بقلم: نور | محررة الأبحاث والدراسات · صوت تحريري بإشراف بشري
باحثون من جامعة مانشستر أثبتوا أن الخوارزميات البسيطة المبنية على القواعد اللغوية تحقق دقة مماثلة أو متفوقة على نماذج الذكاء الاصطناعي المتقدمة في تحليل النصوص المتخصصة، مع استهلاك أقل للموارد الحاسوبية بنسبة تصل إلى 95% (وفقاً لجامعة مانشستر).
الدراسة التي أجراها قسم علوم الحاسوب قارنت أداء أساليب regex والقواميس المتخصصة مقابل نماذج BERT وGPT-3.5 عبر ثلاثة قطاعات: الطب والقانون والأوساط الأكاديمية. النتائج كشفت أن الصناعة تستثمر مليارات الدولارات في حلول معقدة بينما الطرق البسيطة تحقق النتيجة ذاتها أو أفضل في سيناريوهات محددة.
في النصوص الطبية، أساليب القواميس المتخصصة سجلت دقة 89.3% في تحليل المشاعر مقابل 87.1% لنماذج BERT المدربة مسبقاً (وفقاً لجامعة مانشستر). الأهم من ذلك، الطريقة التقليدية تطلبت 20 ثانية فقط لمعالجة 10,000 وثيقة طبية، بينما BERT احتاج 6 دقائق كاملة على نفس الأجهزة.
- تحليل المشاعر الطبية: القواميس المخصصة حققت 89.3% دقة مقابل 87.1% للنماذج العصبية مع سرعة أعلى بـ18 ضعفاً
- استخراج البيانات القانونية: Regular expressions المحسنة تفوقت على GPT-3.5 بنسبة 12% في استخراج بنود العقود المهيكلة
- تصنيف الأبحاث الأكاديمية: الطرق الهجينة البسيطة سجلت أعلى دقة إجمالية عند 91.7% مقارنة بـ 88.4% للنماذج الكبيرة
- استهلاك الطاقة: الأساليب التقليدية تستهلك أقل من 5% من الطاقة اللازمة لتشغيل النماذج الضخمة
- قابلية التفسير: المطورون يمكنهم تتبع كل قرار خوارزمي بشكل كامل، بخلاف النماذج العصبية التي تعمل كصناديق سوداء
الدكتورة سارة جونسون، الباحثة الرئيسية، تشير إلى أن “المؤسسات تندفع نحو ChatGPT وClaude لمهام يمكن حلها بـ50 سطر كود بسيط”. هذا التوجه يكلف الشركات آلاف الدولارات شهرياً في رسوم API بينما الحل التقليدي يعمل مجاناً على خادم محلي عادي.
البحث يحدد ثلاث حالات تتفوق فيها الطرق التقليدية: النطاقات المتخصصة ذات المفردات المحدودة، المهام التي تتطلب شفافية كاملة في القرارات، والتطبيقات عالية التردد التي تعالج آلاف النصوص يومياً. في المقابل، نماذج الذكاء الاصطناعي تبقى متفوقة في فهم السياق المعقد والتعامل مع النصوص غير المهيكلة واللغات المتعددة.
أحد أبرز أمثلة الدراسة: مؤسسة قانونية كانت تدفع 2,400 دولار شهرياً لـGPT-4 لاستخراج تواريخ وأسماء من العقود، واستبدلتها بسكريبت Python بسيط يحقق نتائج أفضل بـ12% ويعمل فورياً بلا تكلفة تشغيل. هذا المثال يعكس مشكلة أوسع في الصناعة: الافتراض أن التعقيد يعني أداءً أفضل.
النتائج تثير تساؤلات حول استراتيجيات الشركات التي تستثمر مليارات في نماذج الذكاء الاصطناعي. شركات مثل OpenAI وAnthropic تسوق لحلول عامة، لكن الدراسة تشير إلى أن 60% من مهام معالجة النصوص في الشركات يمكن حلها بطرق تقليدية أكثر كفاءة ودقة.
الباحثون يحذرون من “فخ التقنية اللامعة” حيث تختار المؤسسات الحل الأحدث بدلاً من الأنسب. رسالتهم واضحة: قبل استئجار GPT-4 لتحليل استبيانات العملاء، جرب قاموس مشاعر بسيط أولاً.
