في عصر تتزايد فيه أهمية الذكاء الاصطناعي، أعلن الباحثون عن إطلاق Spider 2.0-AIFunc، وهو معيار مبتكر يهدف إلى توسيع نطاق تحويل النصوص إلى استعلامات SQL ذكية (AI-Native SQL). في ظل الاعتماد المتزايد على منصات البيانات السحابية، أصبحت نماذج اللغة الضخمة (Large Language Models) تقدم إمكانيات جديدة لأداء مهام متعددة مثل التصنيف والتحليل العاطفي واستخراج البيانات.

سبق أن كانت المعايير الحالية لتحويل النص إلى SQL تركز بشكل أساسي على SQL التقليدي، مما ترك فجوة في معرفة ما إذا كانت النماذج قادرة على توليد استعلامات SQL الذكية. ولـملء هذه الفجوة، تم تطوير Spider 2.0-AIFunc الذي يتضمن 465 حالة موثقة عبر 125 قاعدة بيانات حقيقية، متضمنًا ستة أنواع من الوظائف الذكية على منصة Snowflake.

تستند Spider 2.0-AIFunc إلى معيار موجود لتحويل النص إلى SQL، حيث تم بناؤها عبر Pipeline يعتمد على الوكلاء (Agents) يعيد صياغة المهام المصدرية إلى شكل AI-native. هذه العملية تصوغ الاستعلامات المستهدفة وتعدل التعليمات باللغة الطبيعية لتحقق النتائج المقصودة بوضوح، مما يقلل من الغموض.

بعد تنفيذ بروتوكول تنفيذ متعدد الجولات للتأكد من استقرار النتائج، تم تقييم عشرة نماذج لغوية متطورة. وجدت النتائج أن النماذج القوية حققت دقة تنفيذ تراوحت بين 67-70% في حين أن أفضل نموذج مفتوح المصدر حقق 58.1%. وتشير النتائج إلى أن الأخطاء تكمن بشكل أساسي في تحديد المتطلبات، ومواءمة المخططات، ومعاملات الوظائف الذكية.

الغريب في الأمر هو أن الأطر المصممة للتحديات التقليدية لتحويل النص إلى SQL لم تعمل بشكل فعال في هذا السياق. فقد أظهرت الإعدادات البسيطة للوكلاء أنها تتساوى أو تتفوق على البدائل الأكثر تعقيدًا، مما يعني أن الاستراتيجيات المستخدمة في هذا الإطار قد لا تكون حاسمة كما في الاستخدامات التقليدية. للمزيد من المعلومات، يمكنكم زيارة انتقل إلي GitHub للحصول على البيانات هنا

**هل تعتقد أن استخدام SQL الذكي سيفتح آفاقًا جديدة لتحليل البيانات؟ شاركونا آراءكم في التعليقات!**