في عالم الأبحاث الحديثة، قد يواجه العلماء صعوبات في صياغة استفسارات دقيقة حول محتوى الأرشيفات المتخصصة. غالبًا ما يفتقرون إلى الخبرة اللازمة لكتابة استعلامات منظمة على البيانات الوصفية. لكن، ماذا لو كانت هناك وسيلة أفضل؟ هنا يأتي دور نماذج اللغة الضخمة (LLMs) التي تمكّن من إنشاء استعلامات دقيقة دون الحاجة لتدريب إضافي.

يقدم الباحثون نظام الاستعلام عن المعرفة الشخصية باستخدام اللغة الطبيعية (Natural Language Knowledge Graph Query - NLKGQ)، وهو إطار عمل يحدث ثورة في كيفية تعاملنا مع البيانات الوصفية. يعتمد هذا النظام على تصميم قوي للمفردات الدلالية باستخدام لغة الأونتولوجيا ويب (OWL)، مما يتيح لنماذج اللغة الضخمة توليد استعلامات منظمة بكل سهولة.

ما يميز هذا النظام هو واجهته الويب التي تسمح للباحثين بطرح أسئلة باللغة الطبيعية، حيث يتم تحويل هذه الأسئلة إلى استعلامات SPARQL عبر نماذج اللغة الضخمة وتنفيذها ضد رسم بياني للمعرفة. هذه العمليات قابلة لإعادة الاستخدام عبر مجالات متعددة، مما يجعلها أداة مثالية في البحث.

وقد ظهر نجاح النظام عند اختبار بيانات مأخوذة من أرشيف أبحاث التصوير العصبي الضخم، حيث حققت الأنماط الأكثر فعالية دقة تصل إلى 100% في مجموعة من الأسئلة المطورة مع خبراء المجال. الدراسات التجريبية أظهرت أن استخدام أسماء كيانات قابلة للقراءة والتعليقات الدلالية كانت العوامل الرئيسية في تحقيق هذه الدقة، أكثر أهمية من نوع النموذج أو هندسة المحفزات.

وعلاوة على ذلك، تم إجراء مقارنة بين استعلامات SPARQL وقاعدة بيانات SQL auto-generated، مما أظهر أن خصائص OWL الهيكلية تعطي ميزة كبيرة لنماذج اللغة الضخمة في توليد الاستعلامات. كما يتطلب المجال التجريبي نماذج محلية تعمل على أجهزة مؤسسية معتدلة لمعالجة مخاوف الخصوصية المتعلقة ببيانات الموضوعات البشرية.

هذا الابتكار يعد بمثابة خطوة هامة نحو تحسين طريقة وصول الباحثين إلى البيانات المتخصصة، ويبشر بتحولات جديدة في مجال الذكاء الاصطناعي ونماذج اللغة. ما رأيكم في هذا التطور؟ شاركونا في التعليقات.