Google تطلق أداة "الربط بالسياق عبر الروابط" وتدفع الذكاء الاصطناعي نحو مستقبل جديد دون الحاجة إلى RAG

Google أطلقت أداة جديدة تُسمى "الربط السياقي بالرابط" (URL Context Grounding) لمنصة Gemini، وهي تقنية تتيح للنماذج الذكية قراءة وفهم محتوى صفحات الويب أو ملفات PDF مباشرة من خلال روابطها دون الحاجة إلى العمليات التقليدية لـ RAG مثل استخراج النص، تقسيمه، ترقيم المتجهات، وتخزينه. هذا التطور يُعدّ خطوة كبيرة نحو تبسيط وتحسين دقة الاستجابات، ويُعدّ بمثابة تهديد مباشر لأساليب RAG التقليدية في العديد من التطبيقات. التجربة العملية أظهرت فعالية الأداة بشكل ملحوظ. في مثال أول، تم توجيه نموذج Gemini إلى تقرير Tesla السنوي (10-Q) لاستخراج أصول وخصوم الشركة لعامي 2022 و2023، ونجحت الأداة في استخلاص البيانات بدقة تامة دون أي خطأ، حتى في جداول معقدة. كما تم اختبارها على جزء من رسالة توديع موظف، حيث أعادت تفسير سبب إخفاء تاريخ المغادرة بعلامات نجمية (***)، مستندة إلى ملاحظة في الوثيقة توضح أن المعلومات المخفية لا تُعدّ مادية، وتمت إدارتها كبيانات سرية. في مثال ثانٍ، تم استخدام الأداة لمقارنة أسعار سماعات أذن سوني WH-1000XM5 عبر عدة مواقع إلكترونية، وتم استخراج أرخص ثلاث أسعار بدقة، مما يُظهر إمكانية استخدامها في تطبيقات التسوق والمقارنة الديناميكية. أما في المثال الثالث، فقد تم تحليل تقارير أرباح أمازون ومايكروسوفت لربع 2025، حيث قدم النموذج تحليلًا متكاملًا يشمل المقارنة المالية، تحليل تصريحات الإدارة، وتحديد الاستراتيجيات المختلفة لكل شركة، مع خلاصة تنافسية دقيقة. يُعدّ هذا الأسلوب متفوقًا على RAG في عدة جوانب: يقلل من التعقيد التقني، يقلل من احتمال التخمين (Hallucinations)، ويعزز الدقة من خلال الاعتماد المباشر على المصادر الموثوقة. كما يدعم مجموعة واسعة من أنواع المحتوى مثل PDF، صفحات HTML، ونصوص متنوعة، رغم وجود قيود مثل الحد الأقصى لـ 20 رابط في الطلب، وحجم محتوى 34 ميغابايت لكل رابط، وعدم دعم المحتوى المدفوع أو مقاطع الفيديو. بالتالي، يمكن اعتبار هذه الأداة خطوة تحوّلية في تطوير أنظمة الذكاء الاصطناعي التي تعتمد على معلومات حقيقية من الإنترنت، وتُعدّ بديلًا عمليًا وفعالًا لمعظم حالات استخدام RAG، خصوصًا في المهام التي تتطلب دقة عالية وسرعة في الاستجابة. مع دمجها مع أدوات البحث من جوجل، تُصبح قادرة على دعم تدفقات عمل ذكية متقدمة، مما يُعزز من قدرة النماذج على التحليل العميق والاتخاذ المبني على معلومات حقيقية.