كيف يقلل RAG من هلوسة الذكاء الاصطناعي بنسبة 85%

غالبًا ما يختلق الذكاء الاصطناعي معلومات غير صحيحة، ويُطلق على هذه الظاهرة اسم "الهلوسة".

تعالج تقنية "التوليد المعزز بالاسترجاع" (RAG) هذه المشكلة؛ فهي تمنع الذكاء الاصطناعي من التخمين وتجبره على الاعتماد على حقائق واقعية.

تُظهر البيانات الواردة من Pinecone فرقًا هائلاً. فعند سؤال GPT-4 عن حقائق حدثت بعد عام 2021، انخفضت معدلات الهلوسة من 27% إلى 4% فقط عند استخدام RAG.

كيف تعمل هذه التقنية؟

تخيل الذكاء الاصطناعي بدون RAG كطالب يؤدي اختبارًا من ذاكرته فقط؛ فإذا نسي حقيقة ما، قد يكذب ليبدو ذكيًا.

وتخيل الذكاء الاصطناعي مع RAG كطالب يؤدي اختبارًا بنظام "الكتاب المفتوح"، حيث يبحث عن الإجابة في الكتاب قبل التحدث.

تتبع العملية الخطوات التالية:

• يقوم النظام بتحويل سؤالك إلى رمز رياضي يسمى vector. • يبحث في قاعدة بيانات عن قطع نصية ذات رموز رياضية مماثلة. • يختار أفضل المطابقات بناءً على درجات التشابه. • يضيف هذه المعلومات المحددة إلى الـ prompt الخاص بك. • يقرأ الذكاء الاصطناعي الحقائق المقدمة لكتابة إجابته. • يعرض لك النظام المصادر لتتمكن من التحقق منها.

لماذا يهمك هذا في عملك:

  • الدقة: يستخدم الذكاء الاصطناعي بيانات حقيقية بدلاً من الاعتماد على ذاكرة التدريب.
  • الحداثة: يمكنك تزويد الذكاء الاصطناعي بأخبار اليوم دون الحاجة لإعادة تدريب النموذج بالكامل.
  • الشفافية: يمكنك رؤية المصدر الذي جاءت منه المعلومات بدقة.
  • التكلفة المنخفضة: تكلفة معالجة قطعة صغيرة من البيانات عبر RAG هي 0.002 دولار، بينما قد تصل تكلفة معالجة نافذة سياق (context window) ضخمة إلى 2.00 دولار.

شركات كبرى تستخدم هذه التقنية بالفعل:

  • Perplexity AI: تستخدم RAG لتعمل كمحرك بحث مع توفير الاستشهادات.
  • Claude: تستخدم RAG لتقليل التكاليف عند التعامل مع المستندات الطويلة.
  • Microsoft Copilot: يستخدم RAG لقراءة ملفاتك ورسائل البريد الإلكتروني الخاصة بك.

يحول RAG الذكاء الاصطناعي من مجرد راوٍ مبدع للقصص إلى باحث موثوق.

المصدر: https://dev.to/tawan_shamsanor_30e1980a9/rag-ldkaarhlnkhng-ai-aid-85-aidyaangair-57ni