يشهد مجال الفضاء تطوراً سريعاً، مما يؤدي إلى تراكم غير مسبوق من الوثائق التقنية والإرشادات التشغيلية والأدبيات العلمية. تواجه الفرق المتخصصة في عمليات الفضاء تحديات متعددة لضمان اتخاذ قرارات واعية وفي الوقت المناسب. لذا، ظهرت الحاجة إلى أدوات فعالة قادرة على معالجة كميات هائلة من المعلومات المتنوعة بكفاءة.

تناقش هذه الورقة البحثية تقييمًا نظاميًا لأداء تقنيات استرجاع المعرفة المدعومة (Retrieval Augmented Generation - RAG)، والتي تجمع بين نماذج اللغات الضخمة (Large Language Models - LLMs) وتقنيات استرجاع المعلومات. يهدف هذا الدمج إلى استخراج المعرفة القابلة للتطبيق وتلخيصها من الوثائق الخاصة بالمجال.

قمنا بدراسة استراتيجيات استرجاع مختلفة ونماذج تجسيد المعلومات، بالإضافة إلى تقييم إجابات نماذج اللغة، وذلك لقياس تأثير كل منها على دقة المعلومات وملاءمتها وموثوقيتها. تظهر النتائج أن أنظمة RAG يمكن أن تعزز الوصول إلى المعرفة بشكل كبير، مما يسهم في تقليل مستوى الشك ودعم اتخاذ القرارات في عمليات الفضاء المعقدة.

إذا كنت مهتمًا بمستقبل الفضاء وكيف يمكن للتكنولوجيا أن تسهم في تطويره، فإن هذا البحث يقدم رؤى ثاقبة تتجاوز مجرد المعلومات، ليكون بمثابة منصة انطلاق لفهم كيفية تحسين إدارة الفضاء.