إحداث ثورة في مجال معالجة المستندات الذكية: نشأة الذكاء الاصطناعي التوليدي ونماذج اللغة الضخمة

لطالما كانت معالجة المستندات مهمة تتطلب الكثير من الموظفين وتستهلك وقتًا طويلاً للمؤسسات، بالإضافة إلى مجهود يدوي كبير لتحديد المستندات، وتوجيهها إلى الشخص المناسب، واستخراج المعلومات ذات الصلة. لعقود من الزمن، كنا نعتمد على حلول التعرّف البصري على الأحرف (OCR) لتحويل الصور إلى نص ومعالجة المستندات الذكية (IDP) مع مستويات مختلفة من التعقيد لاستخراج الحقول ذات الصلة من نص OCR.

مؤخرًا، نستفيد من خوارزميات التعلّم الآلي (ML) لتحسين وسائل استخراج البيانات التقليدية، مثل التعرّف البصري المناطقي على الأحرف واستخراج أزواج المفاتيح/القيم المستندة إلى القواعد من خلال تدريب النماذج على استخراج البيانات من المستندات المنظمة والشبه المنظمة وغير المنظمة. ولكن، غالبًا ما تتطلّب هذه الوسائل التقليدية تدريب نماذج التعلّم الآلي الخاصة بمجال محدد وتصنيفًا يدويًا مكثفًا لمجموعات كبيرة من بيانات التدريب، ما يجعلها تستهلك وقتًا طويلاً وتتطلّب الكثير من الموارد للحفاظ عليها وإنشائها.

نشأة الذكاء الاصطناعي التوليدي ونماذج اللغة الضخمة

في مجال معالجة المستندات الذكية المتطور بشكل مستمر، حدث تحوّل جذري في الطريقة التي تعتمدها المؤسسات لتطوير حلول استخراج المستندات لديها والحفاظ عليها، بفضل التقدّمات الحديثة في تقنيات الذكاء الاصطناعي. على مدار السنة الماضية، شهدت السوق تغيّرًا غير مسبوق نتيجة ظهور الذكاء الاصطناعي التوليدي ودمج نماذج اللغة الضخمة (LLM). أحدثت هذه الابتكارات ثورة في السوق، كما فتحت المجال أمام فرص جديدة للتشغيل الآلي للمستندات التي كان يستحيل تشغيلها آليًا في السابق.

صرّح دان لوكاريني، محلل مسؤول لدى Deep Analysis وخبير مرموق في سوق معالجة المستندات الذكية قائلاً: "إن الذكاء الاصطناعي التوليدي هو التغيير المهم الوحيد في تاريخ معالجة المستندات الذكية الطويل". "للمرة الأولى على الإطلاق، يمكن للكمبيوتر تصنيف المستندات واستخراج البيانات بدون تدخل بشري، أو نماذج تدريب، أو معرفة مسبقة. وبمصطلحات الذكاء الاصطناعي، يُعرف ذلك بالتعلّم بدون أمثلة مُسبقة؛ بعبارة أخرى، يتم التعرّف على المستند بدون أي احتكاك أو تدريب مسبق".

أدّت نماذج اللغة الضخمة، مثل سلسلة GPT من OpenAI وVertex AI من Google، إلى اكتشاف عالم جديد بالكامل من الإمكانيات لتطبيق التشغيل الآلي على إدخال بيانات المستندات. يتم تدريب هذه النماذج على كميات كبيرة من البيانات، ما يمكّنها من التقاط عناصر البيانات الفردية والفروقات السياقية الدقيقة أيضًا، لتكون ماهرة في معالجة المستندات غير المنظمة والمعقّدة. يمكنها أيضًا استخراج المعلومات من مجموعة كبيرة من المستندات من دون الحاجة إلى تدريب مسبق أو قواعد محددة.

الاستفادة من الوسائل التقليدية

فيما تُحدث نماذج اللغة الضخمة ثورة في الطريقة التي تتبعها المؤسسات لتشغيل معالجة المستندات آليًا، ما زالت الوسائل التقليدية مثل التعرّف البصري المناطقي على الأحرف، واستخراج أزواج المفاتيح/القيم، والتعلّم الآلي أفضل الأدوات لاستخراج البيانات من المستندات المنظّمة والشبه المنظّمة. يمكن إكمال تقنيات الاستخراج هذه المجرّبة والحقيقية من خلال نماذج اللغة الضخمة لتكملة وسائل استخراج المستندات الشبه المنظّمة، واستبدال الحاجة إلى بناء نماذج للمستندات غير المنظّمة.

أضاف لوكاريني قائلاً: "غالبًا ما يُطرح علينا السؤال عما إذا كانت نماذج اللغة الضخمة التأسيسية، مثل GPT-4، ستحل مكان نماذج التعلّم الآلي التي تمت موالفتها لمجموعة بيانات محددة". "الجواب هو لا، ليس في الوقت القريب على الإطلاق. غالبًا ما تنحرف نماذج اللغة الضخمة التأسيسية عن مسارها، فلا يمكن اعتبارها موثوقة لمعالجة المستندات الذكية النموذجية التي تتطلّب دقة بيانات بنسبة 100%. بالإضافة إلى ذلك، فتكلفتها باهظة جدًا لقراءة مجموعة كبيرة من المستندات. ما زالت نماذج التعلّم الآلي التمييزية أفضل خيار من حيث الدقة والتكلفة".

زيادة الفعالية إلى أقصى حد مع الذكاء الاصطناعي التوليدي

ما زال بإمكان الذكاء الاصطناعي التوليدي أن يكون مساعدًا موفرًا للوقت لمنتج معالجة المستندات الذكية. على سبيل المثال، يمكن للمستخدمين النهائيين الذين ليس لديهم معرفة في مجال التعابير النمطية أو التعليمات البرمجية إنشاء نموذج مستند جديد وموالفته باستخدام مطالبات الذكاء الاصطناعي التوليدي. كذلك، يمكنه تسريع مرحلة التدريب من خلال اقتراح تسميات من مستند محدد. فيما يتعمّق المستخدمون بصورة إضافية في هذا المجال، يكتشفون بشكل مستمر تطبيقات مبتكرة للذكاء الاصطناعي التوليدي ضمن معالجة المستندات الذكية، لتوسيع منافعه وأثره على الدوام.

تميّزت التطورات الحديثة في مجال الذكاء الاصطناعي التوليدي ونماذج اللغة الضخمة بثوريتها. فقد كمّلت الأدوات المتوفرة في السوق وعطّلتها في الوقت نفسه، كما فتحت الأبواب أمام فرص جديدة لتطبيق التشغيل الآلي على عمليات الأعمال الكثيفة المستندات. من خلال الاستفادة من هذه الابتكارات ودمجها مع وسائل الاستخراج التقليدية، يمكن للمؤسسات تبسيط مسارات عمل المستندات لديها وتحقيق مستويات جديدة من الفعالية والإنتاجية.