Fanar-Sadiq: A Multi-Agent Architecture for Grounded Islamic QA

Il paper presenta Fanar-Sadiq, un assistente islamico bilingue basato su un'architettura multi-agente che combina recupero di informazioni, calcolo deterministico e verifica delle fonti per fornire risposte precise e radicate nei testi canonici su zakat, eredità e giurisprudenza, superando le limitazioni degli attuali modelli linguistici.

L'essenziale

Immagina di avere un grande saggio digitale chiamato Fanar-Sadiq (che significa "La Luce Fedele"). Questo non è un semplice chatbot che chiacchiera, ma è un assistente intelligente progettato specificamente per rispondere a domande complesse sulla religione islamica, con una precisione che va oltre la semplice conversazione.

Ecco come funziona, spiegato con parole semplici e qualche metafora creativa:

1. Il Problema: L'Oracolo che "Inventa" le Risposte

Immagina di chiedere a un generatore di storie (come le attuali Intelligenze Artificiali) di raccontarti una legge sacra o di calcolare quanto devi donare in beneficenza. Spesso, questi modelli sono come attori brillanti ma un po' distratti: parlano benissimo, ma a volte inventano citazioni sacre, confondono le regole o fanno errori di matematica perché cercano di "sembrare" corretti invece di essere corretti.
Nel contesto religioso, questo è pericoloso: dire una cosa sbagliata su un testo sacro o su una legge finanziaria può fuorviare le persone.

2. La Soluzione: Una Squadra di Specialisti (Non un Solo Attore)

Invece di affidare tutto a un unico "cervello" che cerca di fare tutto, Fanar-Sadiq funziona come un grande ospedale con un triage intelligente.

Quando un utente fa una domanda, un triage (un classificatore intelligente) ascolta la richiesta e decide immediatamente a quale "reparto" specializzato inviarla. Non c'è un unico dottore che fa tutto; ci sono specialisti diversi per problemi diversi:

• Il Reparto "Archivio Sacro" (Per le Citazioni):
  Se chiedi: "Cosa dice esattamente il versetto 2:255 del Corano?", il sistema non cerca di riscriverlo a memoria (rischiando errori). Invece, va direttamente nella biblioteca digitale e ti consegna il testo esatto, parola per parola, come un bibliotecario che ti passa il libro originale. Niente invenzioni, solo il testo sacro intatto.

• Il Reparto "Matematica Legale" (Per Zakat ed Eredità):
  Se chiedi: "Quanto devo pagare di Zakat (elemosina) sui miei risparmi?" o "Come si divide l'eredità tra moglie e figli?", il sistema non usa l'intelligenza artificiale per "indovinare". Usa calcolatrici deterministiche (macchine da calcolo infallibili) programmate con regole precise. È come se chiedessi a un contabile esperto di usare un foglio di calcolo: il risultato è matematicamente esatto e segue le leggi religiose senza errori di arrotondamento.

• Il Reparto "Giurisprudenza" (Per le Domande Complesse):
  Se chiedi: "È permesso fare X in questa situazione?", il sistema agisce come un avvocato che fa ricerca. Cerca nei testi sacri e nelle opinioni degli studiosi, legge le prove, e costruisce la risposta basandosi solo su ciò che ha trovato, citando sempre la fonte. Se c'è un disaccordo tra gli studiosi, il sistema lo dice chiaramente: "Alcuni dicono A, altri dicono B, ecco le prove per entrambi".

3. Perché è diverso dagli altri?

La maggior parte dei chatbot attuali funziona come un cucina a gas: accendi il fuoco (la domanda) e il modello "cuoce" una risposta basandosi su tutto ciò che ha imparato, ma a volte brucia i cibi o usa ingredienti sbagliati.

Fanar-Sadiq è invece come una cucina con un menu a scelta:

1. Se vuoi un piatto semplice, ti dà la ricetta esatta.
2. Se vuoi un calcolo preciso, usa la bilancia digitale.
3. Se vuoi un'opinione, consulta il libro di cucina degli esperti.

4. I Risultati nella Vita Reale

Questo sistema non è solo teoria. È già stato usato quasi 2 milioni di volte in meno di un anno!

• Affidabilità: Ha dimostrato di essere molto più preciso nel non inventare cose rispetto ai modelli più famosi.
• Bilingue: Parla e capisce perfettamente sia l'arabo che l'inglese, colmando il divario tra culture diverse.
• Trasparenza: Ogni risposta ha le sue "note a piè di pagina" (citazioni) per dimostrare che non sta mentendo.

In Sintesi

Fanar-Sadiq è come avere un saggio, un matematico e un bibliotecario che lavorano insieme in una squadra perfetta. Non si fidano della loro "memoria" per le cose sacre, ma controllano sempre i libri, usano calcolatrici per i numeri e citano sempre le fonti. È un modo per portare la tecnologia nel mondo religioso senza perdere la precisione e il rispetto che le tradizioni sacre meritano.

Sommario tecnico

Ecco una sintesi tecnica dettagliata del paper "Fanar-Sadiq: A Multi-Agent Architecture for Grounded Islamic QA", presentata in italiano.

1. Il Problema

I grandi modelli linguistici (LLM) mostrano capacità fluide nel rispondere a query religiose, ma soffrono di allucinazioni e errori di attribuzione delle fonti. Nel contesto islamico, questi errori hanno conseguenze gravi:

• Integrità Dottrinale: La fabbricazione di versetti del Corano o l'attribuzione errata di Hadith può fuorviare gli utenti.
• Sfumature Giuridiche (Fiqh): Le posizioni giurisprudenziali spesso dipendono da scuole di pensiero specifiche (madhhab) e condizioni contestuali; un modello generico rischia di presentare opinioni controverse come fatti assoluti.
• Limiti del RAG Standard: L'approccio classico "recupera-genera" (Retrieval-Augmented Generation) è insufficiente per la diversità delle query islamiche. Alcune richiedono un recupero esatto del testo sacro, altre calcoli aritmetici rigorosi (es. Zakat, eredità), e altre ancora ragionamenti complessi basati su prove. Un'unica pipeline non riesce a gestire efficacemente queste eterogeneità di intenti.

2. Metodologia: Architettura Multi-Agente

Gli autori presentano Fanar-Sadiq, un assistente bilingue (Arabo/Inglese) basato su un'architettura multi-agente che instrada le query a moduli specializzati invece di affidarsi a una pipeline monolitica.

Componenti Chiave dell'Architettura:

1. Classificatore Ibrido di Query (Hybrid Query Classifier):

   • È il punto di ingresso del sistema. Utilizza un LLM (a temperatura zero) per prevedere l'intento della query e assegnare un'etichetta tra 9 classi: fiqh rulings, retrieval del Corano, conoscenza islamica generale, saluti, calcolo Zakat, calcolo eredità, ricerca Du'a, calendario islamico, orari di preghiera.
   • Include un meccanismo di fallback basato su prototipi (embedding) per gestire casi a bassa confidenza o output malformati, garantendo un'accuratezza del 90,1%.

2. Instradamento verso Strumenti Specializzati:
   A seconda dell'intento, la query viene instradata a uno dei seguenti moduli:

   • Tool Calls (Agenti Deterministici):
     • Calendario Islamico: Converte date Gregoriane/Hijri e gestisce eventi religiosi.
     • Orari di Preghiera e Qibla: Calcola orari e direzione usando coordinate geografiche e formule astronomiche (es. pyIslam).
     • Ricerca Du'a: Recupera preghiere autenticate in modo deterministico per evitare allucinazioni.
     • Saluti: Gestisce le interazioni sociali con appropriatezza culturale.
   • Pipeline di Calcolo (Deterministica):
     • Calcolatore Zakat: Applica regole giuridiche fisse per calcolare la tassa obbligatoria basata su asset, debiti e prezzi dei metalli preziosi.
     • Calcolatore Eredità (Faraid): Un modulo Sunnita che distribuisce l'eredità seguendo regole rigide. Gestisce le controversie tra scuole giuridiche (madhhab) restituendo distribuzioni parallele (es. Hanafi vs. Jumhur) invece di una singola risposta, e applica correzioni matematiche ('awl e radd).
   • Pipeline di Recupero della Conoscenza (RAG):
     • Rulings Fiqh: Recupera documenti da un corpus di 500.000+ testi (Corano, Hadith, Fiqh classico) e genera risposte con citazioni normalizzate e tracciabili.
     • Comprensione Generale: Risponde a domande generali basandosi strettamente sui documenti recuperati.
   • Pipeline di Recupero del Corano:
     • Ricerca Versetti: Recupera il testo esatto del versetto (verbatim) per evitare parafrasi errate.
     • NL2SQL: Per query su statistiche o interi capitoli (Surah), traduce la query naturale in SQL per interrogare un database strutturato del Corano, garantendo precisione numerica e assenza di allucinazioni.

3. Assemblaggio della Risposta:
   Un modulo finale unisce i risultati, aggiunge un blocco di riferimenti con citazioni normalizzate (es. [Q*] per versetti, [C*] per fonti) e registra le tracce di esecuzione per la verifica.

3. Contributi Chiave

• Architettura Multi-Agente per QA Islamico: Supera i limiti del RAG fisso instradando le query a strumenti specifici (calcolatori, database SQL, motori di recupero) in base all'intento.
• Gestione della Diversità degli Intenti: Distingue chiaramente tra recupero testuale, calcolo aritmetico vincolato e ragionamento giuridico.
• Verifica e Tracciabilità: Implementa la normalizzazione delle citazioni e la verifica post-generazione per ridurre le allucinazioni e garantire che ogni affermazione sia ancorata a una fonte canonica.
• Valutazione Completa: Il sistema è stato valutato su benchmark pubblici che coprono sia QA generativo che a scelta multipla, dimostrando efficacia ed efficienza.

4. Risultati

Il sistema è stato valutato su cinque benchmark pubblici, confrontandosi con modelli proprietari (GPT-4.1, GPT-5, Gemini-3) e open-source (ALLaM, Fanar-2).

• Punteggio Medio: Fanar-Sadiq ha ottenuto un punteggio medio del 76,5%, superando i modelli open-source (ALLaM: 45,9%, Fanar-2: 62,4%) e risultando competitivo con i modelli proprietari più avanzati (GPT-5: 77,1%, Gemini-3-Pro: 79,6%).
• QA Generativo (Fideltà): I miglioramenti più significativi si sono visti nelle task critiche per la fedeltà:
  • IslamicFaithQA: 65,4% (vs 56,6% del miglior baseline proprietario).
  • FatwaQA: 65,1% (in linea con Gemini-3-Pro al 67,0%).
• QA a Scelta Multipla:
  • PalmX (Cultura Islamica): 85,5%.
  • IslamTrust (Allineamento Valoriale): 94,2%.
  • QIAS (Eredità): 72,2%. Sebbene inferiore ai modelli proprietari (93-94%), questo risultato è attribuito alla difficoltà di mappare calcoli deterministici complessi su spazi di opzioni discrete nei benchmark.
• Impatto Reale: Il sistema è stato reso pubblico tramite API e Web App, raggiungendo circa 1,9 milioni di accessi in meno di un anno, con un tasso di gradimento degli utenti del 77,4%.

5. Significato e Impatto

Fanar-Sadiq rappresenta un passo avanti significativo nell'applicazione dell'IA ai domini religiosi sensibili:

• Affidabilità: Dimostra che un'architettura basata su strumenti e intenti riduce drasticamente le allucinazioni rispetto ai modelli generativi puri, un requisito fondamentale per le applicazioni religiose.
• Trasparenza: Fornisce citazioni verificabili e gestisce esplicitamente le divergenze giuridiche, evitando di presentare opinioni controverse come verità assolute.
• Scalabilità: L'approccio modulare permette di integrare nuove scuole giuridiche o strumenti senza riprogettare l'intero modello.
• Accessibilità: Offre agli utenti bilingue (Arabo/Inglese) un accesso affidabile a conoscenze islamiche canoniche, facilitando l'apprendimento e la pratica religiosa quotidiana.

Il lavoro sottolinea che per domini ad alto rischio come quello religioso, l'IA non deve solo "parlare" in modo fluido, ma deve essere in grado di ragionare, calcolare e citare con precisione, separando chiaramente la generazione creativa dal recupero di fatti e regole.