Agentic SPARQL: Evaluating SPARQL-MCP-powered Intelligent Agents on the Federated KGQA Benchmark
تستكشف هذه الورقة إمكانات الوكلاء الأذكياء المدعومين ببروتوكول SPARQL-MCP للإجابة على أسئلة الرسوم البيانية المعرفية الاتحادية، وذلك عبر توسيع معيار حالي لتقييم القدرات الوكيلية في اكتشاف نقاط النهاية، واستكشاف المخطط، وصياغة الاستعلامات عبر مصادر بيانات متعددة.
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 تحاول حل لغز معقد. في الماضي، كان عليك زيارة كل مكتبة، وأرشيف، ومخفر شرطة في المدينة واحدة تلو الأخرى، وطرح السؤال نفسه، والأمل في أن يمتلك أحدهم الإجابة. إذا سألت المكتبي الخطأ بالطريقة الخطأ، فستصاب بالارتباك أو يتم صرفك بعيداً.
هذه الورقة البحثية تدور حول تعليم محقق ذكاء اصطناعي فائق الذكاء (يُسمى "الذكاء الاصطناعي الوكيل" أو Agentic AI) كيف يقوم بهذه المهمة تلقائياً، ولكن مع لمسة مختلفة: بدلاً من مجرد مكتبة واحدة، يتعين على الذكاء الاصطناعي البحث عبر شبكة ضخمة ومترابطة من آلاف المكتبات المختلفة (رسوم بيانية للمعرفة - Knowledge Graphs) تتحدث لغات مختلفة قليلاً.
إليك تفاصيل مغامرتهم، مشروحة ببساطة:
1. المشكلة: "برج بابل" للبيانات
الإنترنت مليء بالبيانات. بعضها موجود بتنسيق يسمى SPARQL (فكر في هذا كأنه لغة رسمية صارمة جداً تُستخدم في المكتبات الرقمية للإجابة على الأسئلة).
- التحدي: هناك آلاف من هذه المكتبات الرقمية. بعضها كبير (مثل Wikidata)، وبعضها صغير. بعضها مفتوح، وبعضها مغلق. وهي لا تتفق جميعها على كيفية الإجابة على الأسئلة.
- الطريقة القديمة: كان على البشر تحديد أي مكتبة يجب سؤالها، وكيفية صياغة السؤال، ودمج الإجابات يدوياً. كان الأمر بطيئاً وصعباً.
- الطريقة الجديدة (الذكاء الاصطناعي الوكيل): نريد ذكاءً اصطناعياً يمكنه النظر إلى سؤال مثل "أظهر لي جميع كتب تيم بيرنرز لي الموجودة أيضاً في ويكي داتا"، ثم يحدد تلقائياً:
- أي المكتبات تمتلك هذه المعلومات؟
- كيف يطلبها منها بلباقة؟
- كيف يدمج الإجابات معاً؟
2. الأداة: "المترجم العالمي" (MCP)
بنى الباحثون أداة خاصة تسمى SPARQL-MCP.
- التشبيه: تخيل أن الذكاء الاصطناعي هو مسافر يتحدث "الإنجليزية" (اللغة الطبيعية). والمكتبات الرقمية تتحدث "اللاتينية" (SPARQL).
- الجسر: الـ MCP يشبه المترجم العالمي والدليل السياحي الذي يقف بين المسافر والمكتبات. هو لا يكتفي بترجمة الكلمات فحسب، بل يساعد المسافر على التخطيط للرحلة. إنه يقول: "مهلاً، المكتبة (أ) مغلقة اليوم، لكن المكتبة (ب) لديها ما تحتاجه. لنطلب من المكتبة (ج) أولاً، ثم نتحقق من المكتبة (ب)".
3. الاختبار الكبير: معيار "الاتحاد" (Federation)
لكي يرى الباحثون ما إذا كان هذا الذكاء الاصطناعي يعمل حقاً، لم يكن بإمكانهم اختباره على مكتبة واحدة فقط. كان عليهم إنشاء محاكاة ضخمة.
- الإعداد: أخذوا 19 مجموعة بيانات مختلفة وقطعوها مثل البيتزا، ووزعوا شرائحها عبر 118 "مكتبة افتراضية" (نقاط نهاية - endpoints).
- اللمسة المبتكرة: جعلوا الأمر بحيث لا يعرف الذكاء الاصطناعي أي مكتبة تمتلك أي شريحة. كان على الذكاء الاصطناعي اكتشاف الشرائح بنفسه.
- الهدف: هل يمكن للذكاء الاصطناعي العثراً على الشرائح الصحيحة، وطرح الأسئلة الصحيحة، وإعادة تجميع البيتزا معاً للإجابة على السؤال الأصلي؟
4. النتائج: "العبقري" مقابل "القوة الغاشمة"
اختبروا نوعين من المحققين من الذكاء الاصطناعي:
- العبقري الخارق (GPT-5.2): كان هذا الذكاء الاصطناعي مثل محقق متمرس. نظر إلى الأدلة، واستنتج أي المكتبات من المرجح أن تمتلك الإجابة، وسألهم بشكل محدد.
- النتيجة: حصل على الإجابة الصحيحة بنسبة 45% تقريباً. وهذا أمر مثير للإعجاب لأنه يضاهي أفضل الأنظمة التي كتبها البشر، رغم أنه اضطر للقيام بعمل أكثر بكلاً (اكتشاف المكتبات بنفسه).
- المنجز المجتهد (Qwen3-8B): كان هذا الذكاء الاصطناعي أصغر وأقل خبرة. حاول حل اللغز عن طريق الصراخ بالسؤال في وجه كل المكتبات في وقت واحد (نهج "القوة الغاشمة" - brute force).
- النتيجة: حصل على الإجابة الصحيحة بنسبة 13% فقط. كما ارتكب الكثير من الأخطاء النحوية عند كتابة الأسئلة لأن اللغة (SPARQL) صارمة جداً.
5. الاكتشافات والمفاجآت الرئيسية
- الأقل هو الأكثر: وجد الباحثون أن إعطاء الذكاء الاصطناعي وصفاً من جملة واحدة للمكتبة (مثلاً: "هذه المكتبة تحتوي على بيانات السيارات") كان يعمل بشكل أفضل من إعطائه دليلاً تقنياً ضخماً (يسمى وصف VoID). لقد ارتبك الذكاء الاصطناعي بسبب التفاصيل التقنية ووقع في الأخطاء.
- فخ "البديهيات": حاول الذكاء الاصطناعي الأصغر غالباً طرح نفس السؤال على كل المكتبات، حتى عندما كانت مكتبة واحدة تكفي. كان الأمر أشبه بسؤال 100 شخص عن الوقت بينما تحتاج فقط لسؤال شخص واحد. هذا أدى لإضاعة الوقت والموارد.
- المستكشف "الذكي": قام الذكاء الاصطناعي الأكثر ذكاءً بـ "الاستكشاف" فعلياً. كان يسأل مكتبة واحدة، ويرى ما حصل عليه، ثم يقرر: "حسناً، لم تكن هذه هي الإجابة، لنحاول المكتبة التالية".
6. لماذا يهم هذا؟
تعد هذه الورقة البحثية خطوة كبيرة للأمام لأنها تثبت أن وكلاء الذكاء الاصطناعي يمكنهم التعامل مع البيانات الموزعة والمعقدة دون الحاجة إلى إمساك يد بشرية.
- قبل ذلك: كنت بحاجة إلى خبير بشري لكتابة الكود لربط قواعد البيانات المختلفة.
- الآن: يمكنك فقط أن تسأل الذكاء الاصطناعي سؤالاً بلغة طبيعية، وهو سيتولى اكتشاف الروابط.
العائق: لا يزال الذكاء الاصطناعي بحاجة لأن يكون "ذكياً" (ضخماً وقوياً) للقيام بذلك بشكل جيد. نماذج الذكاء الاصطناعي الأصغر والأرخص لا تزال تعاني مع القواعد الصارمة للغات البيانات وتميل إلى عدم الكفاءة.
الخلا-صة
بنى الباحثون نظام GPS للبيانات. بدلاً من أن تقود أنت سيارتك بحثاً عن قاعدة البيانات المناسبة، تخبر الذكاء الاصطناعي بوجهتك، وهو يتنقل عبر الشبكة المعقدة من المكتبات الرقمية ليجد لك الإجابة. النظام ليس مثالياً بعد (نظام الـ GPS قد يأخذ منعطفاً خاطئاً أحياناً)، لكنه قفزة هائلة نحو مستقبل يمكننا فيه سؤال الإنترنت عن أي شيء والحصول على إجابة حقيقية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.