تجريبي هذا الموقع في نسخة تجريبية. لا نزال نضيف المعلومات ونراجعها.
ما يمكنك فعله فعليًا بالذكاء الاصطناعي
2

البحث والبحث المعمّق (Deep Research)

يمكن للذكاء الاصطناعي أن يسرّع البحث عن المعلومات. فهو يمتد من إجابة سريعة إلى مهمة بحث معمّق (Deep Research) متعددة الخطوات تقرأ مصادر عديدة وتُعيد تقريرًا مكتوبًا بمراجع. وكلاهما مسودة أولى تتحقق منها قبل أن يتصرف أحد بناءً عليها.

الحلقة

اشرح أولاً، ثم تأكّد من المصدر

اطلب شرحًا بسيطًاكيف تعمل القاعدة عادةً
اسأل من أين أتت المعلومةواطلب البحث على الويب عن أحدث ما يتعلق بها
تأكّد من المصدر الرسميقبل أن تعتمد عليها
روبوت الدردشة وسيلة سريعة لتوجيه نفسك، لا مرجعًا موثوقًا. وأي شيء سيتصرف العميل بناءً عليه يُتحقَّق منه مقابل الصفحة الرسمية.
  • يحصل السؤال البسيط على إجابة قصيرة. أما مهمة البحث المعمّق فتقرأ عبر مصادر عديدة على مدى عدة خطوات وتُعيد تقريرًا مكتوبًا بمراجع يمكنك فتحها.
  • يقدّم كل من ChatGPT وGemini وPerplexity وClaude وضع بحث معمّق أو وضع بحث عام، ويتولّى روبوت دردشة عام عمليات البحث الأخف. وتعرض بعض الأدوات، مثل Gemini وChatGPT، خطة بحث قبل التنفيذ، وهذه هي أفضل لحظة لتوجيه نطاق البحث.
  • حدّد الوثائق التي تتطلبها مزية أو إجراء ما، كي تدخل الاجتماع وأنت تعرف قائمة التحقق مسبقًا.
  • قارن قواعد الأهلية عبر البرامج لترى أيها يناسب الحالة، مع مصدر رسمي لكل قاعدة.
  • اعثر على التغييرات الأخيرة في سياسة أو نموذج، كي تعمل بالنسخة الحالية.
  • في كتابة طلبات المنح، يمكن لمهمة بحث معمّق أن تفعل أكثر من استخراج إحصاءات؛ إذ يمكنها مسح دراسات سابقة عن العلاقة بين عاملين، أو عن تدخلات حسّنت نتيجة تهمك، وتلخيص مدتها وتصميمها وطريقة قياسها للنتائج، مع مصدر ورابط لكل دراسة، تقرؤهما بنفسك قبل الاستشهاد بهما.
  • يمكن للأداة أن تسترجع مصدرًا ضعيفًا، أو تسيء قراءة مصدر جيد، أو تصرّح باستنتاج واثق لا تدعمه مصادرها، لذا افتح كل رابط واقرأ المرجع.
  • القواعد تتغيّر، وللنموذج تاريخ انتهاء التدريب، لذا يُتحقَّق من أي شيء يحدد ما يفعله العميل مقابل المصدر الرسمي، ولا تُدخل أبدًا معرّفات العميل في طلب بحث.

كيف يعمل، وأين يتعطّل

وضع البحث يبحث أولاً، ثم يلخّص ما وجده

يضيف وضع البحث أو البحث المعمّق خطوة قبل الكتابة. فهو يجري عمليات بحث، ويسترجع مجموعة من الوثائق، ثم يكتب إجابته انطلاقًا من تلك الوثائق مع الاستشهاد بها. يُسمّى هذا التصميم التوليد المعزز بالاسترجاع (retrieval-augmented generation)، وقد استُحدث لربط ناتج النموذج بنص مسترجَع كي يعتمد بشكل أقل على الذاكرة وحدها (Lewis وزملاؤه، 2020). وهذا الارتكاز على مصادر حقيقية هو سبب أن تقريرًا بحثيًا جيدًا قد يكون أكثر حداثة وأكثر قابلية للتحقق من إجابة روبوت دردشة عادي.

الارتكاز على مصدر لا يعني الصحة

الاسترجاع يحسّن الاحتمالات، لكنه لا يضمن الصحة. فقد تسترجع الأداة صفحة رديئة أو قديمة، أو تسيء قراءة مصدر استرجعته فعلاً، أو تكتب توليفة واثقة لا تدعمها استشهاداتها فعليًا. توثّق مراجعات لهذه الأنظمة أن النص المولَّد غالبًا ما يكون طليقًا ومعقولًا مع أنه غير أمين لمصدره أو غير مدعوم بالحقائق (Ji وزملاؤه، 2023). وفي اختبار مستقل لأنظمة البحث المعمّق، استشهد حتى أدقّها بمصدر لا يدعم ادعاءه مرة واحدة تقريبًا من كل عشر مرات، وأخطأت الأنظمة الأضعف بمعدل أكبر بكثير (Du وزملاؤه، 2025)؛ وفي تدقيق منفصل لأدوات البحث بالذكاء الاصطناعي، وُجدت مراجع خاطئة في أكثر من ستين بالمئة من الاستعلامات، ونادرًا ما أشارت الأدوات إلى أي شك (Jazwinska وChandrasekar، 2025). المرجع بجانب جملة ما يخبرك أين بحثت الأداة؛ ولا يؤكد أن الجملة صحيحة. افتح كل رابط وتأكّد من أنه يقول ما يدّعيه التقرير.

الإجابة المفقودة تعود مع ذلك في صورة إجابة

حين لا تُسفر عمليات البحث إلا عن القليل، نادرًا ما تقول الأداة "لا شيء". فهي تصوغ ردًا معقولاً مما لديها، وهذا ما يجعل مبلغ مزية أو قاعدة تقديم لم تُعثر عليها فعليًا تنتهي مذكورة بثقة تامة. والمخاطر ليست افتراضية: فبحلول أوائل عام 2026، سجّلت قاعدة بيانات عامة أكثر من ألف دعوى قضائية تضمنت استشهادات ملفَّقة بالذكاء الاصطناعي، وهو ما دفع إرشادات الهجرة والمساعدة القانونية إلى مطالبة الموظفين الآن بالتحقق من كل مرجع يقدّمه الذكاء الاصطناعي مقابل المصدر الأساسي (Charlotin، 2026). اطلب منها أن تعطي مصدرًا رسميًا ورابطًا لكل نقطة وأن تشير إلى أي شيء لا تستطيع تأكيده، ثم تعامل مع الادعاءات غير المشار إليها بالحذر نفسه.

بحث يمكنك التحقّق منه
كيف تجري مهمة بحث يمكنك الوثوق بها
  1. اذكر السؤال بوضوح، وحدّد ما تحتاج إلى الحصول عليه، مثل قائمة وثائق أو مقارنة، واذكر الأسماء الدقيقة: اسم البرنامج، ورقم النموذج، والولاية أو المقاطعة.
  2. إذا عرضت الأداة خطة بحث قبل التنفيذ، اقرأها ووجّه النطاق، فهذه أرخص لحظة لتصحيح اتجاه خاطئ.
  3. اطلب منها استخدام مصادر رسمية أو أساسية، وأن تعطي مصدرًا ورابطًا لكل نقطة، وأن تشير إلى أي شيء لا تستطيع تأكيده.
  4. أبقِ أسماء العملاء ومعرّفاتهم خارج الطلب.
  5. افتح كل رابط واقرأ المرجع للتأكّد من أنه يقول ما يدّعيه التقرير.
  6. تحقّق من أي شيء سيعتمد عليه العميل مقابل الموقع الرسمي للبرنامج أو المؤسسة قبل استخدامه.
مزية أو إجراء يجب أن تشرحه قائمة وثائق أولية تتحقق منها
حدّد الوثائق التي يتطلبها إجراء ما، ثم تحقّق منها

أحتاج إلى مساعدة شخص على التقديم للحصول على المزية أو الإجراء الذي سأسمّيه، في الولاية أو المقاطعة التي سأحددها. اذكر الوثائق والخطوات التي يتطلبها هذا عادةً. أعطني مصدرًا رسميًا ورابطًا لكل نقطة، وحدّد أي شيء يختلف حسب الموقع أو لست متأكدًا منه. [اذكر اسم البرنامج والموقع، دون معرّفات العميل]

قاعدة أمان. افتح كل مصدر وتحقّق من كل وثيقة مقابل صفحة البرنامج الرسمية قبل أن يعتمد عليها العميل.

نموذج أو قاعدة تستخدمها كثيرًا قائمة محقَّقة بما تغيّر
اعثر على التغييرات الأخيرة في نموذج أو قاعدة

أخبرني ما إذا كان النموذج أو القاعدة التي سأحددها قد تغيّرت، وما الذي تغيّر، ومتى. أعطني المصدر الرسمي ورابطًا لكل تغيير، وأشر إلى أي شيء لا يمكنك تأكيده. [اذكر اسم النموذج أو القاعدة والموقع]

قاعدة أمان. قد يكون نموذج الذكاء الاصطناعي غير محدَّث، لذا تحقّق من كل تغيير على الموقع الرسمي قبل التصرف بناءً عليه.

برنامجان أو أكثر قد يستخدمهما العميل مقارنة أهلية موثّقة بمصادر تتحقق منها
قارن قواعد الأهلية عبر البرامج، مع مصدر لكل واحدة

قارن قواعد الأهلية للبرامج التي سأسمّيها، في الولاية أو المقاطعة التي سأحددها. اعرضها في جدول بصف لكل قاعدة وعمود لكل برنامج، مع مصدر رسمي ورابط في كل خلية. حدّد أي قاعدة تختلف حسب الموقع أو لا يمكنك تأكيدها. [اذكر أسماء البرامج والموقع، دون معرّفات العميل]

قاعدة أمان. افتح كل مصدر وتحقّق من كل قاعدة على صفحة البرنامج الرسمية قبل أن يعتمد عليها العميل. انظر الوحدة 2.

موضوع لسرد منحة مسح أولي موثّق للأدبيات
امسح التقارير والدراسات السابقة لتأسيس سرد منحة

اعثر على تقارير ودراسات حديثة حول الموضوع الذي سأسمّيه يمكنني الاستشهاد بها في سرد منحة. لكل واحدة، اذكر العنوان، والمؤلف أو المؤسسة، والسنة، وملخصًا من سطر واحد، ورابطًا. وضّح أيها محكَّم علميًا وأيها مصدر دعوي أو حكومي، وأشر إلى أي شيء لا تجد له رابطًا حقيقيًا. [اذكر الموضوع والفئة السكانية]

قاعدة أمان. افتح واقرأ كل مصدر قبل الاستشهاد به، إذ قد تُدرج الأداة عنوانًا غير موجود أو رابطًا لا يطابق. انظر الوحدة 1.

مثال عملي

حين لا يدعم المرجع الادعاء

  1. تسأل وضع بحث عن الوثائق التي يحتاجها عميل للتقديم على مزية في ولايتك، وتطلب مصدرًا رسميًا ورابطًا لكل عنصر.
  2. يأتي التقرير منظّمًا جيدًا ويسرد ثماني وثائق، لكل منها مرجع يبدو أنه موقع وكالة الولاية.
  3. وعند فتح الروابط، تشير ست منها إلى الصفحة الصحيحة وتطابقها. ويشير رابط واحد إلى قواعد ولاية مجاورة، ويشير آخر إلى صفحة حقيقية لا تذكر إطلاقًا الوثيقة التي ألحقها التقرير بها.
  4. تحتفظ بالعناصر الستة المؤكدة، وتصحّح الاثنين اللذين لا تدعمهما المصادر، وتتحقق من القائمة النهائية مقابل صفحة التقديم الرسمية. لقد أظهر المرجع أين بحثت الأداة، والتحقق من كل عنصر هو ما جعل القائمة آمنة للاستخدام.

قاعدة أمان. تعامل مع كل نتيجة بحث بوصفها غير مؤكَّدة. افتح كل رابط، وتحقّق من كل مرجع، وتأكّد من أي شيء يعتمد عليه العميل مقابل المصدر الرسمي. أبقِ معرّفات العميل خارج كل طلب. انظر الوحدة 2 والوحدة 1. ولتحويل ما تجده إلى سرد منحة، انظر سرد القصص للتقارير والمنح وأنشطة التواصل.

المصادر
  1. Lewis, P., Perez, E., Piktus, A., Petroni, F., Karpukhin, V., Goyal, N., Kuttler, H., Lewis, M., Yih, W., Rocktaschel, T., Riedel, S., & Kiela, D. (2020). Retrieval-augmented generation for knowledge-intensive NLP tasks. In Advances in Neural Information Processing Systems 33. https://arxiv.org/abs/2005.11401
  2. Ji, Z., Lee, N., Frieske, R., Yu, T., Su, D., Xu, Y., Ishii, E., Bang, Y. J., Madotto, A., & Fung, P. (2023). Survey of hallucination in natural language generation. ACM Computing Surveys, 55(12), 1-38. https://doi.org/10.1145/3571730
  3. Du, M., Xu, B., Zhu, C., Wang, X., & Mao, Z. (2025). DeepResearch Bench: A comprehensive benchmark for deep research agents. arXiv. https://arxiv.org/abs/2506.11763
  4. Jazwinska, K., & Chandrasekar, A. (2025). AI search has a citation problem. Tow Center for Digital Journalism, Columbia Journalism Review. https://www.cjr.org/tow_center/we-compared-eight-ai-search-engines-theyre-all-bad-at-citing-news.php
  5. Charlotin, D. (2026). AI hallucination cases database. https://www.damiencharlotin.com/hallucinations/