تقنية بذكاء

الصفحة الرئيسية
الذكاء الاصطناعي العملي

ما هو البحث العميق بالذكاء الاصطناعي ؟ وكيف يتحول السؤال إلى تقرير موثق ؟

شرح عملي للبحث العميق بالذكاء الاصطناعي ، وكيف يخطط النظام للبحث ويجمع المصادر ويحللها ويعالج التعارض بينها قبل إعداد تقرير موثق .
هناك فرق كبير بين أن تسأل :
( كم يبلغ عدد سكان دولة ما ) ؟
وبين أن تسأل :
( كيف تغير سوق السيارات الكهربائية في هذه الدولة خلال السنوات الخمس الماضية ، وما العوامل التي أثرت فيه ، وما المؤشرات التي تستحق المتابعة خلال العامين المقبلين ) ؟
السؤال الأول قد تكفيه عملية بحث قصيرة ومصدر موثوق .
أما الثاني فلا توجد إجابته عادة في صفحة واحدة .
يحتاج إلى تحديد الفترة الزمنية ، وجمع أرقام من أكثر من مصدر ، والتمييز بين المبيعات والتسجيلات والحصة السوقية ، وفهم السياسات المؤثرة ، ثم مقارنة الأدلة قبل كتابة النتيجة .
يُستخدم اسم البحث العميق أو Deep Research اليوم لوصف نمط من أدوات الذكاء الاصطناعي المخصصة للأسئلة التي تحتاج إلى بحث متعدد الخطوات وجمع معلومات من أكثر من مصدر ، لا مجرد البحث عن صفحة واحدة وتلخيصها .
في هذا النمط يستطيع النظام أن يضع مسارًا للبحث ، ويبحث ويقرأ المصادر ، ويكتشف أسئلة فرعية أثناء العمل ، ثم يعود إلى البحث ويجمع الأدلة في تقرير يمكن مراجعة مصادره .
وتختلف الأدوات في المصادر التي تستطيع الوصول إليها وفي مقدار التحكم الذي تمنحه للمستخدم أثناء هذه العملية .
لكن زيادة عدد عمليات البحث لا تجعل النتيجة صحيحة تلقائيًا. القيمة الحقيقية تبدأ من كيفية إدارة رحلة البحث نفسها .

إنفوجرافيك يوضح رحلة البحث العميق بالذكاء الاصطناعي من سؤال المستخدم إلى وضع خطة بحث، ثم تقسيم المهمة إلى مسارات فرعية وجمع المصادر وتحليل الأدلة وصولًا إلى تقرير موثق

1. البحث العميق يبدأ قبل أول نتيجة بحث

لنفترض أنك طلبت :
( أريد تقريرًا عن فرص استخدام الطاقة الشمسية في المنشآت الصغيرة ) .
هذا السؤال أوسع مما يبدو .
ما المقصود بالمنشآت الصغيرة ؟
في أي دولة ؟
هل ندرس الجدوى الاقتصادية أم التقنية أم التنظيمية ؟
هل الفترة الحالية هي الأهم ، أم نحتاج بيانات تاريخية ؟
هل المطلوب دراسة أكاديمية أم تقرير لاتخاذ قرار استثماري ؟
إذا بدأ النظام بجمع المعلومات قبل فهم هذه الحدود ، فقد ينتج تقريرًا طويلًا لكنه يجيب عن سؤال مختلف جزئيًا عن السؤال الذي كنت تقصده .
ولهذا تبدأ أنظمة البحث العميق الجيدة بمحاولة تحويل الطلب العام إلى خطة بحث .
قد تتضمن الخطة مثلًا :

  • تحديد نطاق السوق .
  • جمع بيانات التكلفة .
  • مراجعة الأنظمة الحالية .
  • البحث عن دراسات أو تقارير قطاعية .
  • مقارنة البيانات بين السنوات .
  • فحص مصادر أولية لبعض الأرقام .
  • ثم بناء الاستنتاج النهائي .

وتتيح بعض أنظمة البحث العميق للمستخدم مراجعة خطة البحث أو تعديلها قبل بدء التنفيذ ، وهو أمر مفيد عندما يكون نطاق السؤال قابلًا لأكثر من تفسير .
إذن أول خطوة ليست ( اعثر على إجابة ) .
بل :
حدد ما الذي يجب البحث عنه أصلًا .

2. البحث لا يسير دائمًا في خط مستقيم

البحث التقليدي البسيط قد يبدو هكذا :
سؤال ← نتيجة بحث ← إجابة
لكن البحث العميق أقرب إلى شبكة من المسارات .
قد يبحث النظام أولًا عن حجم سوق معين ، فيجد تقريرًا يشير إلى تغير تنظيمي مهم .
هذا التغير يفتح سؤالًا جديدًا :
متى صدر التنظيم ؟
وهل دخل حيز التنفيذ ؟
ثم يجد مصدرًا آخر يقول إن التغير أثر فقط في فئة معينة .
وهنا يظهر سؤال ثالث :
هل البيانات التي جمعناها سابقًا تشمل هذه الفئة أم لا ؟
بهذا الشكل ، المعلومة الجديدة يمكن أن تغيّر خطة البحث نفسها .
وهذه إحدى الخصائص التي تجعل البحث العميق قريبًا من مفهوم العمل الوكيلي الذي تناولناه سابقًا : النظام لا ينفذ أمرًا واحدًا فقط ، بل يختار الخطوة التالية اعتمادًا على ما وجده في الخطوة السابقة .
لكن يجب الانتباه إلى الفرق : ليس كل وكيل مخصصًا للبحث ، وليس كل عملية بحث تحتاج إلى استقلالية واسعة .

3. العثور على مصدر ليس هو الجزء الأصعب دائمًا

محركات البحث تستطيع العثور على صفحات كثيرة خلال أجزاء من الثانية .
المشكلة الأصعب هي :
أي هذه الصفحات تستحق أن تدخل في التقرير ؟
لنفترض أن النظام وجد رقمًا عن حجم سوق معين .
المصدر الأول مدونة تجارية .
الثاني مقال صحفي ينقل الرقم عن تقرير آخر .
الثالث شركة استشارية تعرض ملخص التقرير .
والرابع جهة رسمية تنشر البيانات الأصلية .
هذه ليست أربعة أدلة مستقلة بالضرورة .
قد تكون المواقع الثلاثة الأولى جميعها تنقل الرقم نفسه من المصدر الرابع .

إنفوجرافيك يوضح كيف يمكن لعدة مواقع ومقالات أن تنقل الرقم نفسه من مصدر أصلي واحد، ولماذا لا تُعد هذه الصفحات أدلة مستقلة رغم تعددها

إذا تعامل النظام معها باعتبارها أربعة مصادر تؤكد بعضها ، فسيبدو الدليل أقوى مما هو عليه فعلًا .
لذلك البحث الجيد يحتاج إلى أكثر من مطابقة الكلمات .
يحتاج إلى التمييز بين :
المصدر الأصلي
والمصدر الذي ينقل عنه .
وبين :
الرأي
والبيانات .
وبين :
معلومة حديثة
ورقم قديم ما زال يتكرر في صفحات جديدة .
وهنا تبدأ جودة البحث في الظهور .

4. المصدر الصحيح يعتمد على نوع السؤال

لا يوجد موقع واحد هو ( أفضل مصدر ) لكل شيء .
إذا أردت معرفة نص نظام ، فالمصدر الرسمي أقوى من مقال يشرحه .
إذا كنت تبحث عن نتائج دراسة علمية ، فالورقة الأصلية أهم من منشور يلخصها .
إذا أردت معرفة سعر منتج حالي ، فقد يكون الموقع الرسمي أو متجر البيع المباشر أكثر صلة من دراسة أكاديمية .
وإذا كان السؤال عن تجربة المستخدمين ، فقد تكون المصادر المجتمعية مفيدة ، لكن لا ينبغي معاملتها كأنها إحصاءات رسمية .
لذلك لا تكفي عبارة :
( استخدم مصادر موثوقة ) .
السؤال الأفضل هو :
موثوقة لأي نوع من الادعاءات ؟
هذه النقطة مهمة في البحث العميق لأن التقرير الواحد قد يحتوي على أكثر من نوع من المعلومات ، وكل نوع يحتاج إلى مصدر 
يناسبه .

5. ماذا يحدث عندما تتعارض المصادر ؟

هنا يصبح البحث أكثر إثارة للاهتمام .
تخيل أن مصدرًا يقول إن السوق نما بنسبة 12% ، بينما مصدرًا آخر يقول 18% .
إذا كان النظام مجرد آلة تلخيص ، فقد يختار أحد الرقمين أو يعرضهما معًا دون تفسير .
أما البحث الجيد فيسأل :
هل يتحدث المصدران عن الفترة نفسها ؟
هل يقيس أحدهما الإيرادات والآخر عدد الوحدات ؟
هل أحد الرقمين عالمي والآخر محلي ؟
هل تغيرت منهجية القياس ؟
هل هناك إصدار أحدث من أحد التقريرين ؟
أحيانًا لا يكون هناك تناقض أصلًا .
هناك تعريفان مختلفان لما يتم قياسه .

إنفوجرافيك يوضح كيفية التعامل مع مصدرين متعارضين في البحث العميق، عبر مقارنة التعريف والفترة الزمنية والمنهجية قبل تحديد ما إذا كان التعارض حقيقيًا أو ناتجًا عن اختلاف القياس

وأحيانًا يكون هناك تعارض حقيقي لا يمكن حسمه .
في هذه الحالة ، التقرير الأكثر أمانة ليس الذي يخفي الخلاف ، بل الذي يقول :
هذه المصادر تختلف ، وهذا هو السبب المحتمل ، ولا توجد لدينا أدلة كافية لاختيار رقم واحد بثقة .
وهذه مهارة أساسية في البحث لا تظهر عندما نقيّم النظام فقط بجمال صياغة التقرير النهائي .

6. المرحلة التي لا يراها القارئ : تركيب الأدلة

بعد جمع المصادر تبدأ مهمة مختلفة .
لنفترض أن النظام وجد 40 صفحة ذات صلة .
ليس المطلوب أن يلخص كل صفحة على حدة ثم يجمع الملخصات .
هذا سينتج تقريرًا طويلًا ومجزأً .
المطلوب هو معرفة :
ما الادعاءات الأساسية ؟
أي مصدر يدعم كل ادعاء ؟
أي الأدلة أقوى ؟
أين توجد فجوات ؟
وأين تتكرر المعلومات نفسها ؟
ثم يبدأ تركيب الأدلة .
يمكن مثلًا أن تتحول عشرات المصادر إلى خمسة محاور فقط :

  • حجم السوق .
  • الاتجاه التاريخي .
  • المحركات الرئيسية .
  • العوائق .
  • المؤشرات المستقبلية .

ثم تُوزع الأدلة داخل هذه المحاور .
وهذا هو الفرق بين جمع المعلومات وإنتاج معرفة قابلة للاستخدام .
التقرير الجيد لا يخبرك فقط بما وجد .
بل يساعدك على رؤية العلاقة بين ما وجده .

7. وجود الاستشهادات لا يعني أن التقرير صحيح

هذه نقطة يجب ألا نتساهل فيها .
وجود عشرات الروابط في نهاية التقرير قد يعطي شعورًا قويًا بالموثوقية .
لكن هناك ثلاثة أسئلة منفصلة :
هل المصدر حقيقي ؟
هل المصدر يقول فعلًا ما ينسبه إليه التقرير ؟
هل الاستنتاج الذي بُني عليه مبرر ؟
قد يكون الرابط صحيحًا ، لكن الصفحة لا تدعم الادعاء بالصورة التي كتبها النظام .
وقد يكون الرقم صحيحًا ، لكن النظام يضعه في سياق مختلف .
وقد تكون المصادر صحيحة كلها ، لكن الاستنتاج النهائي يتجاوز ما تسمح به الأدلة .
ولهذا يبقى مفهوم التحقق من المعلومات مهمًا حتى في التقارير المليئة بالمراجع .
الاستشهاد يجعل المراجعة ممكنة .
لكنه لا يلغي الحاجة إليها .

8. ما الفرق بين البحث العميق وRAG ؟

قد يبدو المفهومان متشابهين لأن كليهما يجلب معلومات خارج النموذج .
لكن وظيفتهما ليست واحدة .
في RAG غالبًا يكون لدينا مصدر معرفة معروف مسبقًا :  مستندات شركة ، قاعدة معرفة ، ملفات أو قاعدة بيانات .
يأتي سؤال المستخدم ، فيبحث النظام عن الأجزاء الأكثر ارتباطًا ، ثم يضعها في السياق أمام النموذج .
أما البحث العميق فيتعامل عادة مع مشكلة بحث مفتوحة .
لا نعرف بالضرورة مسبقًا :

  • أي المصادر سنحتاج إليها .
  • كم عملية بحث ستكون ضرورية .
  • ما الأسئلة الجديدة التي ستظهر .
  • أو أي اتجاه ستأخذه الأدلة .

للتبسيط ، يمكن النظر إلى الفرق من زاوية الوظيفة : يركز RAG أساسًا على استرجاع معلومات ذات صلة وإدخالها في سياق التوليد ، بينما يركز البحث العميق على إدارة مسار بحث متعدد الخطوات قد يتغير مع ظهور أدلة وأسئلة جديدة .
لكن هذا ليس حدًا تقنيًا صارمًا بين المفهومين .
فقد تستخدم عملية البحث العميق RAG أو استرجاعًا من ملفات وقواعد معرفة داخل أحد فروع البحث ، إلى جانب البحث في الويب أو مصادر أخرى .
إذن يمكن أن يكون الاسترجاع جزءًا من البحث العميق ، بينما البحث العميق يصف عملية أوسع تشمل التخطيط والاستكشاف والمقارنة وتركيب الأدلة .

إنفوجرافيك يوضح الفرق بين RAG والبحث العميق بالذكاء الاصطناعي؛ حيث يسترجع RAG معلومات من مصادر معروفة مسبقًا للإجابة، بينما يبدأ البحث العميق بسؤال واسع ويخطط ويبحث في مصادر متعددة ثم يحلل الأدلة ويجمعها في تقرير

9. متى يفشل البحث العميق ؟

يمكن أن يفشل البحث قبل أن يبدأ إذا كان السؤال نفسه غير محدد .
ويمكن أن يفشل لأن الويب مليء بمعلومات تعيد بعضها دون العودة إلى المصدر الأصلي .
وقد يبالغ في الاعتماد على مصادر سهلة الوصول بينما يتجاهل مصادر أفضل لكنها أصعب في الاكتشاف .
وقد يتأثر بنقص البيانات المنشورة عن منطقة أو قطاع معين .
وقد يجد مصادر حديثة لكنها ذات مصلحة تجارية واضحة .
كما أن قراءة صفحات خارجية تفتح جانبًا أمنيًا مختلفًا عندما يحتوي المحتوى على تعليمات تحاول التأثير في سلوك النظام ، وهي المشكلة التي تناولناها عند شرح حقن التعليمات .
وقد يخلط بين غياب الدليل ودليل الغياب .
وقد يصبح التقرير أطول من اللازم لأن النظام جمع معلومات كثيرة دون أن يعرف ما الذي يخدم السؤال النهائي .
وجود بحث متعدد الخطوات واستشهادات بالمصادر لا يمنع أخطاء الحقائق أو الاستنتاجات أو اختيار المصادر ؛ لذلك يجب تقييم التقرير نفسه بدل افتراض صحته بسبب الطريقة التي أُنتج بها .
وهذا يعيدنا إلى قاعدة مهمة :
عدد خطوات البحث ليس مقياسًا كافيًا لجودته .

10. المستخدم يؤثر في جودة البحث أكثر مما يبدو

إذا قلت للنظام :
( ابحث لي عن سوق العقار ) .
فأنت تركت عشرات القرارات غامضة .
أما إذا قلت :
( أريد تحليلًا لسوق الشقق السكنية في مدينة محددة خلال 2023–2026 ، مع التركيز على متوسط الأسعار وحجم المعروض ومصادر رسمية كلما كانت متاحة ، وافصل بوضوح بين البيانات والآراء ) .
فقد فعلت شيئًا مهمًا .
أنت لم تعطه الإجابة .
لكن أعطيته حدود البحث .
في المهام المهمة ، من المفيد تحديد :

  • السؤال النهائي .
  • النطاق الجغرافي .
  • الفترة الزمنية .
  • الجمهور الذي سيقرأ التقرير .
  • نوع الأدلة المقبولة .
  • المصادر التي تريد إعطاءها الأولوية .  
  • وما الذي يجب أن يعترف التقرير بأنه غير قادر على إثباته .

وتتيح بعض أنظمة البحث العميق للمستخدم مراجعة خطة البحث وتعديلها أو تحديد المصادر التي يريد استخدامها . 
وتفيد هذه الضوابط في ضبط مسار البحث قبل ظهور التقرير ، بدل محاولة تصحيح النتيجة بعد اكتمالها فقط . 

11. متى لا تحتاج إلى البحث العميق ؟

وجود ميزة متقدمة لا يعني استخدامها في كل سؤال .
إذا أردت معرفة موعد حدث معلن رسميًا ، فالمصدر الرسمي المباشر أفضل وأسرع .
إذا أردت تحويل وحدة قياس ، فلا تحتاج إلى وكيل يبحث في عشرات المواقع .
إذا كان السؤال يملك إجابة واضحة من مصدر واحد ، فزيادة خطوات البحث قد تزيد الوقت والتعقيد دون فائدة .
البحث العميق يصبح مفيدًا عندما تكون الإجابة :

  • موزعة على عدة مصادر .
  • تحتاج إلى مقارنة أدلة .
  • تحتوي على أجزاء غير واضحة .
  • تتطلب بيانات حديثة .
  • أو تحتاج إلى تقرير يمكن مراجعة أساسه .

إذن الفارق ليس طول السؤال .
بل طبيعة المشكلة المعرفية التي وراءه .

12. الخلاصة

البحث العميق بالذكاء الاصطناعي ليس مجرد نسخة أبطأ من البحث العادي .
في أفضل حالاته ، هو عملية تحاول تحويل سؤال واسع إلى خطة ، ثم تقسيمه إلى أسئلة أصغر ، والبحث في مصادر متعددة ، ومراجعة ما يظهر أثناء الطريق ، ثم تركيب الأدلة في تقرير يمكن تتبع مصادره .
القيمة الحقيقية لا تأتي من عدد الصفحات التي قرأها النظام .
بل من قدرته على معرفة :
ما الذي يجب أن يبحث عنه ، وأي المصادر أكثر ملاءمة ، وكيف يتعامل مع التعارض ، ومتى يحتاج إلى تغيير مسار البحث ، وما الذي يستطيع قوله بثقة وما الذي يجب أن يتركه غير محسوم .
ولهذا لا ينبغي تقييم البحث العميق من شكل التقرير النهائي وحده ؛ فخطة البحث ، واختيار المصادر ، وطريقة التعامل مع التعارض ، ومسار الاستنتاج كلها أجزاء من جودة النتيجة .
وعندما يكون هذا الطريق سيئًا ، يمكن أن نحصل على تقرير طويل ومنظم وموثق ظاهريًا ، لكنه لا يزال مبنيًا على أساس ضعيف .
أما عندما تكون خطة البحث جيدة ، والمصادر مناسبة ، والاستنتاجات متناسبة مع الأدلة ، فإن الذكاء الاصطناعي لا يعود مجرد أداة تعطي جوابًا سريعًا .
بل يصبح أداة تساعد على إدارة عملية البحث نفسها .