في عالم الاتصالات المتطورة، يشكل تحليل الأسباب الجذرية (Root Cause Analysis - RCA) جزءاً أساسياً من عمليات الشبكة، خاصة مع وجود شبكات الجيل الخامس (5G) والمتوقع منها للجيل السادس (6G). لكن، تتطلب هذه الشبكات الحديثة أموراً كبيرة من التعقيد والتداخل، مما يجعل تحديد جذور المشكلات أمراً صعباً. ومع ذلك، تظهر التقدمات في نماذج اللغة الكبيرة (Large Language Models - LLMs) كنقطة تحول رئيسية.

تسعى هذه النماذج لتقديم قدرات استدلال غير مسبوقة لكن تطبيقها التقليدي على RCA قد يؤدي إلى مشكلات، مثل التخييل (hallucinations) والتفكير غير المستقر. لذلك، يتطلب الأمر ضرورة توظيف إطار عمل منظم لتحسين هذه العملية.

يتناول التقرير الجديد تطور تحليل RCA عبر تقنيات مثل القواعد والتعلم الآلي (Machine Learning - ML) وصولاً إلى تقنيات نماذج اللغة الحديثة. صُمم إطار العمل المقترح لجعل تحليل الأسباب الجذرية أكثر دقة وموثوقية من خلال تنظيم بيانات الشبكة المتعددة إلى سياقات قانونية، وضمان استخدام طريقة تفكير مستندة إلى الأدلة.

تظهر النتائج التجريبية المأخوذة من مجموعتي بيانات (TeleLogs وTelecomTS) أن هذا الإطار يمكّن من تحقيق دقة أعلى في التشخيص وتوافق أعلى في اتخاذ القرارات، ما يبرز أهمية تصميم التفكير المنظم لمستقبل أنظمة RCA المدعومة بنماذج اللغة الكبيرة في شبكات الاتصالات القادمة.