النص إلى SQL (Text-to-SQL) هو نوع من تقنيات الذكاء الاصطناعي التي تحول الأسئلة باللغة الطبيعية تلقائيًا إلى لغة الاستعلامات الهيكلية (SQL)، بهدف تمكين المستخدمين من الوصول مباشرة إلى المعلومات في قواعد البيانات العلائقية من خلال اللغة الطبيعية دون الحاجة إلى كتابة استعلامات SQL يدويًا. تجمع هذه التقنية بين معالجة اللغة الطبيعية، والتحليل الدلالي، وإدارة قواعد البيانات، وهي اتجاه مهم لتحقيق التفاعل بين اللغة الطبيعية وقواعد البيانات. يستند تطوير النص إلى SQL إلى أسس واجهات اللغة الطبيعية لقواعد البيانات (NLIDB)، والتحليل الدلالي، وأساليب التعلم الآلي. اعتمدت الأبحاث المبكرة بشكل أساسي على القواعد والقوالب المصممة يدويًا لربط الأسئلة ذات الأشكال الثابتة باستعلامات قواعد البيانات، لكن قدرتها على التعميم كانت محدودة عند مواجهة الجمل المعقدة، وهياكل قواعد البيانات المختلفة، والمهام عبر المجالات. مع تطور التعلم العميق ومجموعات البيانات واسعة النطاق، بدأ الباحثون في استخدام نماذج الشبكات العصبية لتعلم العلاقات بين اللغة الطبيعية وهياكل قواعد البيانات.

في عام 2018، قدم باحثون من جامعة ييل ورقة بحثية بعنوان Spider: A Large-Scale Human-Labeled Dataset for Complex and Cross-Domain Semantic Parsing and Text-to-SQL Task ، حيث بنى هذا العمل مجموعة اختبار معيارية واسعة النطاق لـ Text-to-SQL تضم قواعد بيانات متعددة المجالات واستعلامات لغة طبيعية معقدة، مما دفع الأبحاث حول قدرة التعميم عبر قواعد البيانات، وأصبح واحدًا من الأعمال البحثية المهمة والرائدة في مجال النص إلى SQL.

عادةً ما تتطلب أنظمة Text-to-SQL الحديثة إكمال عدة خطوات مثل فهم اللغة الطبيعية، ومطابقة مخطط قاعدة البيانات (Schema)، وتوليد SQL، والتحقق من نتائج الاستعلام. لا يحتاج النموذج إلى فهم الدلالات في أسئلة المستخدم فحسب، بل يحتاج أيضًا إلى تحديد الجداول والحقول والعلاقات والقيود في قاعدة البيانات، وبالتالي توليد استعلامات SQL التي تتوافق مع متطلبات هيكل قاعدة البيانات. في السنوات الأخيرة، مع تطور نماذج اللغة الكبيرة (LLM)، أدت أساليب Text-to-SQL القائمة على هندسة الاستدلال (Prompting)، وتوليد الاسترجاع المعزز (RAG)، واستدعاء الأدوات، والوكلاء (Agent) إلى تحسين القدرة على معالجة الاستعلامات المعقدة. يحل النص إلى SQL بشكل أساسي مشكلة عوائق الوصول إلى المعلومات بين المستخدمين العاديين وقواعد البيانات، مما يمكن غير المتخصصين من إكمال استعلام البيانات وتحليلها من خلال اللغة الطبيعية. حاليًا، تُستخدم هذه التقنية على نطاق واسع في مجالات مثل ذكاء الأعمال (BI)، وتحليل بيانات المؤسسات، وتوليد التقارير الآلية، وخدمة العملاء الذكية، ومساعدي البيانات، وهي اتجاه تقني مهم لتحليل البيانات القائم على اللغة الطبيعية.

[JIALIU_0]