An Agentic Hybrid Top-Down and Bottom-Up Approach to Knowledge Graph Generation
تقترح هذه الورقة مساراً هجيناً وكيلياً يجمع بين التأسيس من الأعلى إلى الأسفل في ويكيداتا (Wikidata) مع التأمل من الأسفل إلى الأعلى لتوليد رسم بياني معرفي للمهارات متعدد اللغات، قابل للتوسع وذاتي الإصلاح، من بيانات الموارد البشرية غير المهيكلة والمشوشة بشكل مستقل.
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 الإنترنت كمكتبة ضخمة وفوضوية حيث يصرخ الجميع بما يجيدون فعله. بعض الناس يتحدثون الإنجليزية بطلاقة، والبعض الآخر يتحدث الفرنسية أو الألمانية أو الإسبانية، والبعض يستخدم لغة عامية لم تُخترع بعد. في عالم التوظيف، هذه المكتبة عبارة عن فوضى عارمة. إذا أرادت شركة ما العثور على "مدير مشروع" (Project Manager)، فقد تفوتها مرشحة بارعة كتبت "إدارة مشاريع الويب" (Web Project Management) أو "Gestion de Projet" لأن الكمبيوتر لا يعرف أن هذه العبارات تعني الشيء نفسه. هنا يأتي دور "رسوم المعرفة البيانية" (Knowledge Graphs). فكر في رسم المعرفة البيانية كخريطة منظمة للغاية تربط الأفكار ببعضها. بدلاً من مجرد قائمة كلمات، هي شبكة حيث تعتبر "إدارة المشاريع" مركزاً كبيراً، و"إدارة مشاريع الويب" فرعاً أصغر يتدلى منه. الهدف هو تحويل تلك المكتبة الفوضوية من الأصوات الصارخة إلى خريطة نظيفة ودقيقة حتى تتمكن الحواسيب من مساعدة البشر فعلياً في العثند على الوظائف المناسبة.
لكن بناء هذه الخريطة أمر صعب. يمكنك محاولة رسمها من الأعلى إلى الأسفل، باستخدام كتاب قواعد صارم (مثل قائمة الوظائف الحكومية)، لكن هذا سيفقدك كل الوظائف الجديدة والرائعة والغريبة التي لم توجد بعد في كتاب القواعد. أو يمكنك محاولة بنائها من الأسفل إلى الأعلى، بترك الكمبيوتر يخمن ويصنف الأشياء بمفرده، لكن هذا غالباً ما يؤدي إلى فوضى عارمة حيث يخترع الكمبيوتر وظائف وهمية أو يقسم الوظيفة الواحدة إلى عشرة أسماء مختلفة. تقدم هذه الورقة البحثية طريقة جديدة وذكية لبناء هذه الخريطة عبر دمج أفضل ما في العالمين: كتاب قواعد صارم للأشياء المعروفة، وفريق روبوتات ذكي ذاتي التصحيح للأشياء الجديدة.
قام الباحثون، بالتعاون مع منصة العمل الحر الأوروبية "Malt"، ببناء نظام يعمل كفريق من روبوتات المحققين. هم يسمونه نهج "الوكيل الهجين" (Agentic Hybrid). وإليك كيف يعمل: أولاً، يأخذ النظام مهارة فوضوية كتبها إنسان، مثل "gestion de projet web" (بالفرنسية تعني إدارة مشاريع الويب)، ويحاول مطابقتها مع خريطة موثوقة وموجودة مسبقاً تسمى "ويكي بيانات" (Wikidata). فكر في "ويكي بيانات" كـ "ويكيبيديا الحقائق" التي تثق بها الروبوتات تماماً. إذا تطابقت المهارة مع شيء موجود في "ويكي بيانات"، فهذا رائع! يقوم الروبوت بتثبيتها في مكانها، مما يضمن دقتها واتساقها عبر اللغات الخمس التي يهتمون بها (الإنجليزية، الفرنسية، الألمانية، الهولندية، والإسبانية).
ولكن ماذا لو كانت المهارة جديدة تماماً وغير موجودة في "ويكي بيانات"؟ هنا يتألق الجزء "الوكيلي" (Agentic). فبدلاً من الاستسلام أو اختلاق أشياء من العدم، يستخدم النظام حلقة "تفكير ذاتي" (reflection loop) خاصة. تخيل روبوتاً يكتب مسودة، ثم يتوقف ويسأل نفسه: "مهلاً، هل هذا صحيح؟ هل يتناسب هذا مع المهارات الأخرى؟". إذا أدرك الروبوت أن المهارة محددة للغاية بحيث لا يمكن إدراجها تحت مظلة "إدارة المشاريع" الرئيسية، فإنه لا يتجاهلها. بدلاً من ذلك، ينشئ لها فرعاً "يتيماً" خاصاً ومتميزاً. يعطي هذا الفرع الجديد معرفاً فريداً واسماً واضحاً، مثل "إدارة مشاريع الويب"، ويربطه بالمركز الرئيسي. ثم يقوم النظام بتشغيل هذه العملية مراراً وتكراراً، ويتحقق من عمله، ويدمج المكررات، وينظف الفوضى حتى تصبح الخريطة دقيقة قدر الإمكان.
تظهر الورقة البحثية أن هذه الطريقة تعمل بشكل جيد حقاً، لكنها ليست سحراً، بل هي عملية دقيقة. لقد اختبروا النظام على أكثر من 36,000 وصف خام وفوضوي للمهارات من مستقليين حقيقيين. تمكن النظام من تنظيم جزء هائل منها، لكنه كان صادقاً أيضاً بشأن ما لم يستطع التعامل معه. من إجمالي البيانات، كانت حوالي 19% من محاولات مطابقة المهارات مع الخريطة عبارة عن "تخمينات خاطئة" لأن المدخلات كانت مربكة للغاية أو غامضة. علاوة على ذلك، رفض النظام بنشاط 13.7% أخرى من المدخلات لأنه حدد أنها ببساطة ليست مهارات صالحة (مثل أخطاء "ليس مهارة" أو الضجيج الدلالي). ومع ذلك، بالنسبة للبيانات التي نجح في معالجتها، كانت النتائج مبهرة: لقد قام بتنظيف وتنظيم 27,743 من المدخلات، وتجميعها في حوالي 13,300 فئة مهارات واضحة ومعيارية. وهذا يعني أنهم قللوا الفوضى بأكثر من النصف بالنسبة للبيانات الصالحة، محولين آلاف المتغيرات المربكة إلى قائمة منظمة ومرتبة. والأفضل من ذلك، كان النظام قادراً على التحدث بكل اللغات الخمس ببراعة، منشئاً 66,490 تسمية معيارية بحيث يمكن لمتحدث بالفرنسية ومتحدث بالألمانية العثور على نفس الوظيفة.
وجد الباحثون أن نهجهم "الهجين" كان أفضل بكثير من مجرد استخدام كتاب قواعد صارم أو ترك الكمبيوتر يخمن بمفرده. فمن خلال ربط المهارات المعروفة بـ "ويكي بيانات"، تجنبوا قيام الكمبيوتر باختراع وظائف وهمية (وهي مشكلة تسمى "الهلوسة"). ومن خلال استخدام حلقة "التفكير الذاتي" للمهارات الجديدة، لم يفتهم ظهور الوظائف الجديدة الرائعة التي لم تلحق بها كتب القواعد بعد. والنتيجة هي خريطة حية ومتجددة للمهارات يمكنها تحديث نفسها مع تغير سوق العمل، مما يجعل من السهل كثيراً على الشركات العثور على الأشخاص المناسبين وللبشر العثور على العمل المناسب. إنه يشبه امتلاك أمين مكتبة لا يعرف فقط كل كتاب في المكتبة، بل يعرف أيضاً وبشكل فوري كيفية تصنيف كتاب جديد وصل للتو، مما يضمن أن يجد الجميع ما يبحثون عنه بغض النظر عن اللغة التي يتحدثونها—مع معرفة متى يقول بالضبط: "لست متأكداً مما هذا"، بدلاً من التخمين الخاطئ.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.