چرا مشکل هوش مصنوعیتون معماری اطلاعاته
هوش مصنوعیخلاصهٔ کاملتر
نویسنده که خودش قدیمها عنوان شغلی معمار اطلاعات داشته، میگه این رشته دو دهه بیبودجه موند چون کارش کند و سیاسی بود و هر فصل به فیچری که زودتر عرضه میشد میباخت. کارش نامرئی بود، پس شکستش هم نامرئی میموند. تو این مقاله اومده که با اومدن هوش مصنوعی، همون پایهٔ نامرئی سر از ترازنامه درآورده: تو یه نظرسنجی ۲۰۲۵، کیفیت و در دسترس بودن داده بالاتر از هر مانع دیگهای سد اصلی پذیرش AI بوده.
استدلال پایه اینه که بازیابی فقط به اندازهٔ چیزیه که ازش شروع میکنه. تو RAG یا «تولید تقویتشده با بازیابی»، مدل جواب رو تو سندهایی که موقع پرسش میگیره زمینگیر میکنه، پس هر عیب اون انبار رو هم ارث میبره. اگه محتوا یه تودهٔ صاف و بیبرچسب و متناقض باشه، سیستم «بلندترین تطابق» رو برمیداره — چیزی که بیشترین کلمهٔ مشترک رو با پرسش داره، نه لزوماً چیزی که بهروز یا معتبره.
به گفتهٔ نویسنده متادیتا، تاکسونومی و تایپگذاری محتوا همون چیزهاییان که به سیستم میگن یه تکه متن اصلاً چیه: قیمت، سیاست، یادداشت منسوخ یا نقلقول مشتری میتونن شبیه هم به نظر برسن ولی معنیشون مخالف هم باشه. صنعت اسم تازهای هم براش داره: لایهٔ معنایی. واژگان کنترلشده جلوی تکهتکه شدن یه مفهوم به چند اسم مختلف رو میگیره، و میشه پرسش کاربر رو هم قبل از بازیابی به همون واژهٔ ترجیحی نگاشت.
نویسنده میگه آدمها بینظمی رو با قضاوت خودشون جبران میکردن، ولی مدلها این حلقه رو حذف میکنن و همون ابهام رو با اطمینان و در مقیاس بازتولید میکنن. خطر وقتی بیشتر میشه که ایجنت از جوابدادن به عملکردن میرسه: مسیریابی تیکت، آپدیت رکورد، تأیید درخواست. پروندهٔ Moffatt علیه Air Canada نمونهشه؛ چتبات شرکت خلاف صفحهٔ سیاست خودش جواب داد و دادگاه بریتیش کلمبیا شرکت رو مسئول دونست.
جمعبندی نویسنده اینه که این بار این کار بودجه میگیره، چون خروجیش به عدد قابل ارائه تبدیل شده: دقت بازیابی، نرخ توهم، قابلیت اتکای ایجنت. به گزارش Menlo Ventures هزینهٔ سازمانها روی AI مولد تو ۲۰۲۵ به ۳۷ میلیارد دلار رسیده، و کار Contextual Retrieval شرکت Anthropic نشون داده اضافهکردن زمینه به هر تکه قبل از ایندکس، بازیابیهای ناموفق رو تا ۴۹ درصد کم میکنه — بدون عوضکردن مدل.
نکات کلیدی:
- ریشهٔ بیشتر جوابهای غلط، انبار محتوای بیساختاره، نه ضعف مدل
- یه جواب غلط رو تا منبعش دنبال کنین؛ معمولاً یه سند منسوخ یا تکراری پیدا میشه
- قبل از ایندکس، محتوا رو تایپ کنین: جاری، معتبر، منسوخ، پیشنویس
- اصلاح تاکسونومی هر پرسش مرتبط رو درست میکنه، وصلهٔ پرامپت فقط یکی رو
- ایجنتها به مدل صریحی از روابط و دسترسیها نیاز دارن، نه امیدواری
