Cost-Aware Gated Retrieval: Decoupling Retrieval Initiation from Evidence-Conditioned Escalation

تعلمت الحواسيب الحديثة التي تجيب على الأسئلة كيفية قراءة مكتبات هائلة من ذاكراتها الداخلية، لكنها غالباً ما تعاني عندما يتطلب السؤال حقائق لا تمتلكها. ولحل هذه المشكلة، بنى الباحثون أنظمة يمكنها التوقف، والبحث عن المعلومات في قاعدة بيانات خارجية، ثم مواصلة كتابة الإجابة. هذه العملية، المعروفة باسم "التوليد المعزز بالاسترجاع"، تسمح للحاسوب بأن يعمل كعالم مطلع يعرف متى يستشير كتاباً مرجعياً. ومع ذلك، فإن البحث عن المعلومات ليس مجانياً؛ فهو يستغرق وقتاً وقدرة حوسبية. فإذا بحث الحاسوب عن الحقائق لكل سؤال، حتى الأسئلة البسيطة التي يمكنه الإجابة عليها من ذاكرته، سيصبح النظام بطيئاً ومكلفاً. التحدي المركزي يكمن في تعليم الآلة كيف تكون ذكية في معرفة متى تتوقف وتبحث، ومتى تستمر فيما تعرفه بالفعل.

طوّر فريق من الباحثين في جامعة شينجيانغ طريقة جديدة تسمى "الاسترجاع ذو البوابة الواعية بالتكلفة" (Cost-Aware Gated Retrieval) لحل هذه المشكلة. وبدلاً من التعامل مع قرار البحث كخيار واحد، إما نعم أو لا، قاموا بتقسيم العملية إلى خطوتين متميزتين. تحدث الخطوة الأولى فوراً تقريباً، بعد أن يكتب الحاسوب بضع كلمات فقط من الإجابة. في هذه المرحلة المبكرة جداً، يتحقق النظام مما إذا كان السؤال يبدو بسيطاً بما يكفي للإجابة عليه دون مساعدة. فإذا شعر الحاسوب بالثقة، فإنه يتخطى عملية البحث تماماً ويتم الإجابة. وإذا كان غير متأكد، فإنه يقوم بعملية بحث أولى لجمع الأدلة. أما الخطوة الثانية، فلا تحدث إلا بعد الانتهاء من عملية البحث الأولى وقراءة الحاسوب للمعلومات الجديدة. هنا، يقرر النظام ما إذا كانت الأدلة التي وجدها كافية، أم أنه بحاجة للبحث مرة أخرى لإيجاد تفاصيل ناقصة. ومن خلال فصل هذين القرارين، يمكن للنظام تجنب إضاعة الوقت في عمليات بحث غير ضرورية، مع الاستمرار في التعمق عندما يتطلب الموقف ذلك حقاً.

اختبر الباحثون هذا النهج على نوعين مختلفين من مجموعات البيانات الخاصة بالأسئلة والأجوبة، أحدهما يركز على الاستنتاج المعقد متعدد الخطوات والآخر على حقائق المعرفة العامة. وقارنوا طريقتهم الجديدة بالأنظمة التي تبحث دائماً والأنظمة التي لا تبحث أبداً. في اختبارهم الأول، ضبطوا النظام ليعطي الأولوية للدقة، مما سمح له بالبحث بشكل متكرر أكثر إذا اعتقد أن ذلك قد يحسن الإجابة. قللت هذه النسخة عدد عمليات البحث بنسبة تقارب النصف مقارنة بنظام يبحث دائماً، مع استعادة ما يقرب من نقطة مئوية كاملة من الدقة في أسئلة الاستنتاج الصعبة. وفي اختبار ثانٍ، ضبطوا النظام ليعطي الأولوية للسرعة. قطعت هذه النسخة إجمالي الوقت المستغرق للإجابة على السؤال بنسبة تقارب ثلاثة عشر بالمائة، وقللت عدد عمليات البحث بنسبة تقارب خمسة وأربعين بالمائة. حقق النظام هذه التوفيرات دون إضافة أي تأخير ملحوظ لعملية اتخاذ القرار الخاصة به؛ إذ كان الوقت الإضافي المستغرق في تقرير ما إذا كان سيبحث أقل من عُشر المائة من إجمالي الوقت.

تكشف الدراسة أن أكبر المكاسب تأتي من معرفة متى يجب التوقف. فقد وجد الباحثون أن الحاسوب يمكنه غالباً التمييز، خلال الكلمات القليلة الأولى من الإجابة، ما إذا كان السؤال بسيطاً أم معقداً. فعندما تخطى النظام عملية البحث لسؤال يمكنه الإجابة عليه بثقة، فقد وفر وقتاً كبيراً. ومع ذلك، سلط البحث الضوء أيضاً على نقطة ضعف محددة: فقد كان النظام يخطئ أحياناً في إدراك الحاجة للبحث في الأسئلة المعقدة التي تتطلب الربط بين قطعتين مختلفتين من المعلومات. في هذه الحالات، كان الحاسوب يشعر بالثقة في إجابته الأولية، لكنه كان في الواقع يفتقد إلى رابط جوهري. وبينما نجحت الطريقة الجديدة في تجنب العديد من عمليات البحث غير المجدية، إلا أنها لم تستطع بعد تحديد كل سؤال يحتاج إلى نظرة ثانية بدقة. وخلص الباحثون إلى أنه بينما يوفر نهجهم المكون من خطوتين وسيلة عملية للموازنة بين السرعة والدقة، فإن أهم مجال للتحسين المستقبلي هو تعليم النظام كيفية التعرف على تلك الفجوات الخفية في المعرفة قبل الالتزام بإجابة ما.