فهم الاستدلال متعدد القفزات (Multi-Hop Reasoning)

تعمل قواعد البيانات المتجهة (Vector databases) في البحث الدلالي، لكنها تواجه صعوبة في الاستدلال متعدد الخطوات عبر الأشخاص والأنظمة والأحداث.

يقوم نظام RAG التقليدي باسترجاع قطع نصية بناءً على العمليات الحسابية، مما يجعله يفتقر إلى الروابط بين نقاط البيانات. يحل GraphRAG هذه المشكلة، حيث يربط النماذج اللغوية الكبيرة (LLMs) برسم بياني معرفي (knowledge graph) حي.

يستخدم الرسم البياني المنسوب للنصوص (Text-Attributed Graph) العقد والحواف.

  • العقد (Nodes) هي كيانات مثل المستخدمين أو المنتجات.
  • الحواف (Edges) هي علاقات مثل "IMPACTS" أو "CLONED_FROM".
  • "القفزة" (hop) هي الانتقال من عقدة إلى أخرى عبر حافة.

يجد الاستدلال متعدد القفزات روابط لا يحتوي عليها أي مستند بمفرده.

مثال: يسأل مستخدم: "كيف يمكنني إصلاح خطأ تحميل ملف CSV؟"

يبحث نظام RAG التقليدي عن الكلمات المفتاحية، وقد يعيد أسئلة شائعة قديمة أو تقرير خطأ عشوائي، مما يجعله يفتقر إلى سياق العمل.

يتتبع GraphRAG المسار الدقيق: (User Bug Report) -> [CLONED_FROM] -> (Master Engineering Ticket) -> [HAS_RESOLUTION] -> (Patch Deployed).

هذا يمنح النموذج اللغوي الكبير (LLM) خطوات موثقة بدلاً من مجرد تخمين غير دقيق.

يمكنك التحكم في ذلك من خلال طريقتين:

  1. التتبع العميق (Depth Traversal) استخدم هذا للتعمق في تفاصيل محددة، وهو مفيد لتحليل الأسباب الجذرية. في لغة Cypher، يمكنك تحديد نطاق من القفزات؛ حيث يمكن للاستعلام البحث بعمق يتراوح من طبقة واحدة إلى 5 طبقات للعثور على خطوات إعادة إنتاج الخطأ.

  2. التتبع العرضي (Breadth Traversal) استخدم هذا لرؤية النظام البيئي بأكمله. فهو يتوسع أفقيًا لرؤية جميع الاتصالات المباشرة، مما يساعدك على رؤية كل تذكرة دعم تؤثر على منتج واحد في آن واحد.

لبناء ذكاء اصطناعي متقدم، لا تقم بكتابة هذه الاستعلامات بشكل ثابت (hard-code)، بل استخدم نظاماً متعدد الوكلاء (multi-agent system):

  • وكيل التنسيق (The Coordinator Agent): يقوم هذا الوكيل بتخطيط الاستعلام، ويقرر ما إذا كان السؤال يحتاج إلى توسع عرضي أم تعمق، ثم يحول مطالبة المستخدم إلى معامل رياضي (mathematical parameter) لاستعلام الرسم البياني.
  • وكيل الاسترجاع المتكرر (The Recursive Retrieval Agent): يقوم هذا الوكيل بتقييم العقد أثناء عثور قاعدة البيانات عليها، حيث يحتفظ بالبيانات المهمة ويزيل الضجيج قبل أن يراها النموذج اللغوي الكبير.

تبني هذه البنية أنظمة يمكنها توسيع نطاق عمليات التحقيق الخاصة بها، مما يمنحك إجابات كاملة لا يمكن للبحث المتجه توفيرها.

المصدر: https://dev.to/imhyke/understanding-multi-hop-reasoning-how-graph-databases-traverse-data-for-ai-31ml

مجتمع تعليمي اختياري: https://t.me/GyaanSetuAi