تُعتبر استراتيجية استرجاع المعلومات المعزز (Retrieval-Augmented Generation - RAG) تطورًا حديثًا بُنيت من خلال الفهم المتزايد لقيود نماذج اللغة الضخمة (Large Language Models - LLMs). ولكن، عند النظر إليها من منظور تاريخي، يمكن القول إن الأفكار الأساسية المتعلقة بـ RAG ليست جديدة تمامًا. بدأت المفاهيم الأساسية مثل دمج الاسترجاع مع توليد اللغة، وزيادة المعرفة، والتحقق من الإجابات، وتحسين الاستفسارات بدراسات في مجالات استرجاع المعلومات (Information Retrieval - IR) وطرح الأسئلة (Question Answering - QA) منذ أوائل القرن الحادي والعشرين، أي قبل ظهور نماذج اللغة الضخمة.

في هذه الورقة، نقوم بتعقب الخطوط الفكرية التي تربط RAG المعاصرة وRAG الوكيلة بجذورها في أبحاث IR وQA. من خلال هذا التحليل، نسلط الضوء على أسباب عدم الاعتراف المستمر بهذه الروابط، بما في ذلك التفتت المجتمعي، وتغيير المصطلحات، والتحيز الناتج عن السرعة في مجالات تتطور بسرعة. بدلاً من اعتبار نماذج اللغة الضخمة نقطة انطلاق الذكاء المعزز بالاسترجاع، نقترح رؤيتها كواجهة جديدة فوق بنية QA التي تعود لعقود.

يمتد تحليلنا إلى ما هو أبعد من كونه مجرد تاريخي؛ إذ نستكشف كيف أن وضع RAG في مسار أبحاث IR الأطول يمكن أن يكشف عن أعمال سابقة مهملة في نمذجة المستخدم، والتحقق من الإجابات، وتحسين الاستفسارات، مما يسهم بصياغة تصميمات RAG المقبلة، ويقلل من إعادة اكتشاف المفاهيم غير المقصودة، ويعزز التكامل الحقيقي بين المجتمعات.