← أحدث الأبحاث
💻 علوم الحاسوب

Naming the deliverable raises convention coverage in large language model outputs

تُظهر هذه الدراسة أن الاستخدام الصريح لأسماء المخرجات الخاصة بالممارسين (على سبيل المثال، "مصفوفة RACI" بدلاً من عبارة وصفية) يحسن بشكل كبير من التزام مخرجات النماذج اللغوية الكبيرة بالاتفاقيات المهنية عبر مختلف النماذج ومجموعات البيانات.

المؤلف الأصلي: Jiawei Jing

نُشر 2026-11-04
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

المؤلف الأصلي: Jiawei Jing

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلف ولم يصادق عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

في عالم العمل الاحترافي، توجد لغة هادئة يستخدمها الخبراء لحشد مجموعة معقدة من القواعد في كلمة واحدة. قد يطلب مدير المشروع "مصفوفة راسي" (RACI matrix)، أو يطلب محلل مالي "ورقة شروط" (term sheet)، أو يطلب طبيب "ملخص خروج" (discharge summary). بالنسبة لشخص غريب عن هذا المجال، ليست هذه الأسماء سوى مجرد تسميات، ولكن بالنسبة للممارس، يعمل كل اسم كملف مضغوط يحتوي على هيكل محدد، وقائمة مطلوبة من الأقسام، وتنسيق صارم يجب اتباعه. هذه هي مشكلة المفردات: الفجوة بين ما يحتاجه الشخص والكلمات المحددة التي يستخدمها الخبير لوصفه. لعقود من الزمن، عرف علماء المعلومات أنه عندما يبحث الناس عن المعلومات باستخدام كلماتهم الخاصة بدلاً من المصطلحات الرسمية للمجال، فإنهم غالباً ما يخطئون الهدف. والآن، مع تحول الذكاء الاصطناعي إلى أداة أساسية لصياغة هذه الوثائق المهنية، برز سؤال جديد: عندما يطلب شخص من الذكاء الاصطناعي إنشاء وثيقة ما، هل يساعد استخدام الاسم المهني المحدد لتلك الوثيقة الآلة على إنتاج نتيجة أفضل من مجرد وصف ما يفترض أن تفعله الوثيقة؟

قام باحث في مؤسسة تطويرية في اليابان باختبار هذه الفكرة من خلال سلسلة من التجارب المنضبطة التي شملت نماذج لغوية كبيرة، وهي أنظمة الذكاء الاصطناعي القوية التي يمكنها كتابة النصوص والبرمجيات والتقارير. ركزت الدراسة على تمييز بسيط ولكنه حاسم. في سيناريو واحد، سيطلب المستخدم من الذكاء الاصطناعي إنشاء وثيقة باستخدام الاسم المهني، مثل "أنشئ مخطط غانت" (Gantt chart). وفي سيناريو آخر، سيقوم نفس المستخدم بوصف غرض الوثيقة دون استخدام الاسم، مثل "أنشئ جدولاً زمنياً يوضح متى تحدث المهام". كلا الطلبين يطلبان الشيء نفسه، لكن الأول يحمل الثقل الخفي للتقاليد المهنية، بينما يترك الثاني الذكاء الاصطناعي للتخمين حول التنسيق. طلب الباحث من الذكاء الاصطناعي توليد عشرات الأنواع المختلفة من الوثائق، من خطط الاستثمار إلى الملاحظات الطبية، باستخدام كل من الاسم المهني والوصف العادي. ولرؤية أي النسختين كانت أفضل، تم قياس المخرجات مقابل قائمة مراجعة من القواعد التي تحدد ما تبدو عليه النسخة الصحيحة من تلك الوثيقة.

كانت النتائج واضحة ومتسقة عبر كل نموذج تم اختباره. عندما قدم المستخدم الاسم المهني، تضمن الذكاء الاصطناعي عدداً أكبر بكثير من التقاليد المطلوبة مقارنة بالحالة التي وصف فيها المستخدم المهمة فقط. كان التحسن كبيراً، حيث تراوح بين زيادة قدرها أحد عشر إلى تسعة وعشرين نقطة مئوية في عدد القواعد التي اتبعها الذكاء الاصطناعي. وهذا يعني أنه إذا نجح النموذج الذي يتبع وصفاً عادياً في تطبيق حوالي نصف القواعد بشكل صحيح، فإن إضافة الاسم المهني دفعته لتحقيق نسبة أكبر بكثير من النجاح، رغم أنه لم يصل إلى الكمال. كان التأثير أقوى بالنسبة للوثائق التي لها هيكل ثابت وصارم، مثل طرق تحليلية محددة أو نماذج أعمال رسمية. بالنسبة لهذه العناصر، عمل الاسم كمفتاح يفتح مجموعة من التعليمات التي تعلمها الذكاء الاصطناعي من النصوص البشرية ولكنه لم يكن يعرف كيفية تطبيقها ما لم يتم توجيهه. أما بالنسبة للوثائق الأكثر شيوعاً، مثل البيان الصحفي العام، فقد كان الفرق أصغر، ويرجع ذلك على الأرجح إلى أن وصف الغرض كان كافياً بالفعل لتوجيه الذكاء الاصطناعي.

استكشفت الدراسة أيضاً ما إذا كان بإمكان الذكاء الاصطناعي مساعدة المستخدمين الذين لا يعرفون الاسم الصحيح. في مرحلة ثانية، طلب الباحث من الذكاء الاصطناعي أولاً أن يخبر المستخدم بالاسم المهني للوثيقة، ثم طلب منه توليد الوثيقة باستخدام ذلك الاسم. استطاع الذكاء الاصطناعي تقديم الاسم الصحيح في حوالي ثلثي الحالات في المجموعة الصغيرة المختارة، لكن الدقة انخفضت إلى حوالي 46% في المجموعة الأكبر التي تم أخذ عينات من قواعدها. وعندما استخدم المستخدم ذلك الاسم لطلب الوثيقة مرة أخرى، تحسنت جودة المخرجات بشكل ملحوظ، مستردةً ما بين نصف إلى ثلاثة أرباع الفائدة الملحوظة عندما كان المستخدم يعرف الاسم منذ البداية، وإن كان الاسترداد أقل في المجموعة التي تم أخذ عينات منها. ومع ذلك، لم يكن الذكاء الاصطناعي مثالياً؛ فقد اقترح أحياناً اسماً مهنياً حقيقياً لنوع مختلف من الوثائق، مما يؤدي إلى نتيجة سيئة. تشير هذه النتيجة إلى أنه بينما يمكن للذكاء الاصطناعي أن يعمل كجسر إلى المفردات المهنية، إلا أن المستخدم لا يزال بحاجة إلى التحقق من صحة الاسم.

تتحدى هذه النتائج الفكرة القائلة بأن المستخدمين بحاجة إلى تعلم كامل مفردات مجال ما للحصول على نتائج جيدة من الذكاء الاصطناعي. بدلاً من ذلك، تقترح الدراسة مهارة أبسط وأكثر عملية: معرفة أن هذه الوثائق لها أسماء محددة، وسؤال الذكاء الاصطناعي عن تلك الأسماء عندما تكون غير معروفة، ثم استخدامها. تشير الأبحاث إلى أن الاسم المهني ليس مجرد تسمية، بل هو إشارة تخبر الذكاء الاصطناعي بالتحول إلى وضع كتابة محدد، وتنشيط مجموعة من التقاليد التي لا يستطيع الوصف العادي تفعيلها. وهذا أمر مهم بشكل خاص للمهام التي يكون فيها التنسيق بنفس أهمية المحتوى. وتخلص الدراسة إلى أنه بالنسبة لأي شخص يستخدم هذه الأدوات، فإن القدرة على طلب والتحقق من الاسم الصحيح للمخرج النهائي هي مهارة أساسية، تسمح للذكاء الاصطناعي بالعمل كشريك حقيقي في العمل المهني وليس مجرد مولد للنصوص.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →