Development and Evaluation of HEAL A Bilingual English-Luganda RAG Chatbot for Disease Surveillance in Uganda

تخيل عالم الذكاء الاصطناعي كأنه مكتبة ضخمة وذكية للغاية، حيث يمكن لأمين مكتبة آلي الإجابة على أي سؤال تطرحه. ولكن إليك العقبة: معظم أمناء المكتبة هؤلاء يتحدثون الإنجليزية فقط، وقد تدرّبوا على كتب من جميع أنحاء العالم، وليس على كتب القواعد المحددة التي يستخدمها الأطباء في بلد معين. وهذا يخلق مشكلة لتقنية "التوليد المعزز بالاسترجاع" (RAG). فكر في تقنية RAG ليس كإنسان آلي يخمن الإجابات من ذاكرته فحسب، بل كإنسان آلي يُجبر على فتح كتاب مدرسي محدد، وإيجاد الصفحة الدقيقة، وقراءة الإجابة بصوت عالٍ قبل التحدث؛ وهذا يمنع الروبوت من اختلاق معلومات من عنده. ثم هناك مسألة "النماذج اللغوية الكبيرة" (LLMs)، وهي العقول التي تقف وراء هذه الروبوتات. ورغم أنها عبقرية، إلا أنها غالباً ما تعاني مع اللغات التي لا تملك ملايين الكتب الرقمية المكتوبة بها، مثل لغة "لوغندا"، وهي لغة يتحدث بها الملايين في أوغندا. لماذا يهم هذا؟ لأنه عندما يحدث تفشٍ لمرض ما، يحتاج العاملون في مجال الصحة إلى معرفة ما يجب فعله الآن تماماً. فإذا كان الدليل الوحيد هو كتاب إنجليزي تقني سميك لا يستطيعون قراءته بسرعة، أو إذا قدم الروبوت إجابة خاطئة لأنه لا يعرف قواعد أوغندا المحددة، فقد يمرض الناس أو حتى يموتون.

تقدم هذه الورقة مشروعاً جديداً يسمى HEAL (الذكاء الاصطناعي من أجل العدالة الصحية)، وهو عبارة عن روبوت دردشة ثنائي اللغة صُمم ليكون ذلك الأمين المثالي لأوغندا. أراد الفريق معرفة ما إذا كان بإمكانهم بناء روبوت لا يكتفي بالتخمين، بل يقرأ بالفعل إرشادات مراقبة الأمراض الرسمية في أوغندا (دليل IDSR) ويجيب على الأسئلة باللغتين الإنجليزية واللوغندية. لقد أخذوا الإرشادات الرسمية، التي تبلغ مئات الصفحات ومكتوبة بلغة إنجليزية معقدة، وترجموها إلى اللغة اللغندية. ثم بنوا نظاماً يستخدم عقلاً ذكياً قوياً (GPT-4-turbo) للعثور على الصفحة الصحيحة في تلك الإرشادات وتوليد إجابة، بينما تضمن أداة ترجمة خاصة أن تكون الإجابة منطقية باللغة اللغندية.

اختبر الباحثون روبوت HEAL الجديد مقابل ثلاثة روبوتات تجارية شهيرة (GPT-4، وGPT-3.5، وGemini) باستخدام 50 سؤالاً حقيقياً طرحها العاملون الصحيون في أوغندا خلال وظائفهم اليومية. وقد قام ستة خبراء من وزارة الصحة ومعهد الأمراض المعدية بدور الحكام، حيث قاموا بتقييم الإجابات من حيث مدى صلتها بالموضوع، واكتمال المعلومات، وجودة الصياغة. وأظهرت النتائج أن HEAL كان الفائز الواضح؛ فقد سجل درجات أعلى من جميع النماذج التجارية في التحليل العام، وصنفهم الخبراء كالأعلى تقييماً بشكل أكثر استمراراً. وتشير الورقة إلى أن ربط الذكاء الاصطناعي بالإرشادات الوطنية المحددة وإضافة طبقة اللغة المحلية جعله أكثر فائدة بكثير من البدائل العامة الجاهزة.

ومع ذلك، فإن القصة ليست مثالية تماماً. فبينما أعجب الخبراء بـ HEAL، لم تكن الترجمة من الإنجليزية إلى اللغندية خالية من العيوب. فقد قاس الفريق جودة الترجمة ووجد أنه رغم كونها جيدة بما يكفي لفهم الحقائق الطبية، إلا أن الصياغة اللغندية كانت تبدو أحياناً ركيكة أو غير طبيعية. وتستبعد الورقة صراحةً فكرة أن أداة بسيطة تعمل بالإنجليزية فقط يمكن أن تنجح مع هؤلاء العمال؛ فقد وجدوا أنه بدون طبقة اللغة اللغندية، تفشل الأداة في حل مشكلة الوصول إلى المعلومة. علاوة على ذلك، تسلط الدراسة الضوء على أنه رغم ذكاء النظام، إلا أنه لا يزال يعتمد على الإنترنت وخوادم السحاب، مما قد يشكل عائقاً أمام العاملين الصحيين في المناطق الريفية ذات الاتصال الضعيف. ويؤكد المؤلفون بحذر أنه على الرغم من أن الأداة واعدة ودقيقة، إلا أنه لم يثبت بعد قدرتها على منع تفشي الأمراض أو إنقاذ الأرواض على المدى الطويل؛ فهم قاسوا فقط مدى جودة إجابتها على الأسئلة ومدى رضا العمال عن استخدامها.

في النهاية، تشير الورقة إلى أن مستقبل الذكاء الاصطناعي الصحي في أماكن مثل أوغندا لا يتعلق بامتلاك أكبر أو أغلى عقل، بل بامتلاك عقل يعرف القواعد المحلية ويتحدث اللغة المحلية. وجد الفريق أنه من خلال الجمع بين ذكاء اصطناعي قوي ومجموعة محددة من الإرشادات الوطنية وطبقة ترجمة، يمكنهم إنشاء أداة تتفوق على العمالقة التجاريين الكبار في بيئة واقعية. لكنهم يحذرون أيضاً من أنه قبل أن يمكن استخدام هذه الأداة في كل مكان، يجب أن تكون الترجمة أكثر سلاسة، ويجب أن يعمل النظام دون الحاجة إلى اتصال دائم بالإنترنت. إنه نموذج أولي ناجح يمهد الطريق، لكن الرحلة نحو أداة كاملة التشغيل ومنقذة للحياة لا تزال مستمرة.