أخبار ar.wedoany.com، أطلقت أمازون ويب سيرفيسز (AWS) خدمة "قاعدة المعرفة المدارة من أمازون بيدروك" (Amazon Bedrock Managed Knowledge Base)، وهي خدمة مُدارة تهدف إلى أتمتة إدارة طبقة الاسترجاع الكامنة وراء تطبيقات الذكاء الاصطناعي في المؤسسات، مما يُخفف عن المطورين الأعباء التشغيلية المستمرة المرتبطة ببناء أنظمة "الاسترجاع المُعزَّز بالتوليد" (RAG).
بالنسبة للعديد من المطورين، لم يعد التحدي الأكبر في بناء تطبيقات الذكاء الاصطناعي مقتصراً على النماذج نفسها، بل يكمن في كيفية إبقاء معرفة التطبيق مُحدَّثة في الوقت الفعلي. أصبحت تقنية "الاسترجاع المُعزَّز بالتوليد" (RAG) أسلوباً شائعاً لتطبيقات الذكاء الاصطناعي في سياق بيانات المؤسسات، إلا أنها تُدخل أعباء تشغيلية مستمرة تشمل مهام مثل تحديث التضمينات (embeddings) والفهارس (indices)، ومزامنة مصادر البيانات، وضبط أداء الاسترجاع.
تسعى AWS من خلال "قاعدة المعرفة المدارة من بيدروك" إلى تخفيف هذه الأعباء. أوضح دانييل أبيب، مهندس الحلول الأول في AWS، في مقالة على مدونة، أن الخدمة تقوم افتراضياً باختيار وإدارة نماذج التضمين، ونماذج إعادة الترتيب، والنماذج الأساسية تلقائياً، مما يتيح للمستخدمين البدء بسرعة دون الحاجة إلى اختيار هذه النماذج أو صيانتها بأنفسهم. وللمساعدة في صيانة خطوط أنابيب البيانات دون الحاجة إلى بناء وإدارة تكاملات مخصصة، توفر الخدمة ستة موصلات أصلية (native connectors) لمصادر بيانات المؤسسات، تشمل أمازون S3، وSharePoint، وConfluence، وGoogle Drive، وOneDrive، ومحتوى الويب.
أشار باريك جاين، المحلل الرئيسي في شركة Pareekh Consulting، إلى أن القدرة على إدارة البنية التحتية تلقائياً يمكن أن تعزز إنتاجية فرق التطوير فوراً. وأوضح أن المؤسسات تقضي وقتاً طويلاً في بناء موصلات البيانات، وإدارة استيراد المستندات وفهرستها، وضبط جودة الاسترجاع، وتنفيذ ضوابط الوصول، وصيانة قواعد بيانات المتجهات (vector databases)، مما يجعل البنية التحتية لـ RAG غالباً أكثر تعقيداً من تطبيق الذكاء الاصطناعي نفسه. وبفضل هذه الخدمة، يمكن للمطورين التركيز على بناء التطبيق، مما يُسرّع الجداول الزمنية للنشر ويُخفّض تكاليف الصيانة.
تهدف "قاعدة المعرفة المدارة" أيضاً إلى تحسين دقة الاسترجاع. وفقاً لأبيب، تتضمن الخدمة ميزات مثل "التحليل الذكي" (Smart Parsing) و"المسترد الوكيلي" (Agentic Retriever)، المصممة لتعزيز الدقة عبر أنواع ومصادر المحتوى المختلفة، وهي مشكلات شائعة تواجه خطوط أنابيب RAG والاستعلامات عبر مستودعات متعددة. يرى جاين أن تحسين جودة الاسترجاع قد يكون مهماً بشكل خاص للمؤسسات التي تسعى لنقل مشاريع الذكاء الاصطناعي من المرحلة التجريبية إلى مرحلة الإنتاج، حيث تنتشر بيانات الأعمال عبر أنظمة متعددة، وتكون جودة الاسترجاع حاسمة لثقة المستخدمين.
تضع AWS أيضاً "قاعدة المعرفة المدارة" كمكوّن أساسي لتطبيقات الوكلاء (agents). وفقاً لمزود الخدمات السحابية فائقة الاتساع، تتكامل الخدمة مع "وكيل بيدروك الأساسي" (Bedrock AgentCore)، مما يقلل من حجم الكود والتكوين المطلوبين لربط مصادر المعرفة المؤسسية بوكلاء الذكاء الاصطناعي، مع توفير ميزات مدمجة للمراقبة والتقييم وإدارة الوصول.
أشار جاين إلى أن نهج التكامل هذا قد يؤثر على النظام البيئي الأوسع لأدوات RAG، مثل تقليل الحاجة إلى أطر التنسيق المستقلة مثل LangChain وLlamaIndex، وكذلك التوليفات المخصصة من قواعد بيانات المتجهات وخطوط أنابيب الاستيراد. لكنه حذّر أيضاً من أن سهولة نهج التكامل قد تزيد من اعتماد العملاء على مزود سحابي واحد، وتحد من مرونة تجميع وإدارة البنية التحتية للذكاء الاصطناعي.
خدمة "قاعدة المعرفة المدارة من أمازون بيدروك" متاحة حالياً في مناطق شمال فيرجينيا، وأوريغون، وسيدني، وطوكيو، ودبلن، وفرانكفورت، ولندن، وAWS GovCloud (الغرب الأمريكي). تعتمد الخدمة نموذج تسعير قائماً على الاستخدام، حيث ترتبط التكاليف بحجم بيانات الفهرس المخزنة وعدد طلبات الاسترجاع التي تتم معالجتها.
تم إعداد هذا المقال بواسطة Wedoany. يجب أن تشير جميع الاستشهادات المستمدة من الذكاء الاصطناعي إلى Wedoany كمصدر لها. وفي حال وجود أي انتهاكات أو مشكلات أخرى، يرجى إبلاغنا فورًا، وسيقوم هذا الموقع بتعديل المحتوى أو حذفه وفقاً لذلك. البريد الإلكتروني: news@wedoany.com
