From Prompts to Context: An Ontology-Driven Framework for Human-Generative AI Collaboration
تقدم هذه الورقة "من المطالبات إلى السياق"، وهو إطار عمل قائم على الأنطولوجيا يعزز الثقة، والتتبع، والمساءلة في التعاون بين الإنسان والذكاء الاصطناعي التوليدي من خلال تحويل تفاعلات المطالبة والاستجابة العابرة إلى آثار تعاون مهيكلة وقابلة للاستعلام عبر أنطولوجيا تعاون السياق للذكاء الاصطناعي (CCAI).
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
إليك شرح لورقة البحث "من المطالبات إلى السياق" (From Prompts to Context)، باستخدام لغة بسيطة وتشبيهات إبداعية.
المشكلة: المحادثة في "الصندوق الأسود"
تخيل أنك تطلب من مساعد موهوب للغاية، ولكنه نساي قليلاً، أن يكتب لك قصة. تعطي له ملاحظة سريعة: "اكتب قصة عن تنين". فيسلمك قصة مكتملة.
المشكلة؟ أنت لا تعرف لماذا كتبها بهذه الطريقة. هل افترض أن التنين ودود أم مخيف؟ هل استخدم خريطة معينة ذكرتها سابقاً؟ هل تجاهل قاعدة وضعتها أنت؟ في عالم الذكاء الاصطناعي التوليدي (مثل النماذج التي تكتب الأكواد أو النصوص)، هذا هو بالضبط ما يحدث. البشر يقدمون "مطالبة" (Prompt) قصيرة، والذكاء الاصطناعي يقدم "مخرجاً" (Output). وكل ما يقع بينهما — السياق، القواعد، المهمة المحددة التي كان يقوم بها الذكاء الاصطناعي — يتلاشى في الهواء.
تجادل هذه الورقة بأن فعل "الاختفاء" هذا يجعل من الصعب الوثوق بالذكاء الاصطناعي، أو إصلاح الأخطاء، أو معرفة المسؤول عن كل شيء.
الحل: "المخطط المشترك" (الأنطولوجيا/علم الوجود)
لحل هذه المشكلة، بنى المؤلفون مخططاً مشتركاً يسمى CCAI Ontology.
فكر في هذه الأنطولوجيا كأنها خزانة ملفات رقمية ذات نظام تسمية صارم. بدلاً من مجرد التحدث إلى الذكاء الاصطناعي بجملة غامضة، يجبر النظام الجميع (البشر والذكاء الاصطناعي) على الاتفاق على التفاصيل قبل بدء العمل.
ينظم هذا المخطط أربعة أشياء رئيسية:
- من الذي يقوم بالعمل؟ (الوكيل/Agent: هل هو مطور بشري أم مساعد ذكاء اصطناعي؟)
- ما هي الوظيفة؟ (المهمة/Task: هل هي كتابة كود، أم فحص وجود أخطاء، أم تصميم شعار؟)
- ما هي الأدوات المتاحة؟ (الموارد/Resources: هل لدينا قاعدة بيانات محددة، أم دليل أسلوب، أم قائمة قواعد؟)
- ما هي القواعد؟ (القيود/Constraints: هل هناك ميزانية؟ موعد نهائي؟ حد أمان؟)
كيف يعمل: تشبيه "أمين المكتبة"
في النظام المقترح في الورقة، لا يقوم الذكاء الاصطناعي بمجرد التخمين لما تريده. بل يعمل مثل أمين مكتبة فائق يتحقق من خزانة الملفات قبل كتابة كلمة واحدة.
- الطلب: يقول إنسان: "أحتاج إلى كود لميزة 'عرض وتحديث ملفات الكفاءة'".
- الفحص: لا يرسل النظام تلك الجملة فقط إلى الذكاء الاصطناعي. بل يقوم أولاً بتشغيل "استعلام بحث" (يسمى SPARQL) ضد المخطط المشترك.
- الاسترجاع: يستخرج النظام الملف الخاص بتلك الميزة. يجد فيه:
- من يعمل عليها: "كارول (بشرية) ومساعد الذكاء الاصطناعي".
- الأدوات التي يجب استخدامها: "قاعدة بيانات الكفاءة ودليل الأسلوب".
- السياق: "هذا ضمن المرحلة الأولى (Sprint 1) من المشروع".
- التجميع: يجمع النظام طلب الإنسان مع كل هذه الحقائق المسترجعة في تعليمات واحدة ضخمة ومفصلة.
- النتيجة: يحصل الذكاء الاصطناعي على مطالبة تقول: "كارول ومساعد الذكاء الاصطناعي يعملان في المرحلة الأولى. يحتاجان لتحديث قاعدة بيانات الكفاءة باستخدام دليل الأسلوب. يرجى كتابة كود لهذه الميزة المحددة".
لأن الذكاء الاصطناعي لديه هذا "المخطط" الكامل، فإنه لا يضطر للتخمين. إنه يعرف بالضبط ما هي الأدوات التي يجب استخدامها وما هي القواعد التي يجب اتباعها.
دراسة الحالة: بناء "متتبع المهارات"
اختبر المؤلفون هذه الفكرة مع فريق برمجيات يبني أداة تعليمية لتتبع مهارات الطلاب (الكفاءات).
- بدون النظام: قد يطلب المطور من الذكاء الاصطناعي "إصلاح صفحة تسجيل الدخول". قد يكتب الذكاء الاصطناعي كوداً يعمل لصفحة تسجيل دخول عامة، ولكنه يفشل لأنه لا يعرف شيئاً عن "قاعدة بيانات المهارات" المحددة التي يستخدمها هذا المشروع. عندها يضطر المطور لإضاعة الوقت في إصلاح الكود.
- مع النظام: يطلب المطور المساعدة من النظام. يقوم النظام تلقائياً بجلب التفاصيل المتعلقة بـ "قاعدة بيانات المهارات"، و"مهمة تسجيل الدخول"، و"قواعد التصميم" من المخطط. ثم يغذي بها الذكاء الاصطناعي. يكتب الذكاء الاصطناعي كوداً يتناسب تماماً لأنه أُعطي السياق الكامل.
النتائج: مسار أكثر وضوحاً
تزعم الورقة أن استخدام نهج "المخطط" هذا يؤدي إلى ثلاث فوائد رئيسية:
- لا مزيد من التخمين: السياق لم يعد مخفياً. الجميع يعرف بالضبط ما الذي أُمر به الذكاء الاصطناعي وما هي القواعد التي كان يتبعها.
- التتبع (الأثر الورقي): إذا حدث خطأ ما، يمكنك النظر في المخطط ورؤية أي إنسان وأي وكيل ذكاء اصطناعي كان مسؤولاً، وما هي الموارد التي استخدماها، وما كانت المهمة الأصلية. الأمر يشبه امتلاك سجل GPS للمشروع بدلاً من مجرد معرفة الوجهة النهائية.
- المساءلة: نظرًا لأن "من، وماذا، وكيف" مسجلة، فمن الأسهل مراجعة العمل والتأكد من استيفائه للمعايير الأخلاقية ومعايير الجودة.
ما لا تدعيه الورقة
من المهم ملاحظة ما لا تدعيه هذه الورقة:
- هي لا تدعي أن هذا النظام يجعل الناس يعملون بسرعة أكبر أو أنه يوفر المال. التركيز ينصب حصرياً على جعل العمل أكثر وضوحاً وأكثر شفافية.
- هي لا تدعي أن الذكاء الاصطناعي لن يرتكب أخطاء أبداً. يمكن للذكاء الاصطناعي أن يخطئ، ولكن الآن سنعرف بالضبط لماذا ارتكب ذلك الخطأ لأننا نستطيع رؤية السياق الذي كان يعمل ضمنه.
- هي لا تدعي أن هذا حل سحري لجميع مشاكل الذكاء الاصطناعي. إنها أداة محددة لإدارة التعاون بين البشر والذكاء الاصطناعي في المشاريع المعقدة.
الخلاصة
تقترح هذه الورقة أنه لكي نعمل بشكل جيد مع الذكاء الاصطناعي التوليدي، يجب أن نتوقف عن معاملته كأنه "كرة 8 سحرية" نسأل سؤالاً فنحصل على إجابة عشوائية. بدلاً من ذلك، يجب أن نعامله كعضو في الفريق يحتاج إلى وصف وظيفي واضح، وقائمة أدوات، ومجموعة من القواعد. ومن خلال بناء "مخطط مشترك" (الأنطولوجيا) لإدارة هذه التفاصيل، يمكننا جعل التعاون مع الذكاء الاصطناعي أكثر صدقاً، وقابلية للتتبع، وموثوقية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.