المقالات
٢ جمادى الآخرة ١٤٤٨ هـ

البيانات في العمل مع الذكاء الاصطناعي

ذكرتُ في مقال سابق أن جودة المخرَج من الذكاء الاصطناعي تحكمها معادلة من ثلاثة أطراف:

جودة المخرَج = النموذج × البيانات × منهج العمل

وتحدثتُ هناك عن «النموذج»، وفي هذا المقال نتحدث عن «البيانات».

وأبدأ بتفريقٍ أشرتُ إليه في المقال السابق: النموذج يعمل بمصدرين من المعرفة:

الأول: ما تعلَّمه في تدريبه، وهو مخزون واسع لكنه غير موثَّق، لا تعرف من أين جاء ولا بأي طبعة.

والثاني: ما تضعه أنت بين يديه من بيانات.

والفرق بينهما في العمل العلمي كالفرق بين باحث يجيب من حفظه، وباحث يجيب والكتاب مفتوح أمامه.

والبيانات في هذا المقال هي هذا المصدر الثاني: ما يقرؤه النموذج ويعمل عليه.

أولًا: أنواع البيانات:

يتعامل الذكاء الاصطناعي اليوم مع أربعة أنواع من البيانات:

١. النصوص: الكتب والمقالات والجداول والملفات المكتوبة، وهي أكثر ما يتعامل معه النموذج وأضبطه.

٢. الصور: صفحات الكتب المصوَّرة، والمخطوطات، والرسوم البيانية، والجداول المصوَّرة.

٣. الصوت: المحاضرات والدروس والتسجيلات.

٤. الفيديو: المرئيات بصورتها وصوتها.

وليست كل النماذج قادرة على كل الأنواع، ولا بالدرجة نفسها. والأهم من ذلك أن المحتوى الواحد إذا تغيَّر شكله تغيَّر عند النموذج: فالكتاب المكتوب نصًّا، والكتاب نفسه مصوَّرًا صفحاتٍ، بيانان مختلفان في نظر النموذج، وإن كانا عندك كتابًا واحدًا.

ثانيًا: بيانات خام وبيانات منظَّمة:

البيانات الخام هي البيانات على حالها: كتاب مصوَّر، أو تسجيل صوتي، أو ملف من الملاحظات المتفرقة. والبيانات المنظَّمة هي التي رُتِّبت وصُنِّفت وبُيِّنت بنيتها: الآية برقمها وسورتها، والنقل بكتابه ومؤلفه وجزئه وصفحته، والمسألة بعنوانها وتصنيفها.

والنموذج مع البيانات الخام يصرف جزءًا من جهده في فهم بنيتها، ويخمِّن فيما لم يتضح له: أين ينتهي المتن ويبدأ الحاشية؟ ومن قائل هذا القول؟ وفي أي صفحة؟ أما مع البيانات المنظَّمة فيتفرغ للمهمة نفسها، ويستطيع أن يعزو كل معلومة إلى موضعها.

فكلما كانت البيانات أكثر تنظيمًا، قلَّ تخمين النموذج، وزادت دقته.

ثالثًا: حدود قراءة النموذج للبيانات:

يظن كثيرون أن النموذج إذا أُعطي ملفًّا قرأه كله كما يقرؤه الإنسان المتأني. والواقع أن لقراءته حدودًا، أهمها أربعة:

١. السعة محدودة: لكل نموذج قدر معيَّن مما يستطيع استيعابه في الجلسة الواحدة، وما زاد عليه لا يُقرأ، أو يُقرأ مجزَّأً.

٢. القراءة ليست دائمًا كاملة: في الملفات الطويلة قد يكتفي النموذج ببعضها، أو يقرأ أولها وآخرها ويضعف في وسطها، ثم يجيب كأنه قرأها كلها.

٣. الشكل يؤثر في القراءة: الصفحات المصوَّرة، والجداول المعقَّدة، والحواشي المختلطة بالمتن، والنص المشكول، والرسم العثماني، كلها مواضع يكثر فيها الخطأ. وإذا كان في تحويل الصورة إلى نص خطأ، انتقل الخطأ إلى كل ما يُبنى عليه.

٤. النموذج لا يميِّز الموثوق من غيره فيما تعطيه: إذا وضعت بين يديه نصًّا فيه تصحيف أو نسبة خاطئة، عمل به كما هو. فهو يثق بما تعطيه، والمسؤولية في اختيار المصدر عليك.

رابعًا: ربط النماذج بقواعد البيانات:

حين تكبر البيانات فلا تتسع لها الجلسة الواحدة، يكون الحل أن يُربط النموذج بقاعدة بيانات، فيبحث فيها عمَّا يحتاجه في كل خطوة، بدل أن يُحمَّل البيانات كلها. وبهذا يستطيع أن يعمل على مكتبة كاملة، وأن يعزو كل معلومة إلى مصدرها.

لكن النماذج تختلف في سلوكها مع قواعد البيانات اختلافًا كبيرًا:

منها ما يبحث بعناية، فإذا لم يجد أعاد البحث بألفاظ أخرى.

ومنها ما يكتفي بأول نتيجة، وإن لم تكن أنسبها.

ومنها ما يترك قاعدة البيانات ويجيب من ذاكرته، ما لم يُطلب منه الرجوع إليها صراحة.

ومنها ما إذا لم يجد في قاعدة البيانات شيئًا، سدَّ النقص من ذاكرته دون أن يُنبِّه على ذلك، وهذا أخطرها.

ولذلك لا يكفي أن يكون النموذج متصلًا بقاعدة البيانات، بل ينبغي أن تتأكد أن الجواب جاء منها فعلًا، وأن تطلب منه أن يذكر مصدر كل معلومة.

خامسًا: نصائح في إعداد البيانات للنماذج:

١. اختر المصدر قبل أن تُعِدَّه: الطبعة المحقَّقة خير من غيرها، فالنموذج لا يُصلح ما في المصدر من خلل.

٢. حوِّل إلى نص كلما أمكن: وراجع جودة التحويل على عينة قبل أن تعتمد عليه.

٣. بيِّن البنية: العناوين، والأرقام، والفصل بين المتن والحاشية، والفصل بين النص المنقول وكلام الناقل.

٤. أرفق بيانات العزو: اجعل مع كل مقطع كتابه ومؤلفه وجزأه وصفحته، ليستطيع النموذج أن يعزو، وتستطيع أنت أن تتحقق.

٥. قسِّم الكبير إلى أجزاء ذات معنى: بالأبواب أو المسائل أو السور، لا بعدد الصفحات.

٦. أعطِه ما تحتاجه المهمة فقط: فالبيانات الزائدة تشتِّت النموذج كما تشتِّت القارئ.

٧. اختبر قراءته: اسأله عن موضع تعرف جوابه في البيانات، فإن أصاب اطمأننت، وإن أخطأ عرفت أين الخلل قبل أن تبني عليه.

فالبيانات هي الأرض التي يعمل عليها النموذج، وأقوى النماذج لا يُنتج شيئًا موثوقًا إذا كانت أرضه رخوة. ويبقى الطرف الثالث الذي يجمع النموذج والبيانات في عمل منظَّم، وهو منهج العمل، موضوعَ المقال القادم إن شاء الله.

كل المقالات