بقلم: يوسف | محرر أدوات الذكاء الاصطناعي · صوت تحريري بإشراف بشري
جامعة إلينوي في أوربانا-شامبين (UIUC) بنت مساعد تدريس مدعوماً بالذكاء الاصطناعي لمقرر ECE 120 — مقدمة الهندسة الكهربائية — ووصفه فريق التطوير بأنه “أفضل من Google” في الإجابة عن الأسئلة متعددة الوسائط. النظام مفتوح المصدر بالكامل، ومتاح للتجربة على HuggingFace Spaces، وما يميّزه تقنياً هو تشغيل 11 نموذجاً في آنٍ واحد مع الحفاظ على زمن استجابة وسيط لا يتجاوز ثانيتين.
النظام لا يعتمد على نموذج واحد بل يوزّع المهام على نماذج متخصصة لاسترجاع النصوص والصور، وتوليد الإجابات، والتحقق من المحتوى (moderation)، وترتيب النتائج. مصادر البيانات تشمل الكتب المدرسية، وتفريغات مقاطع الفيديو التعليمية، ومنتديات أسئلة الطلاب — مرتبةً بهذا الترتيب من حيث الأهمية. البيانات المصدرية غير متاحة للعموم بسبب قيود حقوق الملكية الفكرية، لكن كود النظام بأكمله مفتوح.
الجانب الأكثر أصالةً في هذا المشروع هو آلية التدريب بالتعزيز من التغذية الراجعة البشرية (RLHF). الفريق طوّر نهجاً جديداً يدمج البحث الدلالي (semantic search) داخل دورة RLHF نفسها، وأنتج مجموعة بيانات المقارنة بالاستعانة بخمسة طلاب متخصصين في الهندسة الكهربائية. هذه المجموعة متاحة مجاناً على HuggingFace Datasets لمن يريد الاستفادة منها في مشاريعه.
التقييم يعتمد على مجموعة أسئلة وأجوبة أعدّها مهندسون كهربائيون متخصصون داخلياً. في كل مرة يُضاف فيها ميزة جديدة، يُعاد تشغيل التقييم الكامل: تُولَّد إجابات بكل نموذج، ثم يُسأل GPT-3 إن كانت الإجابات “أفضل” أو “أسوأ” من الإجابات البشرية المرجعية. الفريق يُقرّ صراحةً بإشكالية منهجية هنا: GPT-3 يُقيّم نفسه، وهو يميل دائماً للحكم على مخرجاته بالجودة — ما يجعل هذا التقييم غير محايد. اقتراح الفريق للمعالجة هو تكرار التجربة مع نماذج Cohere للمقارنة. نتائج التقييم الكاملة متاحة هنا.
ChatGPT ثانياً، OpenAssistant ثالثاً”>إذا أردت تشغيل نسختك الخاصة من هذا النظام، فالخطوات العملية واضحة:
- ثبّت متطلبات Python عبر
pip install -r requirements.txt— النظام مُختبر على Python 3.8. - أضف مفاتيح API الضرورية المذكورة في ملف
run_ta_gradio.sh— النظام يعتمد على عدة خدمات خارجية. - أنشئ قاعدة بيانات Pinecone الخاصة بك: يمكنك استخدام ملفات PDF أو نصوص عادية كمصدر للمحتوى، وملفات JPG لشرائح العروض التقديمية المُصدَّرة من PPTX.
- حوّل ملفات PDF إلى Pinecone باستخدام أدوات التنظيف المرفقة في المشروع، أو استخدم Whisper لتفريغ مقاطع الفيديو ثم أدخلها إلى قاعدة البيانات.
- شغّل التطبيق بأمر واحد:
bash run_ta_gradio.sh
هيكل الملفات بسيط ومنظم: main.py يجمع كل نماذج LLM، وTA_gradio_ux.py يتحكم في واجهة Gradio، وprompting.py يضم كل هندسة التوجيهات (prompt engineering)، وevaluation.py يشغّل دورة التقييم المدعومة بـ GPT-3، فيما يحتوي feedback.json على تغذية راجعة حقيقية من المستخدمين جُمعت عبر الواجهة.
ما يجعل هذا المشروع مثيراً للاهتمام فعلاً ليس فقط الأداء التقني، بل الفلسفة خلفه: استبدال محرك البحث التقليدي بنظام استرجاع-توليد متعدد النماذج داخل بيئة تعليمية متخصصة، مع نشر كود التقييم والبيانات المقارنة بشكل مفتوح حتى يتمكن أي باحث أو مؤسسة من تكرار التجربة في مجالها. القيد الحقيقي الوحيد هو أن المحتوى المصدر — الكتب المدرسية وتسجيلات المحاضرات — يظل محمياً بحقوق الملكية، ما يعني أنك ستحتاج إلى بناء قاعدة بيانات خاصة بمحتواك لتشغيل النظام فعلياً.
GitHub / UIUC Center for AI Innovation
