التضمينات في الذكاء الاصطناعي

ما التضمينات في الذكاء الاصطناعي؟

التضمينات هي الطريقة التي تفهم بها أنظمة الذكاء الاصطناعي المعنى. فعندما يحتاج وكيل الذكاء الاصطناعي إلى إيجاد الإجابة الصحيحة عن سؤال أحد العملاء، فإنه لا يبحث عن تطابق حرفي للكلمات المفتاحية، بل يحوّل السؤال وكل المعرفة المتاحة إلى متجهات رقمية (مصفوفات من الأرقام) تمثّل معناها الدلالي. وتتقارب الأسئلة والإجابات ذات المعاني المتشابهة في فضاء المتجهات هذا، ما يمكّن الوكيل من إيجاد المعلومات ذات الصلة حتى عندما يستخدم العميل كلمات مختلفة تمامًا عن الواردة في الوثائق.

فعلى سبيل المثال، يستخدم عميل يسأل «كيف أسترد أموالي؟» ووثيقة بعنوان «سياسة الاسترداد والإرجاع» كلمات مختلفة، لكن تضميناتهما متشابهة لأنهما يشتركان في المعنى نفسه.

كيف تعمل التضمينات في خدمة العملاء

عند إعداد نظام ذكاء اصطناعي لخدمة العملاء، تُحوَّل جميع مقالات قاعدة المعرفة ووثائق المنتجات ومحتوى الدعم إلى تضمينات وتُخزَّن في قاعدة بيانات متجهات. وعندما يرسل العميل رسالة، تُحوَّل هي الأخرى إلى تضمين. ثم يجري النظام بحثًا عن التشابه، أي يبحث عن المحتوى المخزّن الذي تكون تضميناته الأقرب إلى تضمين استفسار العميل.

وهذا هو أساس التوليد المعزز بالاسترجاع (RAG)، البنية الأكثر شيوعًا لـتأسيس ردود الذكاء الاصطناعي على محتوى موثوق. وتحدد جودة التضمينات مباشرةً جودة الاسترجاع، وهذه بدورها تحدد دقة ردود وكيل الذكاء الاصطناعي.

لماذا تهمّ جودة التضمينات

التضمينات الضعيفة تؤدي إلى استرجاع ضعيف، وبالتالي إلى إجابات ضعيفة. فإذا لم يفهم نموذج التضمين أن «إلغاء حسابي» و«إنهاء اشتراكي» يحملان معنى متقاربًا، فسيعجز وكيل الذكاء الاصطناعي عن إيجاد وثيقة السياسة الصحيحة، وإما أن يختلق إجابة أو يصعّد الحالة دون داعٍ.

سياق تقني: تنتج نماذج التضمين الحديثة متجهات بأبعاد تتراوح بين 768 و3,072، تلتقط العلاقات الدلالية الدقيقة. ويمكن للتضمينات المتخصصة المدرّبة على بيانات خدمة العملاء أن تتفوق على التضمينات العامة بنسبة 10-25% في مهام الاسترجاع الخاصة بالدعم.

ميزة Maven: رسم بياني معرفي يتجاوز التضمينات

في حين تدعم التضمينات البحث الدلالي الأساسي، تمضي Maven AGI أبعد من ذلك عبر رسم بياني معرفي منظّم لا يلتقط التشابه الدلالي فحسب، بل العلاقات بين المفاهيم والسياسات والمنتجات ومسارات العمل أيضًا. ويعني ذلك أن Maven تدرك أن سؤالًا عن «إرجاع منتج تالف» يرتبط بسياسة الإرجاع وشروط الضمان وسياسة الشحن وسجل طلبات العميل تحديدًا، وهو مستوى من الفهم السياقي لا يمكن للبحث المسطّح بالتضمينات وحده تحقيقه.

من نتائج Maven: حققت Enumerate معدل حل بلغ 91% بالاستفادة من الرسم البياني المعرفي في Maven لربط شبكة معقدة من بيانات العقارات وسجلات المستأجرين ومسارات عمل الصيانة، وهي علاقات يغفل عنها البحث البسيط القائم على التضمينات.

الأسئلة الشائعة

ما الفرق بين التضمينات والكلمات المفتاحية؟

تطابق الكلمات المفتاحية سلاسل نصية حرفية، بينما تطابق التضمينات المعنى. فالبحث بالكلمة المفتاحية «استرداد» لن يعثر على وثيقة عن «إرجاع مشترياتكم مقابل رصيد»، أما البحث بالتضمينات فسيعثر عليها، لأن المفهومين يحملان معنى دلاليًا متشابهًا في فضاء المتجهات.

هل يلزم تحديث التضمينات عند تغيّر المحتوى؟

نعم. فعند إضافة محتوى إلى قاعدة المعرفة أو تعديله أو حذفه، يجب إعادة إنشاء التضمينات المقابلة لتعكس التغييرات. وتؤتمت منصات الذكاء الاصطناعي للمؤسسات هذه العملية بحيث تنعكس تحديثات المحتوى فورًا على قدرات الاسترجاع لدى الوكيل.

هل تعمل التضمينات عبر لغات مختلفة؟

تستطيع نماذج التضمين الحديثة متعددة اللغات تمثيل نصوص من لغات مختلفة في فضاء المتجهات نفسه. ويعني ذلك أن عميلًا يطرح سؤاله بالإسبانية يمكن مطابقته مع وثائق مكتوبة بالإنجليزية، ما يتيح الدعم متعدد اللغات دون تكرار المحتوى بلغات عدة.