في عالم الذكاء الاصطناعي، تكتسب نماذج اللغات الضخمة (Large Language Models) شعبية متزايدة لفعاليتها في استخراج البيانات من النصوص غير المنسقة. ومع ذلك، تواجه هذه النماذج تحديات كبيرة في التعامل مع المعلومات التي تتطلب استدلالًا مركبًا وتنظيمًا كاملًا. لكن هل هناك حل لهذه المشكلة؟

يقدم الباحثون في ورقة بحثية جديدة إطار عمل مبتكر يجمع بين استخراج البيانات باستخدام نماذج اللغات الضخمة وبرمجة الألعاب المنطقية (Answer Set Programming أو ASP). يركز هذا الإطار على تحسين عملية استخراج العلاقات المعقدة من خلال إجراء استدلالات منطقية وتحقق من التناسق لضمان دقة المعلومات المستخرجة.

بدلاً من الاعتماد على استعلامات مستقلة لكل فرضيات مستهدفة، يتم استخدام استدلال ASP للتعرف على ما هو منطقي ومقبول على مدار كل مرحلة من مراحل الاستخراج. هذه الطريقة لا تزال تستخدم النموذج اللغوي لتوليد الحقائق المرجعية، ولكنها تضيف طبقة من التحقق والاستدلال مما يحسن من جودة النتائج بشكل ملحوظ.

تمت تجربة هذا الإطار على معايير مستمدة من البرمجة المنطقية وأثبتت النتائج أنه يقلل من استدعاءات نماذج اللغات الضخمة، مما يرفع من جودة الاستخراج ويتجاوز مخرجات خاطئة.

إذا كنت مهتمًا بتطورات الذكاء الاصطناعي وكيف يمكن أن تسهم البرمجة المنطقية في تحسين النتائج، فتابعنا لمزيد من المستجدات المثيرة!