التوليد المعزز بالاسترجاع (RAG (Retrieval Augmented Generation))
التوليد المعزز بالاسترجاع هو بنية ذكاء اصطناعي تربط النموذج اللغوي ببيانات الشركة نفسها. قبل الإجابة يسترجع أكثر الوثائق صلة من قاعدة المعرفة ثم يولّد رداً مبنياً على ذلك المحتوى الحقيقي — ما يقلل الهلوسة.
باللهجة العراقية
يخلّي الذكاء الاصطناعي يگرا من ملفاتك قبل ما يجاوب
بالتفصيل
النموذج اللغوي وحده يعرف فقط ما تعلمه أثناء التدريب ولا يرى ملفات الشركة الخاصة أو معلوماتها الحية. يعالج الاسترجاع ذلك بخطوة بحث: يُحوَّل سؤال المستخدم إلى متجه ويُطابق مع قاعدة معرفة مفهرسة، ثم تُحقن أكثر المقاطع صلة في سياق النموذج. فيجيب النموذج من تلك المقاطع لا من ذاكرته. يجعل ذلك الردود دقيقة وحديثة وقابلة للاستشهاد، ويتيح للشركات نشر الذكاء الاصطناعي على السياسات وكتالوجات المنتجات ومقالات الدعم دون إعادة تدريب النموذج. والاسترجاع هو العمود الفقري لمعظم روبوتات المحادثة المؤسسية ومساعدي المعرفة.
مثال عملي
يستخدم مساعد بنك الاسترجاع للإجابة على أسئلة السياسات من وثائق الامتثال الداخلية لا من الويب المفتوح.
أسئلة شائعة
لماذا نستخدم الاسترجاع بدل النموذج اللغوي وحده؟
يربط الاسترجاع الإجابات ببياناتك الحقيقية الحديثة، فيقلل الهلوسة ويتيح للذكاء الاصطناعي الاستشهاد بمصادر فعلية.
هل يتطلب الاسترجاع إعادة تدريب النموذج؟
لا — يسترجع المحتوى ويحقنه وقت السؤال، فتحدّث قاعدة المعرفة بدلاً من النموذج.
مصطلحات ذات صلة
خدمات ذات صلة
قاعدة معارف الذكاء الاصطناعي والبحث الداخلي
بحث الذكاء الاصطناعي على مستوى الشركة والذي يجيب على أسئلة الموظفين باستخدام المستندات ومواقع wiki ورسائل البريد الإلكتروني والتذاكر.
قاعدة بيانات المتجهات والبنية التحتية لـ RAG
إنشاء البحث الدلالي وتوليد الاسترجاع المعزز وأنظمة معرفة الذكاء الاصطناعي على قواعد بيانات المتجهات.
التكامل التوليدي للذكاء الاصطناعي
تضمين الذكاء الاصطناعي التوليدي في المنتجات الخاصة بالمحتوى والتعليمات البرمجية والتصميم والبحث والأتمتة.