الإثراء الفوري

كيف يعمل التخصيب الفوري

عادةً ما تتضمن العملية تحليل المطالبة الأصلية والاستفادة من مصادر معلومات إضافية أو قواعد محددة مسبقًا لتعزيزها. قد يتضمن ذلك الوصول إلى سجل المستخدم، أو استرجاع المستندات ذات الصلة من قاعدة معرفية، أو دمج سياق المحادثة، أو تطبيق تعليمات تنسيق محددة. على سبيل المثال، يمكن إثراء مطالبة غامضة مثل "أخبرني عن Ultralytics YOLO" بسياق يحدد اهتمام المستخدم بأحدث إصدار(YOLOv11) أو أدائه مقارنةً بنماذج أخرى مثل YOLOv8. غالبًا ما يتم استخدام تقنيات مثل التوليد المعزز للاسترجاع (RAG) ، حيث يقوم النظام بجلب مقتطفات البيانات ذات الصلة وإضافتها إلى نافذة سياق المطالبة.

التطبيقات والأمثلة

يجد الإثراء الفوري تطبيقات في مختلف المهام التي تعتمد على الذكاء الاصطناعي:

1. روبوتات الدردشة الآلية لدعم العملاء: يمكن إثراء استفسار المستخدم مثل "طلبي لم يصل" تلقائيًا بمعرف الطلب الأخير للمستخدم وعنوان الشحن وتاريخ التسليم المقدر المسترجع من قاعدة بيانات. يتيح ذلك لروبوت الدردشة الآلي تقديم تحديث محدد ومفيد على الفور، بدلاً من طرح أسئلة توضيحية. يستفيد هذا من البيانات السياقية المشابهة لكيفية عمل المساعدين الافتراضيين.
2. أدوات إنشاء المحتوى: قد يطلب المستخدم "كتابة رسالة بريد إلكتروني للإعلان عن منتج جديد". يمكن للنظام إثراء هذه المطالبة بإضافة تفاصيل حول صوت العلامة التجارية للشركة (على سبيل المثال، رسمي، غير رسمي)، والجمهور المستهدف (على سبيل المثال، العملاء الحاليين، والعملاء المحتملين)، وميزات المنتج الرئيسية التي يجب إبرازها، والدعوة إلى اتخاذ إجراء، بناءً على أهداف أو قوالب الحملة المحددة مسبقًا. يؤدي ذلك إلى إنشاء نصوص أكثر تخصيصًا.

الإثراء الفوري مقابل المفاهيم ذات الصلة

من المهم التمييز بين الإثراء الفوري والمصطلحات المشابهة:

• هندسة الموجهات: هذه هي الممارسة الأوسع نطاقًا لتصميم وصياغة موجهات فعالة يدويًا. غالبًا ما يكون إثراء الموجهات أسلوبًا آليًا يُستخدم ضمن استراتيجية هندسة الموجهات الأوسع نطاقًا.
• ضبط الموجه: يتضمن ذلك تعلم "المطالبات الناعمة" أو تعديل تضمينات المدخلات أثناء الضبط الدقيق للنموذج بدلاً من تغيير المطالبة النصية نفسها. إنه شكل من أشكال الضبط الدقيق الفعال للمعلمات (PEFT).
• التوليد المعزز بالاسترجاع (RAG): RAG هي طريقة محددة غالبًا ما تُستخدم لإثراء المطالبة، وتركز على استرجاع المعلومات الخارجية لتعزيز سياق المطالبة، وهي مفيدة بشكل خاص للمهام التي تتطلب معرفة حديثة أو معرفة خاصة بالمجال، كما تم استكشافها في بعض أبحاث الذكاء الاصطناعي المتقدمة.

على الرغم من أن هذا المفهوم أقل شيوعًا في مهام الرؤية الحاسوبية التقليدية مثل الكشف القياسي عن الأجسام، إلا أنه ذو صلة بنماذج الرؤية الأحدث القابلة للمطالبة، مثل YOLOE، والتي تستخدم مطالبات نصية أو صور يمكن أن تستفيد من الإثراء السياقي لتحسين أداء اللقطة الصفرية. من المحتمل أن تتضمن منصات مثل Ultralytics HUB مثل هذه التقنيات لتبسيط تفاعل المستخدم عند تحديد مهام الرؤية المعقدة.