في ظل التطورات السريعة لشبكات 5G والآفاق المستقبلية التي تطل علينا مع 6G، تبرز الحاجة إلى أدوات فعالة لتحليل الأعطال واكتشاف الأسباب الجذرية. في الآونة الأخيرة، وضع الباحثون دراسة جديدة تستند إلى نماذج لغة كبيرة (Large Language Models) لتقييم كفاءتها في هذا المجال.

يعتمد التحليل الفعلي للأعطال في الشبكات الحديثة على فهم عميق للمجال، مما يجعل التقنيات المتقدمة مثل نماذج الذكاء الاصطناعي ذات أهمية متزايدة. تتناول الدراسة الحالية تقييم النماذج الخفيفة القابلة للاستخدام في الأطراف (edge-deployable) في معالجة نصوص تشخيصية حرة، وهو ما يعد أمراً جديداً مقارنة بالاختبارات التقليدية التي تعتمد على أسئلة متعددة الخيارات ذات إجابات ثابتة.

لقد تم اختبار ثلاثة نماذج خفيفة، وهي Claude-Haiku-4.5، وGPT-5.4-Mini، وGemini-3.1-Flash-Lite، وقد أظهرت جميعها دقة لا تقل عن 90% في تشخيص الأعطال. بينما تظل معالجة الوثائق المتعلقة بمواصفات O-RAN و3GPP تشكل تحدياً، مما أدى إلى تسجيل جميع النماذج أقل من 60% في هذا الجانب.

التحليلات أظهرت أيضاً توافقاً عالياً بين القائمين على تقييم النتائج، حيث سجل متوسط اتفاقهم 0.90، مما يدل على أن تقييمات الذكاء الاصطناعي لردود الفعل المتعلقة بالاتصالات تتسم بالثبات.

من جهة أخرى، يعتبر نموذج Gemini-3.1-Flash-Lite هو الأكثر كفاءة، حيث يقدم مزيجاً ممتازاً بين الدقة وتكلفة الاستنتاج المنخفضة، مما يجعله المرشح الأمثل للتطبيقات في قطاع الاتصالات.

تظهر هذه النتائج أهمية استمرار البحث والتطوير في تقنيات الذكاء الاصطناعي لدعم وتحسين أداء الشبكات الحالية والمستقبلية. كيف تعتقد أن هذه النماذج ستؤثر على مستقبل الاتصالات؟ شاركونا آراءكم في التعليقات.