حجم النموذج ليس المعيار الحاسم: دراسة تضبط كفاءة الاستدلال في بناء الأنطولوجيات واستخراج المعرفة
أظهرت دراسة بحثية محكمة قدمها باحثون في علوم الحاسوب والذكاء الاصطناعي أن زيادة حجم النماذج اللغوية الكبيرة لا تعني بالضرورة تحسنًا تلقائيًا أو متساويًا في مهام بناء الأنطولوجيات واستخراج هياكل المعرفة المتخصصة. شملت الورقة المنشورة تقييمًا منضبطًا لثلاثة عشر نموذجًا، تنوعت بين معمارية النماذج الكثيفة ونماذج خليط الخبراء، وضمت سلالات كوين المفتوحة مع إصدارات مغلقة من نماذج جي بي تي، بهدف رصد الأثر الفعلي لمعامل القياس على إدارة البيانات وبناء الرسوم البيانية المعرفية.
اعتمد الباحثون في مقارنتهم على بنية موحدة لتقنيات التوليد المعزز بالاسترجاع عبر خط المعالجة المعروف باسم أونتو ليرنر، مع تثبيت نموذج التضمين وإعدادات البحث والاسترجاع، وتوحيد قوالب الأوامر وإعدادات فك التشفير ومقاييس التقييم ومجموعات البيانات عبر أربع أنطولوجيات تخصصية في الطب الحيوي وعلوم وهندسة المواد. استهدف الاختبار ثلاث مهام محورية هي تحديد نوع المصطلحات، واكتشاف التصنيفات الهرمية، واستخراج العلاقات غير الهرمية بين المفاهيم.
أثبتت النتائج أن رفع عدد المعاملات يحسن بالدرجة الأولى دقة التحديد ولا يرفع معدل الاسترجاع بالقدر نفسه، حيث تركزت المكاسب الأكبر في النماذج الكثيفة بين تسعة مليارات وسبعة وعشرين مليار معامل. وبينت التجارب أن نموذجًا كثيفًا بحجم سبعة وعشرين مليار معامل تفوق على نماذج متفرقة ذات معمارية خليط الخبراء تفوقه حجمًا بمراحل في مهمة تحديد نوع المصطلحات، في حين حسمت نماذج خليط الخبراء الكبيرة التفوق في مهام اكتشاف التصنيف الهرمي بين النماذج مفتوحة الأوزان.
أما على صعيد استخراج العلاقات غير الهرمية بين الكيانات المعرفية، فقد ظلت المهمة بالغة الصعوبة أمام مختلف النماذج بغض النظر عن أحجامها وسلالاتها، وتحديدًا في أنطولوجيا علوم بيانات المواد. كشفت المقارنات الدقيقة بين الإصدارات المتطابقة في المعمارية والنماذج التجارية المغلقة أن سلالة النموذج وتصميمه الهندسي الداخلي يرجحان الكفة غالبًا على مجرد التوسع في المعاملات الإسمية، مما يجعل الحجم وحده معيارًا قاصرًا عند اختيار النماذج لدعم هندسة الأنطولوجيات.
يفرض هذا التحصيل العلمي واقعًا عمليًا جديدًا على فرق البيانات والبنية التحتية البرمجية في الخليج ومصر والشام، خصوصًا في قطاعات الطاقة والهندسة والخدمات الصحية التي تبني رسومًا معرفية محلية لتوثيق أصولها وبياناتها الحساسة. لم يعد هناك مبرر تقني لتحمل فواتير استدلال طائلة أو الاعتماد الحصري على واجهات النماذج السحابية العملاقة؛ بل تتيح هذه النتائج للشركات تشغيل نماذج مفتوحة متخصصة بحجم سبعة وعشرين مليار معامل محليًا داخل مراكز بياناتها الوطنية، محققة دقة استخراج عالية وتكلفة حوسبة منضبطة تضمن سيادة البيانات واستقلالية التشغيل.