تخيل أنك محقق يحاول حل لغز، ولكن بدلاً من مكتبة مغبرة، لديك الإنترنت بأكمله في متناول يدك. في عالم الذكاء الاصطناعي، تُعد "وكلاء البحث العميق" (deep-research agents) مثل هؤلاء المحققين: وهي برامج حاسوبية مصممة للإجابة على الأسئلة الصعبة عبر البحث في الويب، وقراءة ما تجده، وتجميع الإجابة. للقيام بذلك، تتبع عادةً روتيناً بسيطاً: تقوم بكتابة استعلام بحث، وتنظر إلى قائمة من الملخصات القصيرة (القصاصات) لصفحات الويب، وتختار الأكثر وعوداً، ثم تقرأ الصفحة بالكامل من البداية إلى النهاية. يُسمى هذا "سير عمل البحث والزيارة" (Search–Visit). الأمر يشبه محاولة العثور على جملة محددة في كتاب عن طريق قراءة كل صفحة في المكتبة، حتى لو كنت تحتاج فقط إلى فقرة واحدة من منتصف كتاب واحد. المشكلة هي أن صفحات الويب منظمة في الواقع بعناوين، ورؤوس أقلام، وأقسام، لكن معظم وكلاء الذكاء الاصطناعي يتجاهلون هذا الهيكل. إنهم يعاملون كل صفحة ككتلة ضخمة وغير منظمة من النصوص، مما يهدر الوقت ويربك الحاسوب.

يقدم هذا البحث طريقة أذكى للقيام بالعمل التحقيقي تسمى SIEVE. لقد بنى الباحثون نظاماً يتعامل مع صفحات الويب كخزائن ملفات منظمة جيداً بدلاً من أكوام الورق الفوضوية. فبدلاً من مجرد قراءة الصفحات كاملة، يستخدم SIEVE لغة استعلام "بولينية" خاصة (فكر فيها كفلتر بحث دقيق للغاية) لطرح أسئلة محددة جداً، مثل: "أرني فقط الأقسام التي تحمل عنوان 'التاريخ' والتي تذكر '1995'". ثم يفحص قائمة النتائج ليرى رؤوس الأقلام والقصاصات القصيرة، ويختار القسم الدقيق الذي يحتاجه، ثم يجلب فقط ذلك الجزء الصغير من المعلومات. هذا النهج، المسمى "البحث–التفتيش–الجلب" (search–inspect–fetch)، يسمح للوكيل بتجاهل الأجزاء غير ذات الصلة من المستند تماماً. اختبر المؤلفون هذا على ثلاث مجموعات مختلفة من الأسئلة الصعبة ووجدوا أن SIEVE لم يكن أكثر دقة في إيجاد الإجابات الصحيحة فحسب، بل استخدم أيضاً عدداً أقل من "الرموز" (tokens) -وهي الوحدات الأساسية للنصوص التي يعالجها الحاسوب- بنسبة تتراوح بين 20.7 و50.6% مقارم بأفضل الطرق التقليدية. باختاًصار، من خلال احترام هيكل الويب، يمكن لوكيل الذكاء الاصطناعي حل الألغاز بشكل أسرع، وأرخص، وبأخطاء أقل.

حقيبة أدوات المحقق الجديدة: SIEVE

تخيل أنك تبحث عن وصفة محددة في كتاب طهي ضخم يحتوي على آلاف الصفحات. الطريقة القديمة (طريقة "البحث والزيارة") هي أن تسأل أمين المكتبة: "هل لديك وصفة لكعكة الشوكولاتة؟". فيسلمك أمين المكتبة قائمة بعشرة كتب قد تحتوي عليها. تختار واحداً، وتذهب إليه، وتقرأ الكتاب بأكمله من الصفحة الأولى إلى الأخيرة، آملًا أن تجد وصفة كعكة الشوكولاتة في مكان ما في المنتصف. إذا لم تجدها، تعود وتختار كتاباً آخر وتقرأ ذلك الكتاب كاملاً أيضاً. إنه أمر مرهق وبطيء، وينتهي بك الأمر بعقل مليء بمعلومات عن الخبز والحساء لم تكن بحاجة إليها.

يرى مؤلفو هذا البحث أن هذه طريقة سيئة للغاية لاستخدام الإنترنت. صفحات الويب ليست مجرد كتل من النصوص؛ فهي منظمة بعناوين، ورؤوس أقلام، وتواريخ، وأقسام، تماماً كما يحتوي الكتاب على فصول. المشكلة هي أن وكلاء الذكاء الاصطناعي الحاليين غالباً ما يتجاهلون هذه "الفصول". إنهم يقرأون الصفحة بأكملها حتى عندما تكون الإجابة موجودة في قسم صغير واحد فقط.

لإصلاح ذلك، أنشأ الفريق SIEVE، وهو استراتيجية البحث–التفتيش–الجلب. فكر في SIEVE كمحقق لا يكتفي بقراءة الكتاب بأكمله، بل يعرف تماماً كيف يستخدم جدول المحتويات.

الخطوة 1: الفلتر الخارق (البحث)
بدلاً من مجرد كتابة سؤال غامض، يستخدم SIEV لغة خاصة تسمى لغة الاستعلام البولينية (BQL). هذا يشبه إعطاء قواعد صارمة جداً لأمين المكتبة. بدلاً من قول "ابحث عن الكعكة"، يقول الوكيل: "ابجد لي المستندات حيث يقول العنوان 'شوكولاتة' وَ القسم هو 'وصفات' وَ التاريخ بعد عام 2020". هذا يستبعد آلاف الصفحات غير ذات الصلة فوراً. إنه يشبه امتلاك منخل سحري يسمح فقط بنوع معين من الرمل بالمرور، تاركاً الصخور خلفه.

الخطوة 2: النظرة السريعة (التفتيش)
بمجرد أن يؤدي الفلتر مهمته، لا يقرأ الوكيل الصفحات الكاملة بعد. بدلاً من ذلك، ينظر إلى "بطاقات النتائج". هذه تشبه البطاقات الفهرسية التي تعرض العنوان، وقائمة رؤوس فصول الكتاب، ومقتطف صغير من النص مكون من 25 كلمة. يمكن للوكيل أن يرى: "أوه، هذا الكتاب يحتوي على فصل يسمى 'الحلويات' وفصل آخر يسمى 'الإفطار'". يمكنه تفتيش هذه العناوين ليرى أي منها يبدو واعداً بالفعل دون قراءة جملة واحدة من النص الكامل.

الخطوة 3: القبض الجراحي (الجلب)
هذا هو التغيير الجذري. بمجرد أن يرى الوكيل أن فصل "الحلويات" هو ما يحتاجه، فإنه لا يفتح الكتاب بأكمله. بل يطلب من النظام "جلب" قسم "الحلويات" فقط. إنه يحصل على تلك الشريحة المحددة من المعلومات. إنه يتجاهل فصول الخبز، والحساء، والتاريخ.

لماذا هذا مهم: السرعة والذكاء

اختبر الباحثون هذه الطريقة الجديدة مقابل طريقة "قراءة الصفحة كاملة" القديمة باستخدام ثلاث مجموعات مختلفة من الأسئلة الصعبة (HotpotQA، وMuSiQue، وBROWSECOMP-PLUS). هذه المجموعات تشبه مستويات مختلفة من ألعاب المعلومات العامة، تتراوح من أسئلة ويكيبيديا القياسية إلى مهام بحثية عميقة ومعقدة للغاية.

كانت النتائج مبهرة. لم يوفر SIEVE الوقت فحسب، بل كان أيضاً أكثر دقة في تقديم الإجابات.

• الدقة: في المجموعات الثلاث، كان SIEVE أكثر دقة من أفضل الطرق التقليدية.
• الكفاءة: استخدم عدداً أقل من الرموز (tokens) بنسبة تترا بين 20.7% و50.6% للحصول على تلك الإجابات. ولوضع ذلك في المنظور، إذا كان على الوكيل التقليدي قراءة 100 صفحة للعثور على إجابة، فقد يحتاج SIEV لقراءة ما يعادل 50 صفحة فقط (أو أقل) من خلال تخطي الأجزاء غير ذات الصلة.
• المتانة: جرب الفريق هذه الطريقة مع "أدمغة" (نماذج ذكاء اصطناعي) مختلفة ومحركات بحث مختلفة، وظل SIEV هو الفائز. لقد نجح سواء كان الوكيل يستخدم أداة بحث بسيطة أو أداة معقدة.

ما يقوله البحث (وما لا يقوله)

المؤلفون واضحون جداً بشأن ما وجدوه وما لم يجدوه. لم يكتفوا بالتخمين؛ بل أجروا تجارب مضبوطة حيث قارنوا SIEV مباشرة بالطرق القديمة باستخدام نفس الأسئلة تماماً.

• ما أثبتوه: أظهروا أن تجاهل هيكل صفحات الويب هو خطأ. فمن خلال استخدام الهيكل (العناوين، الأقسام) لفلترة وجلب ما هو مطلوب فقط، يمكن للوكلاء أن يكونوا أكثر ذكاءً وكفاءة. كما أثبتوا أن حلقة "البحث–التفتيش–الجلب" أفضل من مجرد "البحث والزيارة".
• ما استبعدوه: أظهروا أن مجرد قراءة الصفحة كاملة (حتى لو تم البحث عدة مرات) هو أمر هدّار. كما أظهروا أن مجرد امتلاك "دماغ" أفضل (نموذج ذكاء اصطناي أقوى) ليس كافياً إذا كانت طريقة البحث والقراءة غير فعالة.
• أين قد يواجه صعوبة: يشير البحث إلى أن SIEV لا يزال يعتمد على قدرة الوكيل على كتابة استعلامات "بولينية" جيدة. إذا طرح الوكيل سؤالاً خاطئاً، فقد يحجب الفلتر الإجابة الصحيحة. ومع ذلك، وجدوا أن النظام لديه "شبكة أمان": إذا لم يجد الفلتر الصارم شيئاً، فإنه يقوم تلقائياً بتخفيف القواعد والمحاولة مرة أخرى، حتى لا يعلق في مكانه.

الصورة الكبيرة

يشير هذا البحث إلى أن مستقبل أبحاث الذكاء الاصطناعي لا يتعلق فقط بجعل الذكاء الاصطناعي "أذكى" بشكل عام، بل بتعليمه أن يكون أكثر تنظيماً. تماماً كما أن الباحث البشري لن يقرأ موسوعة كاملة للعثور على حقيقة واحدة، لا ينبغي للذكاء الاصطناعي أن يفعل ذلك أيضاً. من خلال احترام الطريقة التي يتم بها هيكلة المعلومات على الويب، يوضح SIEV أنه يمكننا بناء وكلاء أسرع، وأرخص تشغيلاً، وأكثر دقة. إنه تذكير بأن أفضل طريقة للعثور على الحقيقة أحياناً هي التوقف عن قراءة كل شيء والبدء في قراءة الأشياء الصحيحة فقط.