An Agentic Workflow for Detecting Personally Identifiable Information in Crash Narratives
تقدم هذه الورقة سير عمل وكيلِيّاً قابلاً للنشر محلياً يجمع بين الاستخراج القائم على القواعد، والنماذج اللغوية الكبيرة الضبطية، وخطوة تحقق قائمة على الأدلة لتحقيق كشف قوي ومحافظ على الخصوصية لمعلومات الهوية الشخصية في روايات حوادث التصادم، مما يمكّن من تحليل سلامة المرور بشكل قابل للتوسع مع حماية خصوصية الأفراد.
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 أن لديك مكتبة ضخمة من تقارير حوادث الشرطة. هذه التقارب تشبه كنوزاً للمختصين في السلامة لأنها تروي "قصة" ما حدث — لماذا وقع الحادث، ومن كان متورطاً فيه، وما هي حالة الطقس. هذا الجزء "القصصي" يسمى سرد حادث (crash narrative).
ومع ذلك، هناك مشكلة كبيرة: هذه القصص غالباً ما تتضمن دون قصد أسراراً خاصة، مثل عنوان منزل الشخص، أو رقم هاتفه، أو لوحة سيارته. إذا أردت مشاركة هذه القصص مع الباحثين لجعل الطرق أكثر أماناً، يجب عليك تنظيف هذه الأسرار أولاً. يُطلق على هذه العملية اسم إزالة معلومات الهوية الشخصية (PII removal).
القيام بذلك يدوياً أمر مستحيل بسبب كثرة التقارير. أما القيام به باستخدام قواعد الكمبيوتر التقليدية فهو يشبه محاولة البحث عن إبرة في كومة قش باستخدام مغناطيس لا يلتقط إلا الحديد؛ حيث سيفوت الكثير من الإبر التي تبدو مثل العشب.
تقدم هذه الورقة نظاماً ذكياً جديداً يسمى سير العمل الوكيل (Agentic Workflow) لحل هذه المشكلة. فكر في الأمر ليس كإنسان آلي واحد، بل كـ فريق من المحققين المتخصصين يعملون معاً في مكتب محلي (بحيث لا تخرج البيانات من المبنى، مما يحافظ على سلامتها).
إليك كيف يعمل الفريق، مقسماً إلى خطوات بسيطة:
1. "متبع القواعد" (المستخرج الهجين - الجزء أ)
أولاً، لدى الفريق عضو بارع في رصد الأشياء التي تبدو متطابقة تماماً في كل مرة.
- المهمة: العثور على أرقام الهواتف وعناوين البريد الإلكتروني.
- التشبيه: تخيل حارس بوابة في ملهى ليلي لا يسمح إلا بدخول الأشخاص الذين يرتدون قبعة حمراء محددة. إذا كان النص يبدو كأنه رقم هاتف (مثل
555-0199)، فإن هذا الحارس يضع علامة عليه فوراً. إنه سريع، صارم، ولا يرتبك أبداً لأن أرقام الهواتف تتبع دائماً نمطاً معيناً. - الأداة: يستخدمون أداة تسمى Presidio لهذا الغرض.
2. "محقق السياق" (المستخرج الهجين - الجزء ب)
بعد ذلك، لدى الفريق محقق أكثر ذكاءً وإبداعاً يمكنه القراءة ما بين السطور.
- المهمة: العثور على الأسماء، وعناوين المنازل، وأرقام الهوية.
- التشبيه: هذا المحقق يشبه أمين مكتبة خبيراً. هو يعلم أن عبارة "شارع 140" قد تكون منزلاً لشخص ما (معلومات هوية شخصية) أو مجرد اسم الطريق الذي وقع فيه الحادث (ليست معلومات هو identity). القواعد البسيطة لا تستطيع التمييز بينهما، لكن هذا المحقق يقرأ الجملة كاملة لفهم القصة.
- الأداة: يستخدمون ذكاءً اصطناعياً تم ضبطه بدقة (Fine-Tuned AI) (وهو عقل تم تدريبه خصيصاً على تقارير الحوادث) للقيام بذلك.
3. "الرأي الثاني" (المُحقِّق/المُدقق - The Verifier)
أحياناً، حتى أفضل المحققين يرتكبون الأخطاء، خاصة في الأمور المعقدة مثل العناوين. لذا، لدى الفريق مُحقِّق (Verifier).
- المهمة: التدقيق في النتائج الصعبة.
- التشبيه: تخيل أن "محقق السياق" يقول: "أعتقد أن هذا عنوان منزل!". هنا يتدخل "المُحقِّق" ويقول: "أرني الدليل". ينظر المُحقِّق إلى النص ويسأل: "هل تقول القصة أن هذا هو مكان سكن الشخص، أم مجرد مكان وقوع الحادث؟". إذا لم يستطع المحقق إثبات أنه منزل، يقوم المُحقِّق بشطب المعلومة.
- السحر: هذه الخطوة تمنع النظام من إخفاء أسماء الطرق العادية بالخطأ لمجرد أنها تبدو كعناوين.
4. خدعة "العمل الجماعي" (التعلم الجمعي - Ensemble Learning)
للتأكد من عدم تفويت أي شيء، لا ينظر "محقق السياق" إلى القصة مرة واحدة فقط، بل ينظر إليها خمس مرات، مثل طلب البحث عن شيء مخفي من خمسة أشخاص مختلفين.
- التشبيه: إذا طلبت من شخص واحد أن يجد كلمة محددة في كتاب، فقد يفوتها. أما إذا طلبت من خمسة أشخاص، فمن المرجح جداً أن يكتشفوها. يقوم النظام بدمج جميع القوائم الخمس لإنشاء "قائمة رئيسية" من الأسرار المحتملة قبل إرسالها إلى المُحقِّق.
لماذا يعد هذا أمراً مهماً؟
- الخصوصية أولاً: يعمل الفريق بأكل طاقته محلياً (على أجهزة المنظمة الخاصة). هم لا يرسلون قصص الحوادض الحساسة إلى السحابة أو إلى شركة تقنية كبرى. الأمر يشبه القيام بالعمل في غرفة مغلقة بدلاً من ساحة عامة.
- دقة أفضل: الأساليب القديمة كانت إما صارمة جداً (تفوت أسراراً حقيقية) أو فضفاضة جداً (تخفي أشياء ليست أسراراً). هذا الفريق يوازن بين الاثنين. لقد وجدوا 94% من الأسرار الحقيقية (الاستدعاء/Recall) مع الحفاظ على انخفاض الأخطاء (الدقة/Precision).
- قابل للتوسع: يمكنه معالجة آلاف التقارير تلقائياً، مما يجعل من الممكن استخدام هذه البيانات القيمة لأبحاث السلامة دون انتهاك قوانين الخصوصية.
باختصار: قام المؤلفون ببناء فريق تحقيق ذكي، محلي، ومتعدد الخطوات. جزء منه يستخدم قواعد صارمة للأسرار الواضحة، وجزء آخر يستخدم ذكاءً اصطناعياً ذكياً للسياق الصعب، والجزء الثالث يدقق العمل لضمان عدم تسلل أي معلومات خاصة وعدم حذف أي كلمات بريئة. هذا يجعل طرقنا أكثر أماناً من خلال السمابح للباحثين بدراسة قصص الحوادث دون كشف هوية الأشخاص المعنيين.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.