يُعتبر استخراج الكلمات المفتاحية تحدياً كبيراً في عالم البيانات الجماعية (crowdsourced collections)، خاصةً عندما يتعلق الأمر بالمجموعات الرقمية التاريخية. وقد أجرى مشروع "استخراج الكلمات المفتاحية من المجموعات الجماعية" دراسة مثيرة للاهتمام باستخدام أرشيف "Their Finest Hour" الذي يُعنى بتوثيق أحداث الحرب العالمية الثانية، والمستضاف من قبل جامعة أكسفورد.

استُخدمت في هذا المشروع ثلاثة نهج رئيسية من معالجة اللغة الطبيعية (Natural Language Processing) لاستخراج الكلمات المفتاحية، وهي: التعرف على الكيانات المسماة (Named Entity Recognition)، استخراج الكلمات المفتاحية (Keyword Extraction)، ونمذجة الموضوعات (Topic Modelling). تم اختبار هذه الطرق عبر مجموعة متنوعة من تقنيات الذكاء الاصطناعي، بدءًا من الطرق الإحصائية التقليدية ووصولاً إلى الشبكات العصبية الحديثة (GenAI).

تشير النتائج الكمية والنوعية إلى أن تقنيات معالجة اللغة الطبيعية تحمل إمكانات حقيقية لاستخراج الكلمات المفتاحية على نطاق واسع. لكن لا يوجد أسلوب واحد يوفر حلاً كاملاً، ويؤثر اختيار النموذج بشكل كبير على النتائج. بالإضافة إلى ذلك، تبرز الدراسة مسؤوليات أخلاقية فريدة عند التعامل مع المجموعات الجماعية، حيث تعتبر البيانات الناتجة عن تفاعل المشاركين مسؤولية تتطلب اهتماماً خاصاً.

تشير النتائج إلى أن النماذج القابلة للاستخراج تظهر كأفضل الخيارات لدعم الاستخدام المسؤول، في حين أن الذكاء الاصطناعي التوليدي، على الرغم من إمكاناته الإبداعية، يحمل مخاطر تتعلق بالمساءلة تحتاج إلى دراسة متأنية من قبل القائمين على إدارة تلك المجموعات.

من الواضح أن الذكاء الاصطناعي ليس مجرد أداة، بل مسؤولية أيضاً، وهذا يتطلب من القائمين على إدارتها أن يكونوا واعين لهذه التحديات والأخطار.