باختصار
الارتكاز على المصدر (Groundedness) خاصّية في النموذج اللي بيكون ناتجه مبنيًّا على مادّة مصدرية محدّدة. وبيرتبط بيه مفهوم «التأصيل» (Grounding) في الذكاء الاصطناعي التوليدي: ربط ناتج النموذج بمصادر معلومات يمكن التحقّق منها.
بالتفصيل
افترض إنك ادّيت نموذجًا لغويًا كتاب فيزياء كامل كسياق (Context)، وبعدين سألته سؤال فيزياء. لو ردّه بيعكس المعلومات اللي في الكتاب، يبقى النموذج «مرتكز» على الكتاب.
النقطة الدقيقة اللي بينبّه لها المسرد: النموذج المرتكز مش دايمًا نموذج «صحيح واقعيًا» (Factual). لو الكتاب نفسه فيه أخطاء، الردّ هيكون مرتكز عليه وغلط في نفس الوقت. الارتكاز بيقيس علاقة الردّ بالمصدر، والدقّة الواقعية بتقيس علاقته بالواقع.
وفي وثائق Google Cloud، الفكرة العملية إن إعطاء النموذج مصادر بيانات محدّدة بيربط ردوده بيها، وده بيقلّل احتمال اختلاق المحتوى، ويوفّر قابلية للتدقيق عن طريق روابط للمصادر. وبتشمل طرق التأصيل أدوات زي بحث Google وخرائط Google واسترجاع البيانات من مستنداتك (RAG).
مثال عملي
موظّف بيسأل مساعدًا داخليًا: «كام يوم إجازة سنوية في سياسة الشركة؟». المساعد المرتكز بيقرأ ملف سياسة الموارد البشرية ويجاوب منه، ويحطّ رابط الفقرة اللي أخد منها المعلومة. لو الملف قديم وفيه رقم خطأ، الجواب هيكون «مرتكزًا» لكن مش «صحيحًا»، ولذلك لازم تحديث المصدر.
مصطلحات مرتبطة
- Factuality — الدقّة الواقعية.
- RAG — التوليد المعزّز بالاسترجاع.
- Hallucination — الهلوسة.
المصادر: Google ML Glossary، Google Cloud — Grounding overview
