إجابة الأسئلة

نظام خبير

• واتسون (حاسوب)
• ويكي بيانات
• توليد اللغات الطبيعية
• مراجع
• وصلات خارجية
• تقييم إجابة الأسئلة في تريك
• تقييم إجابة الأسئلة في كليف

آلية العمل

وفي هذا السياق، تعمل طبقة القراءة كآلية دقيقة داخل الجهاز. تدخل إليها المقاطع المسترجعة، فتقارن كلمات السؤال بجمل السياق، وتبحث عن موضع بداية الجواب ونهايته، ثم تنتج عبارات مرشحة تحمل شكل الجواب المطلوب.

وفي هذا السياق، تعمل طبقة الترتيب كمنظم للتوازن داخل المنظومة. تجمع درجات الاسترجاع، ودرجات القراءة، ونوع الكيان، وقرب العبارة من ألفاظ السؤال، ثم تمنح كل جواب مرشح قيمة عددية تحدد موقعه في سلم الاختيار.

وعلى صعيد آخر، تتحرك الآلة فيما بعد نحو طبقة الاسترجاع. تستقبل هذه الطبقة تمثيل السؤال وتبحث داخل وثائق أو قواعد معرفة أو فهارس دلالية. تقيس الطبقة قرب الوثائق من السؤال، ثم تعيد عددًا محدودًا من المقاطع التي تحمل احتمالًا معرفيًا أعلى.

إضافةً إلى ذلك، تبدأ الآلية بطبقة تحليل السؤال. تفحص هذه الطبقة الكلمة الاستفهامية، والبنية النحوية، والكيانات المسماة، والعلاقات بين العبارات. ومن هذا الفحص تستنتج نوع الجواب المتوقع، مثل شخص أو مكان أو تاريخ أو كمية أو تعريف.

القيود

في هذا الإطار، تنتج النماذج التوليدية أحيانًا جوابًا لغويًا متماسكًا لكنه ضعيف الإسناد. لذلك تحتاج التطبيقات الحساسة إلى ربط التوليد بالاسترجاع، وإلى عرض المصدر، وإلى مراجعة بشرية عند ارتفاع أثر الخطأ.

• انظر كذلك
• معالجة اللغة الطبيعية
• استرجاع المعلومات
• نموذج لغوي كبير
• تعلم عميق
• قاعدة معرفة
• تمثيل المعرفة

علاوةً على ذلك، تعتمد جودة الجواب على جودة فضاء المعرفة الذي يتحرك فيه النظام. فالمصادر الضعيفة تنتج مرشحات ضعيفة، والمصادر المتناقضة تفرض على النظام آلية ترتيب للثقة.

وفي هذا السياق، تظهر أخطاء كثيرة عند تحليل نوع السؤال أو عند ربط الكلمات بالعلاقات الصحيحة. قد يلتقط النظام كلمة قريبة من السؤال، ثم يضعها داخل علاقة خاطئة.

البنية البرمجية

وعلى صعيد آخر، تجمع أنظمة الاسترجاع المعزز بالتوليد بين آلة البحث وآلة الصياغة. يسترجع النظام الوثائق أولًا، ثم يضعها في سياق النموذج، ثم يطلب من نموذج لغوي كبير أن يصوغ الجواب داخل حدود النصوص المسترجعة.

وفي هذا الصدد، تستعمل الأنظمة التقليدية بنية خط أنابيب، حيث تقسم المهمة إلى وحدات مستقلة ومتتابعة. توجد وحدة لتحليل السؤال، ووحدة لاسترجاع الوثائق، ووحدة لاستخراج الإجابات، ووحدة لترتيب المرشحات. يسمح هذا البناء بتقييم كل وحدة على حدة، كما يجعل أثر الخطأ قابلًا للتتبع عبر المسار.

إضافةً إلى ذلك، تستعمل أنظمة المجال المفتوح الحديثة بنية المسترجع والقارئ. يعمل المسترجع كذراع تمتد إلى أرشيف واسع من الوثائق. ويعمل القارئ كعدسة تضيق المشهد حتى تصل إلى العبارة التي تحمل الجواب. بهذا تنفصل وظيفة جلب المعرفة عن وظيفة فهم الموضع الدقيق للجواب.

علاوةً على ذلك، تستعمل بعض الأنظمة بنية نهاية إلى نهاية، حيث يتولى نموذج عميق واحد تحويل السؤال إلى جواب. تظهر هذه البنية في نماذج مبنية على المحوّل مثل تي فايف وبارت، حيث يتعامل النموذج مع كل مهمة بوصفها تحويلًا من نص إلى نص.

إجابة الأسئلة الرياضية

في هذا الإطار، ظهر نظام MathQA نظامًا مفتوح المصدر يربط الأسئلة الرياضية بصيغ وبيانات من ويكي بيانات. تكمن صعوبة هذا النوع في تحويل سؤال بشري مرن إلى بنية رمزية ذات متغيرات ووحدات وعلاقات.

كذلك، تحتاج إجابة الأسئلة الرياضية إلى وصل اللغة الطبيعية بلغة الصيغ. يدخل السؤال كنص، ثم يستخرج النظام المتغيرات والعلاقات، ثم يبحث عن معادلة أو صيغة مناسبة، ثم يعيد جوابًا قابلًا للحساب.

الفكرة العامة

في هذا الإطار، ينتقل السؤال فيما بعد من مجال العبارة إلى مجال التمثيل. قد يتحول إلى كلمات مفتاحية، أو صيغة منطقية، أو متجه عددي، أو استعلام داخل قاعدة معرفة. يمثل هذا التحول لحظة مركزية في النظام، إذ تنتقل اللغة من سطحها اللفظي إلى بنية تشغيلية تسمح للحاسوب بالبحث والمقارنة.

وفي السياق ذاته، تبدأ العملية من سؤال ظاهره بسيط، لكن باطنه يحمل بنية نحوية ودلالية. فالسؤال عن الزمن يحتاج جوابًا زمنيًا، والسؤال عن المكان يحتاج كيانًا مكانيًا، والسؤال عن السبب يحتاج علاقة تفسيرية بين حدثين أو أكثر. لذلك يعامل النظام السؤال كآلة صغيرة للطلب، تحتوي مفتاحًا استفهاميًا، وموضوعًا، وعلاقة، ونوعًا متوقعًا للجواب.

وفي هذا السياق، تستدعي طبقة الاسترجاع النصوص أو الحقائق المرشحة. ثم تعمل طبقة القراءة على تضييق المجال من وثيقة كاملة إلى فقرة، ومن فقرة إلى جملة، ومن جملة إلى عبارة مرشحة. ولاحقًا تعمل طبقة الترتيب على مفاضلة المرشحات بحسب القرب الدلالي، ونوع الكيان، وموضع الجواب، ودرجة الثقة.

الصياغة الرياضية

ومن جهة أخرى، تضيف نماذج المحولات آلية الانتباه إلى هذا البناء. تفحص آلية الانتباه علاقة كل رمز بالرموز الأخرى، وتوزع الأهمية على أجزاء الجملة بحسب دورها في إنتاج الجواب. لذلك تصبح الجملة شبكة علاقات، ويصبح الجواب نتيجة حركة داخل هذه الشبكة.

وفي هذا الصدد، يمثل المدخل اللغوي الذي يصدر عن المستعمل. ويمثل الفضاء المعرفي الذي يبحث فيه النظام. ويمثل الناتج الذي تختاره المنظومة بعد التحليل والاسترجاع والترتيب.

ومن ناحية أخرى، تعطي القيمة المرتفعة إشارة إلى تقارب السؤال والوثيقة في الفضاء الدلالي. تعمل هذه الصيغة كميزان هندسي يقارن اتجاه المعنى، بدل الاعتماد على التطابق اللفظي وحده.

وفي هذا السياق، يمكن تمثيل نظام إجابة الأسئلة بدالة تستقبل سؤالًا ومصدر معرفة ، ثم تنتج جوابًا :

وعلى صعيد آخر، تحول الأنظمة الحديثة الجمل إلى متجهات عددية. يمثل المتجه موضعًا داخل فضاء رياضي، حيث تصبح الجمل القريبة في المعنى قريبة في المكان المتجهي. وبهذا تتحول الدلالة من معنى لغوي مفتوح إلى هندسة قابلة للقياس.

علاوةً على ذلك، تسعى أنظمة كثيرة إلى اختيار الجواب الأعلى احتمالًا وفق السؤال والسياق:

وعلى صعيد آخر، تعني هذه الصيغة أن الجواب يظهر نتيجة مفاضلة احتمالية بين بدائل كثيرة. يرفع الاسترجاع جودة المرشحات. وتضيق القراءة نطاق البحث. ويمنح الترتيب الجواب الأقوى موقعه في الصدارة.

إضافةً إلى ذلك، يقيس النظام قرب السؤال من الوثيقة أحيانًا عبر جيب تمام الزاوية بين متجه السؤال ومتجه الوثيقة :

الأنواع

وفي هذا السياق، ينقسم المجال كذلك بحسب مصدر المعرفة. يعتمد نظام الكتاب المفتوح على وثائق خارجية يستدعيها عند الحاجة. ويعتمد نظام الكتاب المغلق على معرفة مخزنة داخل معلمات النموذج أثناء التدريب. يمنح النوع الأول قابلية أعلى للإسناد، ويمنح النوع الثاني سرعة أعلى في التوليد.

وفي هذا الصدد، ينقسم المجال بحسب صورة المدخلات. تعالج بعض الأنظمة النص وحده. وتعالج أنظمة أخرى أسئلة بصرية عن الصور، أو أسئلة سمعية عن الصوت، أو أسئلة متعددة الوسائط تجمع النص والصورة والفيديو.

وفي السياق ذاته، ينقسم المجال بحسب نطاق المعرفة. يعمل نظام المجال المغلق داخل حقل محدد مثل الطب أو القانون أو الصيانة، ويستند إلى مصطلحات وخبرات وقواعد معرفة متخصصة. ويعمل نظام المجال المفتوح داخل فضاء معرفي واسع، ويحتاج إلى مصادر عامة مثل ويكيبيديا والويب وأرشيفات الأخبار.

التاريخ والخلفية البحثية

علاوةً على ذلك، طور تيري وينوغراد نظام SHRDLU داخل عالم كتل صغير، حيث كانت الأشياء والعلاقات والقواعد محدودة ومعلومة. أظهر هذا النظام أن اللغة تصبح أكثر قابلية للمعالجة عندما تضيق البيئة وتصبح قوانينها قابلة للترميز.

ومن ناحية أخرى، في عام ٢٠١١ أظهر واتسون من آي بي إم مرحلة أكثر تركيبًا عندما فاز في مسابقة جيوباردي!. جمع واتسون بين الاسترجاع الواسع، والتحليل اللغوي، والترتيب الاحتمالي، والتكامل بين مصادر معرفة متعددة.

من جانب آخر، ارتبطت السبعينيات والثمانينيات بـالنظم الخبيرة وقواعد المعرفة. كان الخبير البشري ينظم المجال في بنية صريحة، ثم يستعمل النظام هذه البنية للإجابة. كانت الآلة في هذه المرحلة أقرب إلى ساعة صنع الإنسان تروسها المعرفية قبل التشغيل.

كذلك، في عام ٢٠١٧ نشر باحثون من فيسبوك نظام DrQA، واستعمل النظام ويكيبيديا مصدرًا معرفيًا للمجال المفتوح. ثم جاءت النماذج اللغوية الكبيرة لتعيد ترتيب المجال حول المحولات، والذاكرة المعلمية، والاسترجاع المعزز، والتوليد النصي.

وفي السياق ذاته، بدأت إجابة الأسئلة في مجالات ضيقة، حيث كانت المعرفة محدودة وقابلة للترميز اليدوي. ظهر نظام BASEBALL في أوائل الستينيات للإجابة عن أسئلة تخص دوري كرة القاعدة الرئيسي، فكان السؤال يتحول إلى بحث داخل مجال رياضي محدود ومنظم.

وفي السياق ذاته، ظهر نظام LUNAR في سياق علمي مرتبط بصخور القمر التي أعادتها بعثات برنامج أبولو. عمل النظام داخل مجال جيولوجي محدود، فصار الجواب نتيجة ربط بين السؤال وقاعدة معرفة متخصصة.