بقلم: نور | محررة الأبحاث والدراسات · صوت تحريري بإشراف بشري
عندما تحاول إجراء محادثة معقدة مع ChatGPT أو Claude تمتد لمئات الرسائل، تلاحظ تباطؤاً واضحاً في الردود. السبب بسيط: كلما طالت المحادثة، ازداد عبء معالجة التاريخ الكامل على النظام، مما يرفع التكلفة الحاسوبية بشكل أسي.
فريق من ثمانية باحثين بقيادة يونغ سيو جونغ وجايهيوك كيم طوروا حلاً جذرياً لهذه المعضلة، نشروه في ورقة بحثية على ArXiv بعنوان “Context-Driven Incremental Compression for Multi-Turn Dialogue Generation”. النهج الجديد، المسمى C-DIC، يعيد تصور كيفية تعامل أنظمة المحادثة مع الذاكرة طويلة المدى.
المشكلة الجوهرية واضحة: الأنظمة الحالية تواجه مقايضة صعبة بين الاحتفاظ بكامل السياق أو قطع الأجزاء القديمة. القطع البسيط يفقد معلومات حاسمة، بينما التلخيص التقليدي يقلل دقة المعلومات. أما أنظمة الضغط الموجودة فتفتقر لآلية مشاركة الذاكرة عبر الردود المختلفة، مما يؤدي لتراكم أخطاء في المحادثات الطويلة.
- تحليل الخيوط السياقية: يقسم C-DIC المحادثة إلى خيوط موضوعية متداخلة بدلاً من معاملتها كتدفق خطي واحد
- إنشاء حالات ضغط منفصلة: يخصص النظام حالة ضغط قابلة للمراجعة لكل خيط سياقي
- تخزين في ذاكرة حوار موحدة: يحفظ جميع حالات الضغط في مساحة ذاكرة مضغوطة واحدة
- حلقة استرجاع ومراجعة: عند كل رد جديد، يسترجع النظام الذاكرات ذات الصلة ويراجعها
- تحديث الذاكرة: يكتب المعلومات المحدثة والمنقحة مرة أخرى في الذاكرة المضغوطة
- مشاركة المعلومات عبر الردود: يضمن تدفق المعلومات بين الخيوط المختلفة لتجنب فقدان السياق
الابتكار الحقيقي يكمن في قدرة النظام على “مراجعة” ذاكرته باستمرار. بدلاً من إضافة معلومات جديدة فقط، يعيد C-DIC تقييم وتحديث الذكريات القديمة عند ظهور سياق جديد يؤثر عليها. هذا يمنع تراكم المعلومات المتضاربة أو المتقادمة.
أدخل الباحثون أيضاً تكييفاً ذكياً لتقنية “Truncated Backpropagation Through Time” للعمل في بيئة المحادثات متعددة الردود. هذا يسمح للنظام بتعلم التبعيات عبر الردود المختلفة دون الحاجة للانتشار العكسي عبر التاريخ الكامل، مما يقلل التكلفة الحاسوبية للتدريب بشكل كبير.
النتائج التجريبية على معايير الحوار طويل المدى كشفت تفوقاً واضحاً لـ C-DIC. الأهم من ذلك، أظهر النظام استقراراً مذهلاً في زمن الاستجابة ومستوى الإرباك (perplexity) عبر مئات الردود، بينما تتدهور الأنظمة التقليدية تدريجياً.
هذا الاستقرار في الأداء يفتح آفاقاً جديدة لتطبيقات المحادثة المعقدة. تخيل مساعد ذكي قادر على إجراء جلسة عصف ذهني تمتد لساعات، أو نظام تعليمي تفاعلي يتذكر كل تفصيل من رحلة التعلم الطويلة للطالب، أو خدمة عملاء ذكية تحتفظ بسياق كامل لمشكلة معقدة عبر جلسات متعددة.
التحديات التقنية لا تزال موجودة. عمليات المراجعة والتحديث تضيف تعقيداً حاسوبياً، وإن كان أقل بكثير من معالجة التاريخ الكامل. كما يتطلب النظام ضبطاً دقيقاً لموازنة مستوى الضغط مع الحفاظ على المعلومات الحاسمة. الفريق لم يوضح بعد كيفية تعامل النظام مع المحادثات التي تتضمن أنواع محتوى متنوعة كالصور والمستندات.
لكن الاتجاه واضح: نحو عصر جديد من أنظمة المحادثة قادرة على إدارة حوارات معقدة ومستدامة دون تدهور الأداء. هذا ليس مجرد تحسين تقني، بل خطوة نحو ذكاء اصطناعي أكثر قرباً من القدرات البشرية في إدارة المعلومات طويلة المدى.
