تواجه الشركات يومياً تحدياً متزايداً في التعامل مع الكمّ الهائل من البيانات المخزّنة داخل التقارير والرسائل الإلكترونية والأبحاث والمستندات المختلفة. ورغم امتلاك هذه المؤسسات ملايين الكلمات من المعلومات، فإن أنظمة الذكاء الاصطناعي التقليدية غالباً ما تعجز عن فهم الصورة الكاملة أو الربط بين العناصر داخل هذه البيانات بالشكل المطلوب.

فعند طرح أسئلة تحليلية مثل: "ما القواسم المشتركة بين شكاوى العملاء؟" أو "كيف ترتبط مشاريع عدة بعضها ببعض؟"، تعتمد أنظمة البحث التقليدية على إيجاد نصوص متشابهة، من دون فهم العلاقات الأوسع.

من موقع مايكروسوفت

ولمعالجة هذه المشكلة، طوّر باحثون في مايكروسوفت تقنية جديدة تُعرف باسم "GraphRAG"، بهدف تمكين النماذج من فهم الروابط بين المعلومات.

وأظهرت النتائج بوضوح: دقة أفضل بمقدار 3.4 أضعاف من الطرق التقليدية، ونسبة إجابات صحيحة 80% مقابل 50%، والقدرة على الإجابة عن أسئلة كانت مستحيلة سابقاً.

كيف تعمل التقنية؟

تعتمد GraphRAG على تحليل المستندات لاستخراج الكيانات الأساسية. ثم تُبنى شبكة من العلاقات تربط هذه العناصر بعضها ببعض. بعد ذلك، يقوم النظام ببناء مجتمعات هرمية وإنشاء ملخصات تساعد الذكاء الاصطناعي على فهم سياق البيانات.

ويعتبر النظام أفضل للاستعلامات المتعددة المراحل، وربط المعلومات المتباينة، وإدارة المعرفة المؤسسية، والرعاية الصحية، والتمويل، والبحوث القانونية.

وتشير التقديرات إلى أن التقنية تناسب أكثر المؤسسات التي تحتاج إلى تحليل العلاقات والأنماط داخل البيانات، بدلاً من الاكتفاء بالبحث المباشر عن المعلومات.