Khondo: A Multimodal Benchmark for Document Packet Splitting of Bangla Forms
تقدم الورقة البحثية "خوندو" (Khondo)، وهو أول معيار مرئي ثنائي اللغة لتقسيم وإعادة ترتيب النماذج الحكومية البنغالية المتصلة، والذي كشف أنه في حين يمكن للنماذج اللغوية الكبيرة متعددة الوسائط تجميع الصفحات بفعالية حسب المستند، إلا أنها تعاني بشكل كبير في إعادة بناء الترتيب الأصلي للصفحات، لا سيما في اللغات ذات الموارد المحدودة.
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 أمين مكتبة في مكتبة سحرية فوضوية، حيث لا تكتفي الكتب بالجلوس على الرفوف فحسب؛ بل تُلصق أحياناً ببعضها البعض لتتحول إلى لفافات ضخمة وفوضوية، ثم يقوم شخص ما بهز الطاولة، مما يؤدي إلى خلط صفحات القصص المختلفة حتى تصبح مختلطة تماماً. مهمتك هي النظر إلى هذا الفوضى المتشابكة، ومعرفة أي الصفحات تنتمي إلى أي قصة، ثم إعادة ترتيبها في الترتيب الصحيح لكي تصبح القصة منطقية مرة أخرى. هذه هي المشكلة الواقعية لـ "تقسيم حزم المستندات". في العالم الرقمي، غالباً ما تقوم الحكومات والمكاتب بمسح مئات الأوراق ضوئياً في ملف واحد كبير. وأحياناً، يرتبك الماسح الضوئي، أو يقوم موظف بخلط الصفحات عن طريق الخطأ، مما يخلط شهادة ميلاد مع نموذج ضريبي، أو رخصة مع تقرير طبي. بالنسبة للحواسيب، يعد هذا كابوساً. وبينما نجحنا في بناء ذكاء اصطناعي ذكي يمكنه قراءة النصوص، فإن تعليم الحاسوب كيفية النظر إلى صورة لصفحة، وفهم الإشارات المرئية، ثم فك تشابك كومة من المستندات المبعثرة هو تحدٍ أصعب بكثير، خاصة عندما تكون المستندات مكتوبة بلغات لا تراها الحواسيب كثيراً.
هنا يأتي دور مشروع جديد يسمى "خوندو" (Khondo) (والذي يعني "تقسيم" أو "تجزئة" باللغة البنغالية). لقد صمم الباحثون وراء هذا المشروع مجموعة اختبار خاصة، تشبه صندوق أحجية عملاق، مصممة خصيصاً لمعرفة مدى قدرة الذكاء الاصطناعي الحديث على فك تشابك أكوام المستندات الفوضوية هذه. لم يستخدموا اللغة الإنجليزية فحسب؛ بل استخدموا نماذج حكومية حقيقية من بنغلاديش، والتي غالباً ما تكون مكتوبة باللغة البنغالية، أو الإنجليزية، أو مزيج منهما. لقد أخذوا آلاف الصفحات، ولصقوها معاً في "حزم" وهمية، ثم قاموا بخلط الصفحات عمداً بخمس طرق مختلفة: من الحفاظ عليها بالترتيب، إلى خلطها داخل مستند واحد، إلى خلط صفحات من مستندات مختلفة تماماً معاً. ثم طلبوا من أكثر نماذج الذكاء الاصطناعي تقدماً في العالم النظر إلى صور هذه الصفحات ومحاولة فرزها.
كانت النتائج مزيجاً من "ليس سيئاً" و"يا للهول". كانت نماذج الذكاء الاصطناعي جيدة بشكل مفاجئ في الجزء الأول من المهمة: فقد استطاعت النظر إلى كومة مبعثرة وتخمين الصفحات التي تنتمي لبعضها البعض بشكل صحيح؛ كان الأمر كما لو أن الذكاء الاصطناعي يستطيع القول: "مهلاً، هذه الصفحات الأربع تتعلق بالزراعة، وهذه الثلاث تتعلق بالضرائب"، حتى عندما كانت الصفحات مختلطة. ومع ذلك، اصطدم الذكاء الاصطناعي بحائط مسدود هائل عند وصوله إلى الجزء الثاني: وهو إعادة الصفحات إلى ترتيبها الصحيح. عندما تم خلط الصفحات، عانى الذكاء الاصطناعي لمعرفة أي صفحة تأتي أولاً، وثانياً، أو أخيراً. كان الأمر كما لو أن الذكاء الاصطناعي يمكنه تحديد الشخصيات في قصة ما، لكنه لا يستطيع تذكر تسلسل الحبكة.
تعمق الباحثون في البحث لمعرفة سبب حدوث ذلك. جربوا حيلتين رئيسيتين؛ أولاً، أعطوا الذكاء الاصطناعي تعليمات محددة للغاية، قائلين له: "مهلاً، هذه الصفحات مختلطة، يرجى إصلاح الترتيب!". ساعد هذا كثيراً، لكنه لم يحل المشكلة تماماً؛ إذ ظل الذكاء الاصطناعي يرتكب أخطاء، مما يشير إلى أن الصعوبة لم تكن مجرد عدم استماع الذكاء الاصطناعي، بل إن المهمة نفسها كانت صعبة حقاً. ثانياً، اختبروا الذكاء الاصطناعي مع حزم باللغة الإنجليزية فقط وحزم باللغة البنغالية فقط. ووجدوا أن الذكاء الاصطناعي كان أفضل حالاً في ترتيب الصفحات الإنجليزية مقارنة بالبنغالية. يبدو أن قراءة الإشارات المرئية في الخط البنغالي كانت طبقة إضافية من الصعوبة أدت إلى إبطاء الذكاء الاصطناعي، رغم أنه كان لا يزال قادراً على تجميع الصفحات بشكل صحيح.
باختصار، توضح هذه الورقة البحثية أنه بينما أصبح الذكاء الاصطناعي بارعاً في التعرف على موضوع المستند، فإنه لا يزال يكافح ليعمل مثل أمين مكتبة بشري يمكنه النظر إلى كومة من الأوراق المبعثرة ومعرفة ترتيب القراءة الصحيح فوراً، خاصة عندما يكون النص بلغة مثل البنغالية. لقد جعل الباحثون الآن لغز "المكتبة الفوضوية" هذا متاحاً للجميع لاستخدامه، آملين أنه من خلال دراسة هذه الإخفاقات، سيتعلم الذكاء الاصطناعي في المستقبل كيفية فك العقد واستعادة النظام لمستنداتنا الرقمية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.