باحثون يطلقون معياراً جديداً لاختبار قدرة الذكاء الاصطناعي على التعامل مع قواعد البيانات

أطلق فريق بحثي مؤخراً AptMQL-Bench، وهي أداة اختبار جديدة مصممة لمعرفة ما إذا كان الذكاء الاصطناعي يستطيع التعامل بفعالية مع قواعد البيانات التي تعتمد على المستندات مثل MongoDB. تُعد هذه القواعد جزءاً أساسياً من التطبيقات الحديثة، لكن يصعب عادةً على غير المتخصصين استعلامها دون معرفة لغات برمجية معقدة.

في السابق، كانت جهود اختبار الذكاء الاصطناعي على هذه الأنظمة تعتمد على تحويلات بسيطة من SQL، وهي اللغة القياسية لقواعد البيانات التقليدية. ومع ذلك، غالباً ما كانت هذه المعايير تفشل في العمل بشكل صحيح، أو تفقد كميات كبيرة من البيانات، أو تنتج استعلامات بطيئة وغير فعالة.

طريقة أفضل للاختبار

يتكون المعيار الجديد من 21 قاعدة بيانات وأكثر من 3000 طلب. وبدلاً من مجرد نسخ الطرق القديمة، قام الباحثون ببناء نظام يعتمد على وكلاء الذكاء الاصطناعي لتصميم هياكل قواعد البيانات بناءً على كيفية وصول المستخدمين للمعلومات فعلياً.

تضمن هذه الطريقة سلامة البيانات وأداء النظام مع توسع حجم المعلومات. ويأمل الباحثون أن يدفع هذا المطورين لبناء واجهات أذكى تتيح لأي شخص سحب المعلومات من قواعد البيانات المعقدة بمجرد طرح سؤال.

الأداء الحالي

عند الاختبار على نموذج Claude Opus 4.5، حقق النموذج دقة بلغت 57.38% دون مساعدة خارجية. وارتفع هذا الرقم إلى 70.34% عندما تم تزويد النموذج بمعلومات إضافية.

هل حان الوقت للبدء في التحدث مع قواعد بياناتك باللغة الطبيعية بدلاً من الأكواد؟ حتى مع هذه التحسينات، لا يزال النظام غير مثالي. وأشار الباحثون إلى أن إنشاء هذه الاستعلامات لا يزال يمثل تحدياً للذكاء الاصطناعي الحالي، خاصة عند التعامل مع هياكل البيانات المعقدة.