كشف باحثون بمعهد كوريا المتقدمة للعلوم والتكنولوجيا بالتعاون مع شركة GraphAI، عن تطوير نظام قاعدة بيانات من الجيل التالي يحمل اسم AkasicDB، يقابله منهج استرجاع وتوليد معلومات جديد باسم Omni RAG، يهدف إلى معالجة إشكالية الهلوسة في نماذج الذكاء الاصطناعي التوليدي المعتمدة على البيانات المؤسسية. تواجه وكلاء الذكاء الاصطناعي تحديًا رئيسيًا يتمثل في صعوبة فهم البيانات الموزعة بين النصوص والجداول وعلاقات الكيانات، مما يؤدي غالبًا إلى استنتاجات غير دقيقة. لمواجهة هذه المعضلة، صمم الفريق البحثي بقيادة البروفيسور مين سو كيم، وبمشاركة الباحث الأول جون هو لي، محرك قاعدة بيانات موحدًا يدمج وظائف قواعد البيانات المتجهية والبيانية والعلائقية في نظام إدارة قواعد بيانات واحد. يتيح النظام صياغة استعلامات معقدة باستخدام SQL/GQL، حيث يقوم مخطط الاستعلام الموحد بدمج عمليات الاسترجاع الدلالي واستكشاف الرسوم البيانية والتصفية الهيكلية في خطة تنفيذ واحدة، مما يلغي الحاجة إلى تشغيل قواعد بيانات منفصلة والجمع بين نتائجها برمجيًا. ويعزز منهج Omni RAG دقة الاستجابات بنسبة تصل إلى 78 في المائة من خلال دمج المعنى الدلالي للنصوص، وعلاقات المعرفة البيانية، والشروط الهيكلية للبيانات الجدولية، مما يقضي على توليد المعلومات غير المدعومة بالحقائق. أظهرت التجارب العملية كفاءة النظام العالية، حيث انخفض زمن معالجة الاستعلامات المعقدة من أكثر من 21 ثانية إلى أقل من ثانية واحدة، محققًا تسارعًا بمعدل 20 ضعفًا، مع تقليل كبير في استهلاك الرموز للنماذج اللغوية الكبيرة. ويتوقع الباحثون أن تعمل هذه البنية التحتية على تمكين التطبيقات الحساسة للذكاء الاصطناعي في قطاعات الدفاع والتصنيع والخدمات المالية والقانون والعلوم. وقد تم تقديم النتائج كعرض تجريبي في مؤتم ACM SIGMOD الدولي لإدارة البيانات في الثاني من يونيو، ونُشرت ورقة البحث في ملحق المؤتم، مما يؤكد تحول تكامل نماذج البيانات المتعددة إلى معيار أساسي لدعم موثوقية الوكلاء الذكيين في البيئة المؤسسية الحديثة.