، وتواريخ، وروابط. إذا سألت ذكاءً اصطناعياً عادياً: "من هو الباحث الأول في الفيزياء في جامعة أكسفورد؟"، فإن الذكاء الاصطناعي الأساسي قد يحاول التخمين بناءً على ما "يتذكره" من تدريبه. هذا يشبه محققاً يخمن اسم مشتبه به بناءً على حلم — قد يكون قريباً، لكنه غالباً ما يكون "هلوسة" (كلمة منمقة تعني كذبة واثقة).
٢. الحل: سير عمل "رئيس الطهاة"
بدلاً من مجرد سؤال الذكاء الاصطناعي "أعطني إجابة"، بنى الباحثون نظاماً يعمل مثل مطبخ احترافي. هم لا يطلبون من الطاهي فقط "صنع طعام"؛ بل يعطونه عملية محددة وخطوة بخطوة:
- رئيس الطهاة (التخطيط رفيع المستوى): عندما تطرح سؤالاً، فإن الجزء الأول من الذكاء الاصطناعي لا يجيب عليه. بدلاً من ذلك، يقرأ السؤال ويكتب "وصفة". هو يحدد المكونات (أسماء البروفيسورات أو الجامعات) ويقرر الخطوات العامة اللازمة لطهي الوجبة.
- مساعد الطاهي (التخطيط التفصيلي): هذا الجزء يأخذ تلك الوصفة ويصبح دقيقاً للغاية. يقول: "أولاً، نحتاج للعثور على الرقم التعريفي لأكسفورد؛ ثانياً، نحتاج لتصفية الأوراق البحثية من عام ٢٠٢٣؛ ثالثاً، نحتاج لعد الاستشهادات". إنه يحول الفكرة الغامضة إلى قائمة مراجعة دقيقة.
- طباخ الخط (وحدة التنفيذ): هذا هو العامل الذي يذهب فعلياً إلى "المخزن" (قاعدة البيانات الضخمة) ويحضر البيانات الدقيقة المطلوبة. ولأن الخطة مفصلة للغاية، فإن الطباخ لن يأخذ التوابل الخاطئة أو المكون الخاطئ.
- المُنسق والناقل (الكتابة والتصور البياني): أخيراً، يأخذ الذكال الاصطناعي كل تلك البيانات الخام ويحولها إلى تقرير جميل وسهل القراءة مع جداول وحتى رسوم بيانية ملونة، حتى لا تحصل فقط على كومة من الأرقام — بل تحصل على قصة واضحة.
٣. لماذا هذا أفضل؟
قارن الباحثون بين طريقة "رئيس الطهاة" هذه والطريقة "الساذجة" (حيث يحاول الذكاء الاصطناعي فقط جلب المكونات والطبخ دفعة واحدة).
النتائج؟ كانت طريقة AnalyticsGPT أكثر دقة بكثير. لم "يهلوس" بقدر ما فعلت الطريقة الأخرى، وغطى مساحة أكبر، وأعطى بالفعل إجابات صحيحة وحقيقية. إنه الفرق بين طاهٍ يرمي مكونات عشوائية في المقلاة وطاهٍ يتبع وصفة حائزة على نجمة ميشلان.
الصورة الكبيرة
باختصار، توضح هذه الورقة أنه إذا كنت تريد من الذكاء الاصطناعي القيام بشيء صعب وتقني للغاية — مثل تحليل "علم العلوم" — فلا ينبغي لك فقط طرح سؤال عليه. بل يجب عليك بناء نظام من المفكرين المتخصصين الذين يخططون، وينفذون، ويتحققون من عملهم خطوة بخطوة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.