تخيل هذا أن تعمل على تطبيق في شركتك ربما تكون بوابة الموارد البشرية أو قاعدة بيانات دعم العملاء أو الوكايد الداخلي الذي يحتوي على كل تلك السياسات التي يجب عليك اتباعها تكتب سؤالاً في شريط البحث شيء مثلي كيف أقدم تقرير مصاريف لعشاء عمل مع عميل تضغط على زر الإدخال وماذا تحصل لا شيء أو الأسوأ من ذلك قائمة بملفات PDF عشوائية من ثلاث سنوات مضت تطابق نوعاً مع الكلمات التي كتبتها البحث هو شيء نستخدمه كل يوم وفي أغلب الأحيان يكون سيئاً للغاية لكن إليك الأمر لا يجب أن يكون كذلك ماذا لو كانت تطبيقاتك قادرة حقاً على فهم ما تطلبه ماذا لو كان بإمكانها البحث بطريقة التي يعمل بها جوجل فتجد الإجابة الصحيحة حتى عندما لا تستخدم الكلمات المثالية اليوم سنتناول خدمة أشر أي سيرش ما هي في الواقع وكيف تعمل في الخلفية ولماذا هي محرك البحث الذي تبنى عليه التطبيقات الحديثة أحضر قهوتك والنبدأ لماذا البحث معطل لفهم سبب فشل البحث عادة يجب أن ننظر إلى كيفية قيام معظم التطبيقات بذلك في الواقع الطريقة التقليدية تسمى البحث بالكلمات الرئيسية أو البحث المعجمي تكتب كلمة لابتوب في المربع فيقوم النظام بالبحث والعثور على كل مستند يحتوي على تلك الكلمة بالضبط في الخلفية تستخدم الكثير من هذه الأنظمة خوارزمية تسمى بي أم خمسة وعشرون إنها ليست معقدة لكنها ذكية بطريقتها الخاصة تقوم بي أم خمسة وعشرون بترتيب النتائج بناء على بضعة أمور مدى تكرار مصطلح البحث في المستند وطول المستند ومدى ندرة مصطلح البحث في مجموعة البيانات بأكملها فكر فيها كعداد كلمات متطور جدا يحدد المستندات الأكثر صلة بناء على تلك العوامل هنا تكمن المشكلة اللغة البشرية فوضوية لا يطرح الناس الأسئلة باستخدام نفس الكلمات التي تستخدمها المستندات دعني أعطيك مثالا ملموسا يكتب مستخدم هذا في بوابة الدعم

مستندات تحتوي على لابتوب يتجمد مكالمات فيديو وما إلى ذلك ولكن ماذا لو كان أفضل مقال حول هذا الموضوع بعنواني استكشاف أخطاء تعليق النظام أثناء اجتماعات تيمز أو إدارة اختناق وحدة المعالجة المركزية على أجهزة لابتوب المتصلة بقاعدة إرساء البحث بالكلمات الرئيسية يغفل تلك المقالات تماما لماذا؟ لأن الكلمات لا تتطابق المشكلة الجوهرية هي هذه البحث بالكلمات الرئيسية يفهم التهجئة إنه يفهم أنماط الأحرف لكنه لا يفهم المعنى تحصل على نتائج تحتوي على الأحرف الصحيحة ولكن غالبا ما يكون المحتوى خاطئا لذا إذا كان تطابق الكلمات الدقيق يترك الكثير من الفجوات فما هو البديل؟ الطريقة الجديدة البحث المتجهي إذن البحث المتجهي هو طريقة مختلفة تماما لإنجاز الأمور بدلا من مطابقة الكلمات الدقيقة فإنه يطابق المعنى قد يبدو هذا نظريا لذا دعنا نبسطه أبسط تعريف تحتاج لمعرفته هو هذا المتجه هو مجرد قائمة من الأرقام تمثل شيئا يمكن للحاسوب التعامل معه هذا كل شيء مجرد قائمة من الأرقام التضمين هو نوع خاص من المتجهات يلتقط معنى نص إنه يأخذ جملة أو فقرة أو حتى مستندا كاملا ويحوله إلى قائمة طويلة من الأرقام الحاسوب لا يفهم الكلمات لكنه يفهم الأرقام إليك تشبيه يساعد على فهم ذلك فكر في المتجهات كإحداثيات على خريطة على الخريطة تتقارب الأماكن المتشابهة من بعضها في فضاء المتجهات ينتهي المطاف بالمفاهيم المتشابهة بالقرب من بعضها متجه كلمة ملك ومتجه كلمة ملكة متقاربان لأنهما يمثلان أفكار مترابطة متجه كلمة ملك ومتجه كلمة تفاحة متبعدان جدا الحاسوب لا يعرف معنى ملك بالمعنى البشري لكنه يستطيع قياس المسافة بين إحداثياتها وإحداثيات أي كلمة أو مستند آخر الأمر أشبه بامتلاك نظام تحديد مواقع جي بي اس للأفكار يعرف النظام مدى تبعد المفاهيم عن بعضها بمجرد النظر إلى الأرقام عندما تبحث باستخدام المتجهات يقوم النظام بتحويل استعلامك إلى تضمين ثم يعثر على المستندات التي تكون تضميناتها هي الأقرب لتضمينك إنه يجد أشياء متشابهة دلاليا تشترك في المعنى وليس فقط في المفردات تخيل أنك تبحث عن مستند حول إصلاح حاسوب محمول متجمد مع البحث بالكلمات المفتاحية سيتعين عليك كتابة تجمد أو تعليق بدقة لكن مع البحث المتجهي يمكنك كتابة حاسوبي يتوقف عن الاستجابة وسيعثر على المستند الصحيح تلك هي قوة فهم المعنى دعنا نعود إلى مثال البحث الذي تعطلنا فيه مستخدم يكتب حاسوب المحمول يتجمد باستمرار مع البحث المتجهي يمكن للنظام إرجاع مقالة حول تعليق النظام أثناء اجتماعات تيمز رغم أن أينا من تلك الكلمات لم تظهر في الاستعلام لماذا؟ لأن معنى تعليق النظام قريب جدا من تجمد الحاسوب في فضاء المتجهة هذه المفاهيم تعيش بالقرب من بعضها على تلك الخريطة النظام لا يهتم بالكلمات الدقيقة بل يهتم بما تقصده هذا هو الاختراق الحقيقي بدأت الحواسيب تفهم القصدة وليس فقط الإملاء إنها تجد إجابات قد يغفل عنها البحث بالكلمات المفتاحية تماما لكن البحث المتجهي لديه نقطة ضعف أيضا إنه قد يغفل عن المطابقات الدقيقة التي تعد بالغة الأهمية إذا بحث فني عن رمز خطأ محدد مثل فقد يعطي البحث المعتمد على المتجهات الأولوية لمستندات حول أخطاء القرص أو تلف نظام الملفات بدلا من المستند الدقيق الذي يشرح ذلك الرمز بعينه إنه يستبدل الدقة بالفهم إذن لدينا طريقتان البحث بالكلمات المفتاحية رائع للدقة إنه يحدد بدقة المصطلحات ومعرفة المنتجات وأرقام العقود البحث بالمتجهات رائع للمعنى إنه يعثر على الإجابة الصحيحة حتى لو لم تستخدم الكلمات المناسبة لكل منهما نقاط عمياء وهذا يطرح سؤالاً بديهيناً ماذا لو تمكنت من الجمع بين النهجين والحصول على أفضل ما في العالمين؟ الاختراق الهاجين البحث الهاجين هو أفضل ما في العالمين إنه يقوم بتشغيل البحث بالكلمات المفتاحية والبحث بالمتجهات في وقت واحد ثم يدمج النتائج في قائمة واحدة مصنفة بدلاً من اختيار نهجاً على حساب الآخر يستخدم النظام طريقة تسمى دمج الرتب المتبادل أو RRF إليك كيف يعمل ذلك؟ ينظر RRF إلى ترتيب كل مستند في نتائج الكلمات المفتاحية وترتيبه في نتائج المتجهات ثم يعطي نتيجة مجمعة إذا كان المستند جيداً في كلهما فإنه يحصل على دفعة إنه مثل أخذ رأي خبيرين وحساب متوسطهما تكون الإجابة النهائية أكثر موثقية من أي منهما بمفرده هذا مهم لأن البحث بالكلمات المفتاحية والبحث بالمتجهات لهما نقاط قوة مختلفة جوهرياً يتفوق البحث بالكلمات المفتاحية في المطبقات الدقيقة إنه خيارك المفضل لمعرفات المنتجات وأرقام العقود والأسماء المحددة ورموز الأخطاء إنه دقيق ويمكن التنبؤ به يتفوق البحث بالمتجهات في التشابه الدلالي حيث يعثر على مستندات تشترك في المعنى مع استفسارك حتى لو لم تظهر الكلمات الدقيقة معاً يغطين النقاط العمياء لبعضهما البعض يلتقط النظام المطبقات الدقيقة والمطبقات المفاهيمية في استعلام واحداً هذه هي القوة الحقيقية وهذا ليس نظرياً فقط تظهر الأبحاث حول البحث الهجين في المؤسسات أنه يوفر دقة استرجاع تتراوح بين 70 إلى 80% اعتماداً على مجموعة البيانات هذا أعلى بنحو 15 إلى 20 نقطة مئوية مما تحصل عليه باستخدام البحث بالمتجهات وحده الفارق كبير ويظهر في نتائج الأعمال الحقيقية خذ منصة المحاسبة زيرو كمثال لقد طبقوا البحث الهجين في تجربة دعم العملاء لديهم من خلال شركة تدعى كوفيو في غضون ثلاثة أشهر شهدوا زيادة بنسبة 20% في الحلول ذاتية الخدمة وجد العملاء إجابات بأنفسهم بشكل متكرر دون الحاجة للاتصال بالدعم شهد عملاء آخرون في نفس دراسة الحالة خفاضاً يصل إلى 40% في وقت الحل لحالات الدعم هذا يعني أن الوكلاء وجدوا المعلومات صحيحة بشكل أسرع وحصل العملاء على إجابات أسرع وانخفضت تكلفة الدعم هذه ليست مجرد ميزة لطيفة بل هي تأثير ملموس على الأرباح هذه هي النقطة الجوهرية البحث الهجين ليس مجرد ترقية بسيطة أو خيار إضافياً في قائمة الميزات بل هو أفضل بشكل ملموس إنه يقدم دقة أفضل واسترجاع أفضل ونتائج أفضل للمستخدم وهذا المزيج من الأساليب هو ما يجعل أشر أي سرش قوياً جداً للتطبيقات الحديثة ولكن هناك تقنية أخرى يفتح هذا المزيج الباب أمامها وهي تقنية تحظى بكثير من الاهتمام حالياً تسمى رج أو اتصال رج إذن دعونا نتحدث عن رج اختصار رج يرمز إلى التوليد المعزز بالاسترجاع قد يبدو المصطلح معقداً لكن إليك أبسط تعريف له إنه إطار عمل يمنح مساعد الذكاء الاصطناعي إمكانية الوصول إلى معلومات لم يتدرب عليها نماذج اللغة الكبيرة مثل جي بي تي تعرف الكثير عن التاريخ والعلوم والبرمجة لكنها لا تعرف وثائق شركتك الداخلية أو سياساتها أو تاريخ عملائك أو الإجراءات المحددة التي يتبعها فريقك يعتقد معظم الناس أنه يمكنك ببساطة تفريغ كل تلك المعرفة الداخلية في النموذج نفسه هذا لا ينجح إنه مكلف ويصعب تحديثه تحل تقنية رج هذه المشكلة بطريقة ذكية بدلاً من حشو كل شيء في النموذج تقوم باسترجاع المعلومات ذات الصلة من قاعدة معرفية في اللحظة التي يطرح فيها شخص ما سؤالاً تأخذ استعلام المستخدم وتبحث في بياناتك الداخلية وتجد الوثائق الأكثر صلة ثم تغذي هذا السياق إلى نموذج اللغة الكبير مع السؤال الأصلي بعد ذلك يقوم نموذج اللغة الكبير بتوليد إجابة مرتكزة على بيانتك هذا هو جوهر السحر في الأمر والآن يعد أشر أي سرش هو الجزء المسؤول عن الاسترجاع في تلك المعادلة إنه المحرك الذي يعثر على الوثائق الصحيحة ليتمكن نموذج اللغة الكبير من الإجابة بدقة بدون طبقة استرجاع قوية تكون جودة نظام رب مرهونة بجودة الوثائق التي يعثر عليها وهنا يتألق البحث الهجين حقاً لأن استعلامات رب غالباً ما تكون أسئلة بلغة طبيعية بينما توجد الإجابات في وثائق تستخدم مصطلحات مختلفة تماماً دعني أعطيك بعض الأرقام التي توضح الفرق حقاً وجدت دراسة حول بحث تطبيقات المؤسسات أن إطار عمل رب الهجين حسن دقة الاسترجاع بمقدار 18 إلى 25 ضعفناً مقارنة بالبحث بالكلمات المفتاحية وحدها تحسنت دقة إنجاز مهام سير العمل بمقدار 21 ضعفناً هذا يعني أن المستخدمين كانوا أكثر قدرة بكثير على إكمال المهام المعقدة بنجاح عند دعمهم بنظام رج يستخدم البحث الهجينة بشكل عام يمكن لأنظمة راج المطبقة بشكل صحيح زيادة دقة البحث بنسبة 85% في المتوسط مع اقتراب بعض المجالات المتخصصة من دقة 99% ولأن نموذج اللغة الكبير يولد الإجابات بناء على السياق المسترجع بدلاً من تخميناته الخاصة أظهرت أنظمة راج خفاضاً بنسبة 40% تقريباً في الردود المهالسة ولهذا السبب يعد أشر أيسرش محورياً في بناء وكلاء الذكاء الاصطناعي والمساعدين الرقميين إنه يوفر استرجاعاً مرتكزاً على الحقائق يجعل نماذج اللغة الكبيرة جديرة بالثقة في سياق الأعمال إذا كنت تبني مساعداً يحتاج إلى الإجابة عن الأسئلة بدقة والاستشهاد بمصادره فإن البحث الهجين مع تقنية راب هو البنية التي ستعتمد عليها لذا يمثل البحث الهجين مع تقنية راب مزيجاً قوياً ولكن كيف يبدو هذا الأمر في الواقع العملي؟ الأثر في العالم الحقيقي إذن أين يظهر هذا في التطبيقات العملية؟ دعني أقدم لك بعض الأمثلة التجارة الإلكترونية هي المثال الأكثر شيوعاً على الأرجح يكتب أحد العملاء أحذية تجري مريحة في شريط البحث قد تحتوي قائمة المنتج على عبارة أحذية رياضية مبطنة لأن فريق التسويق اختار كلمات مختلفة البحث بالكلمات المفتاحية وحده سيفشل في العثور على المطابقة تماماً مع أشر أي سرش يفهم النظام أن مريحة ومبطن تعنيان الشيء نفسه تقريباً في هذا السياق إنه يعرض المنتج الصحيح حتى عندما لا تتطابق الكلمات هذا يعني عميلاً يجد ما يبحث عنه بدلاً من مغادرة الموقع محبطاً تعمل بوابات دعم العملاء بنفس الطريقة تخيل أن عميلاً يكتب كيف يمكنني إلغاء اشتراكي؟ قد تكون السياسة ذات الصلة بعنوان إنهاء اتفاقية الخدمة يعثر البحث الهجين على ذلك المستند بدقة من خلال مطابقة الكلمات المفتاحية في المصطلحات القانونية كما يعرض أيضاً أسئلة شائعة ذات صلة حول إنهاء خطتك مبكراً عبر التشابه الدلالي يحصل العميل على إجابة شاملة بدلاً من البحث في خمس مقالات مختلفة استرجاع المستندات القانونية مثال آخر يحتاج المحامون إلى البحث في العقود عن طريق أرقام البنود ومراجع الأقسام الدقيقة هذا مجال مخصص للكلمات المفتاحية البحثة لكنهم يحتبون أيضاً إلى العثور على صياغات مشابهة عبر اتفاقيات مختلفة حتى عندما تختلف الكلمات يتعامل البحث الهجين مع كلهما في استعلام واحد وفي الصناعات الخاضعة للتنظيم تعد القدرة على تتبع سبب ظهور النتيجة أمراً بالغ الأهمية للامتثال تستفيد قواعد المعرفة الداخلية من ذلك أيضاً موظف يبحث عن سياسة الإجازات يحصل على وثيقة الموارد البشرية الرسمية بالإضافة إلى رسالة بريد إلكتروني ذات صلة من الفريق القانوني حول أيام الإجازة المرحلة وتحديث حديث منشور على شبكة الشركة الداخلية يفهم البحث أن كل هذه العناصر مرتبطة بنفس السؤال التصنيع مثال أقل وضوحاً ولكنه مثال قوي يكتب فنية إصلاح ارتفاع حرارة المحرك في واجهة البحث يعيد النظام قسم استكشاف الأخطاء وإصلاحها من دليل المعدات بالإضافة إلى مخطط ممسوح ضوئياً يوضح الأجزاء ذات الصلة على الرغم من أن المخطط عبارة عن صورة يمكن لم أشر أي سرش استخراج محتواه النصي وفهرسته ليظهر في نتائج البحث الخيط المشترك في كل هذه الأمثلة هو البيانات غير المهيكلة ملفات PDF مستندات Word تذاكر دعم البريد الإلكتروني والصور الممسوحة ضوئياً استعلامات قواعد البيانات التقليدية والبحث بالكلمات المفتاحية لم تصمم أبداً لهذا النوع من البيانات لقد صمم أشر أي سرش خصيصاً لهذا العالم وكلما تعمقت فيه أصبح من الواضح أن البحث الهجين ليس مجرد ميزة إضافية إنه جزء أساسي من كيفية بناء التطبيقات الحديثة كيف تتناسب القطع معاً؟ إذن كيف يعمل كل هذا في الواقع تحت الغطاء؟ يحتوي أشر أي سرش على ثلاث لبنات أساسية مصدر البيانات والمفهرس وفهرس البحث مصدر البيانات هو المكان الذي توجد فيه معلوماتك يمكن أن يكون بلوب ستوراج أو قاعدة بيانات أشر سيكوال أو كوزموس دي بي أو حتى شيربوين إنها المادة الخام التي تحتاج إلى أن تصبح قابلة للبحث فكر فيها ككومة من المستندات التي تنتظر التنظيمة المفهرس هو المسار الذي يقرأ البيانات من ذلك المصدر ويستخرج المحتوى ويطبق أي تحسين بالذكاء الاصطناعي قمت بتهيئته ثم يبني فهرس البحث إليك طريقة بسيطة لتصور الأمر تخيل أمين مكتبة يدخل إلى مستودع مليء بالكتب يقرأ كل كتاب ويدون ملاحظات مفصلة ويحدد الموضوعات والكيانات الرئيسية وينظم كل شيء في فهرس بطاقة هذه القراءة وتدوين الملاحظات هي عملية الفهرسة فهرس البحث هو ذلك الفهرس البطاقي إنه ليس الكتب نفسها إنه النظام المهيكل والمحسن الذي يتيح لك العثور على ما تحتاجه بالضبط في أجزاء من الثانية عندما تكتب استعلاما لا يعود النظام إلى المستندات الأصلية لمسحها ضوئيا بدلا من ذلك يبحث في الفهرس الذي يعرف بالفعل مكان وجود كل شيء بدقة هذا التنظيم المسبق يسمى الفهرس المقلوبة بدلا من تخزين المستندات مع قائمة بالكلمات التي تحتوي عليها تقوم بتخزين الكلمات مع قائمة بالمستندات الموجودة فيها هذا يعني أنه عند البحث عن مصطلح ما فإنك تنتقل مباشرة إلى المكان الصحيح لا حاجة لتقليب كل صفحة والنتيجة هي تحسن هائل في السرعة بدلا من الحاجة إلى مسح كل مستند ضوئيا وهو ما يستغرق وقتا أطول مع نمو بياناتك فإنك تنتقل مباشرة إلى الموقع الصحيح مع وجود ملايين المستندات هذا الفرق هو الفرق بين بحث يستغرق ثوان وآخر يستغرق أجزاء من الثانية الآن أن تفهم ما هي أشر أي سرش وكيف تتناسب المكونات الأساسية معا ولماذا يغير البحث الهجين قواعد اللعبة دعنا نختم ببعض الأشياء التي يمكنك القيام بها فعليا باستخدام هذه التقنية أولا افهم بياناتك إذا كانت منظمة بالفعل فكر في جداول المنتجات في سيكول أو سجلات العملاء في قاعدة بيانات أي شيء بصفوف وأعمدة واضحة يمكنك الاستعلام عنه مباشرة باستخدام سيكول تم تصميم أشر أي سرش للنصوص غير المهيكلة وهذا يشمل ملفات PDF ورسائل البريد الإلكتروني ومستندات Word وتذاكر الدعم الفني هذا هو المكان الذي يقدم فيه قيمة حقيقة ثانيا إذا كنت تبني تطبيق رب أو مساعدا ذكيا فإن أشر أي سرش مع البحث الهجيني هو محرك الاسترجاع الذي تريده في الخلفية إنه يمنحك تطابقا دقيقا للكلمات الرئيسية من أجل الدقة وفهما دلاليا من أجل السياق هذا المزيج ينتج إجابات أكثر موثوقية وقابلية للاستشهاد بها مقارنة بأي من النهجين بمفرده ثالثا لا تعقد عملية الإعداد أكثر من اللازم يحتوي مدخل أشر على معالج لاستيراد البيانات أربط مساحة تخزين البلوب الخاصة بك واضبط بعض الإعدادات وترك المفهرس يبني فيهرسك الأول يمكنك إجراء بحثك الأول في أقل من ساعة إذن هذا هو أشر أي سرش ببساطة إنه يأخذ المعلومات غير المنظمة والمبعثرة ويحولها إلى معرفة قابلة للبحث وجاهزة للذكاء الاصطناعي شكرا لانضمامكم إلي اشتركوا في القناة وسأراكم في الحلقة القادمة