في العالم الحديث، تعالج المؤسسات المالية ملايين المستندات يومياً. هذه ليست مجرد تقارير رقمية أنيقة؛ بل هي مزيج فوضوي من الملفات الرقمية الواضحة، وإيصالات ورقية مجعدة تم مسحها ضوئياً بيد مرتجفة، وصور التقطت بهاتف ذكي في مكتب خافت الإضاءة. لعقود من الزمن، كافحت الحواسيب لفهم هذا الهراء. اعتمدت الأنظمة التقليدية على قواعد صارمة وخطوات متتالية: أولاً، يحاول برنامج قراءة الحروف؛ ثم يحاول برنامج آخر البحث عن المربعات والخطوط؛ وأخيراً، يحاول برنامج ثالث استخراج الأرقام. إذا فشلت الخطوة الأولى بسبب ضبابية الصورة، تنهار العملية برمتها. وفي السنوات الأخيرة، ظهر نوع جديد من الذكاء الاصطناعي يمكنه النظر إلى صورة وفهمها تماماً كما يفعل البشر، حيث يرى النص والتنسيق في آن واحد. ومع ذلك، فبينما تؤدي هذه الأنظمة الجديدة أداءً رائعاً على الصور الاختبارية النظيفة والمثالية، فإنها غالباً ما تتعثر عندما تواجه الواقع الفوضوي للعالم الحقيقي. والسؤال الذي يواجه الباحثين ليس مجرد ما إذا كان بإمكان الكمبيوتر قراءة مستند ما، بل ما إذا كان بإمكانه قراءة نموذج مالي مجعد أو ضبابي أو ضخم دون ارتكاب أخطاء خطيرة.

لقد تصدى فريق من الباحثين في "أنت جروب" (Ant Group) في هانغتشو لهذه المشكلة عبر بناء نظام جديد يسمى "فينيكس دوك" (FinixDoc)، المصمم خصيصاً للتعامل مع عالم الأوراق المالية الفوضوي وعالي المخاطر. بدأوا بملاحظة أن الطريقة التي يختبر بها العلماء هذه الأنظمة الحاسوبية حالياً معيبة. فمعظم الاختبارات تستخدم مستندات رقمية نظيفة لا تشبه بتاتاً صور الإيصالات أو نماذج التأمين التي يتعامل معها موظفو البنوك فعلياً. ولإصلاح ذلك، ابتكر الفريق طريقة جديدة للتفكير في المشكلة، حيث نظموا المستندات في خريطة بسيطة تعتمد على عاملين: مدى وضوح الصورة وحجم المستند. ووجدوا أنه بينما تجيد الحواسيب قراءة الصفحات الصغيرة والواضحة، فإنها غالباً ما تفشل عندما تكون الصورة ضبابية أو عندما يكون المستند كبيراً جداً لدرجة أنه يمتد عبر شاشات متعددة. وهذه الفجوة بين ما يمكن للحواسيب فعله في المختبر وما يمكنها فعله في فرع بنك هي مكمن الخطر الحقيقي، حيث إن خطأً واحداً في قراءة رقم حساب بنكي أو مبلغ مطالبة تأمينية يمكن أن يؤدي إلى عواقب وخيمة.

ولسد هذه الفجوة، بنى الباحثون نظاماً لا يعتمد فقط على "عقل حاسوبي" واحد ضخم، بل يعمل كعامل ماهر يمتلك صندوق أدوات. فقبل أن ينظر الكمبيوتر الرئيسي إلى المستند، تقوم مجموعة من الأدوات الآلية بفحص الصورة. وتطبق هذه الأدوات تحويلات مثل تعديل الاستقامة فقط عندما تكتشف عمليات فحص سريعة وخفيفة مشكلات محددة مثل عدم محاذاة الاتجاه أو شذوذ شديد في القياس، مما يتجنب التغييرات غير الضرورية للمستندات الواضحة. وإذا كان المستند ضخماً جداً بحيث لا يتسع في ذاكرة الكمبيوتر دفعة واحدة، تقوم الأدوات بتقطيعه إلى قطع أصغر يمكن إدارتها، وتحليل كل قطعة، ثم دمج النتائج بعناية. ويتمثل جوهر النظام في نموذج ذكاء اصطناٍعي متخصص تم تدريبه على كمية هائلة من البيانات المالية الواقعية. وبخلاف النماذج السابقة التي تدربت في الغالب على ملفات رقمية مثالية، فقد تم تعليم هذا النموذج باستخدام طريقة فريدة ركزت على الأخطاء المحددة التي يرتكبها البشر عند قراءة النصوص الضبابية، مثل الخلط بين الصفر وحرف الـ 'O'، أو بين الرقم واحد وحرف الـ 'l'. كما أنشأ الفريق "مصنع بيانات"، وهو مسار حيث تقوم الحواسيب بإنشاء مسودات أولية لمحتوى المستند، والتي يتم بعد ذلك فحصها وتصحيحها من قبل خبراء بشريين. تضمن هذه العملية تعلم الكمبيوتر من الأمثلة الأكثر صعوبة وواقعية، بدلاً من الاكتفاء بالأمثلة السهلة والمثالية.

تم اختبار نتائج هذا النهج على مجموعة جديدة من التحديات المصممة لمحاكاة الظروف الصعبة الموجودة في البنوك وشركات التأمين الحقيقية. وقيم الباحثون نظامهم مقابل مجموعة واسعة من النماذج الحاسوبية القوية الأخرى، بما في ذلك بعض أكبر النماذج وأكثرها شهرة المتاحة اليوم. وفي الاختبارات القياسية والنظيفة، قدم نظامهم أداءً جيداً، لكن الاختبار الحقيقي جاء عندما أدخلوا الصور الرديئة والفوضوية. وهنا، كان الفرق صارخاً؛ فبينما انخفضت درجات العديد من البرامج المتخصصة التي تتفوق في قراءة المستندات المثالية بشكل كبير عند مواجهة الصور الضبابية، حافظ النظام الجديد على مستوى عالٍ من الدقة. وفي الاختبارات التي شملت إيصالات ملتقطة بالكاميرا ووثائق هوية، تفوق النظام الجديد على أفضل نموذج مفتوح المصدر التالي بفارق كبير. وقد نجح بشكل خاص في قراءة وثائق التأمين والسجلات الطبية المعقدة، حيث يكون النص كثيفاً والصور غالباً ما تكون مشوهة. كما أثبت النظام قدرته على التعامل مع المستندات فائقة الضخامة التي قد تتسبب في تعطل النماذج الأخرى أو إنتاج نتائج غير مكتملة، حيث نجح في معالجة صفحات كانت أكبر بكثير من أن تتعامل معها الأنظمة القياسية في عملية واحدة.

ويؤكد الباحثون أن نجاحهم لا يأتي من مجرد جعل الكمبيوتر أكبر أو أكثر قوة، بل من تعليمه أن يكون أكثر متانة وحذراً. لقد وجدوا أنه في العالم المالي، من الأفضل للنظام أن يتجاهل حقلاً ما بدلاً من التخمين وتقديم إجابة خاطئة، ملتزماً بمبدأ "الإغفال أفضل من الخطأ". وبينما يعتمد النظام الحالي على هذا القيد التصميمي والمراجعة البشرية لضمان الدقة، فإن تطوير آليات صريحة لتمكين الذكاء الاصطناعي من التعرف على متى يكون غير متأكد ورفض الإجابة هو أمر مخطط له في العمل المستقبلي. ومن خلال استخدام مزيج من الأدوات الآلية والإشراف البشري للتحقق من البيانات، أنشأوا نظاماً موثوقاً بما يكفي للاستخدام في العالم الحقيقي. وتشير الدراسة إلى أن مستقبل معالجة المستندات لا يكمن في مطاردة درجات أعلى في مجموعات الاختبار المثالية، بل في بناء أنظمة يمكنها الصمود أمام عيوب العالم الحقيقي. ومن خلال التركيز على التحديات المحددة للوثائق المالية - مثل الحاجة إلى الدقة المطلقة في الأرقام والقدرة على التعامل مع جودة الصور الضعيفة - نجح الفريق في إنشاء أداة تعمل حيث تشتد الحاجة إليها. إن عملهم يوفر مساراً واضحاً لتحويل كومة الأوراق والملفات الرقمية الفوضوية التي تواجهها المؤسسات المالية يومياً إلى معلومات منظمة وقابلة للاستخدام، دون الحاجة إلى تصحيح يدوي لا ينتهي.