تلخيص النصوص: بالذكاء الاصطناعي أو استخلاصيًا بجملك الحرفية

ما هي أداة تلخيص النصوص

أداة تلخيص النصوص تأخذ أي نص طويل — مقالًا أو تقريرًا أو بحثًا — وتُخرج نسخة أقصر منه تحتفظ بمعناه الأساسي. وتوفّر هذه الأداة ثلاث طرق للتلخيص، تندرج تحت نوعين مختلفين جوهريًا: التلخيص التوليدي بالذكاء الاصطناعي، والتلخيص الاستخلاصي.

في التلخيص التوليدي يقرأ نموذج ذكاء اصطناعي نصك كاملًا ثم يكتب ملخصًا جديدًا بكلماته هو، فقد يدمج ثلاث جمل متفرقة في عبارة واحدة ويخرج بنص أسلس قراءةً وأكثر إيجازًا. أما في التلخيص الاستخلاصي — وله هنا طريقتان، TextRank وتكرار الكلمات — فلا تُكتب كلمة واحدة جديدة؛ إذ تختار الأداة من نصك أهم جمله الكاملة كما هي وتجمعها، فما تقرأه في الملخص هو حرفيًا ما كتبته أنت، بترتيب مختلف فحسب.

والوضع الافتراضي هو التلخيص بالذكاء الاصطناعي لأنه يعطي أقصر ملخص وأكثره سلاسة، لكن الفرق بين الأوضاع الثلاثة حقيقي ويستحق أن تعرفه قبل أن تعتمد على أي ملخص، خصوصًا إن كنت ستستشهد بالنص الأصلي أو تبني عليه قرارًا.

كيف تستخدم الأداة

1. الصق نصك في حقل الإدخال. في وضعي TextRank وتكرار الكلمات يُحسب الملخص وتتحدّث كل الإحصاءات فور كل حرف تكتبه، أما وضع الذكاء الاصطناعي فينتظر منك ضغطة زر، لأن كل ضغطة استدعاء حقيقي للنموذج.
2. اختر طريقة التلخيص وحدد طولها من الأزرار الثلاثة — تلخيص بالذكاء الاصطناعي، أو TextRank، أو تكرار الكلمات — ثم حرّك مؤشر عدد الجمل المطلوبة ليضبط طول الملخص في أي وضع تختاره. وفي وضع الذكاء الاصطناعي يبقى هذا العدد توجيهًا للنموذج لا ضمانًا صارمًا.
3. اقرأ الملخص وانسخه يظهر الملخص في لوحته مع زر لنسخه، وإحصاءات الجمل والكلمات ونسبة الملخص إلى الأصل، وسطر يخبرك أي محرّك أنتجه. وفي الوضعين الاستخلاصيين فقط تنبّهك لوحة «جمل فقدت سياقها» إن بدأت جملة بإحالة إلى الوراء ولم يبقَ في الملخص ما تحيل إليه.

أي وضع تختار؟ المقارنة الصريحة بين الذكاء الاصطناعي والاستخلاصي

اختر التلخيص بالذكاء الاصطناعي حين يهمّك ملخص قصير وسلس تقرأه كنص متصل، ولا يهمّك أن تكون الكلمات كلماتك أنت. فالنموذج يستطيع ضغط ثلاث جمل في واحدة وإعادة الصياغة بحرية، فيخرج بملخص أقصر بكثير من الأصل. والثمن أنها كلمات النموذج لا كلماتك، فقد يبتعد أحيانًا عمّا كتبتَه أو يغيّر التوكيد دون قصد؛ لذا راجع دائمًا الملخص على الأصل قبل الاعتماد عليه.

واختر TextRank أو تكرار الكلمات حين يهمّك ألّا تُنقل كلمة واحدة عن معناها الأصلي، لأن كل جملة في الملخص الاستخلاصي هي جملتك أنت حرفيًا. وثمن هذا الأمان أن الملخص يُقرأ أحيانًا كقائمة اقتباسات لا كنص متصل، وقد ينتزع جملة من سياقها الذي كان يجعلها مفهومة — وهذا بالضبط ما تكشفه لوحة «جمل فقدت سياقها»، المتاحة في الوضعين الاستخلاصيين فقط؛ فملخص الذكاء الاصطناعي أعاد صياغة النص من الأساس فلا ينطبق عليه هذا الفحص.

وحين يُقيَّد النموذج أو تنفد الميزانية اليومية المشتركة بين أدوات الذكاء الاصطناعي في الموقع أو يفشل الطلب لأي سبب، لا تتوقف الصفحة عن العمل: ترجع تلقائيًا إلى ملخص TextRank المحسوب أصلًا على جهازك، وتخبرك بسطر واضح أن TextRank هو من تولّى الأمر هذه المرة. فأنت تحصل على ملخص دومًا.

وثمة فرق خصوصية حقيقي بين الأوضاع يستحق أن تعرفه: في وضع الذكاء الاصطناعي يُرسَل نصك (حتى 6000 حرف لكل طلب) إلى خادم الموقع الذي يستدعي النموذج، بينما في وضعي TextRank وتكرار الكلمات لا يغادر نصك متصفحك إطلاقًا ولا حدّ لطوله.

كيف يعمل الوضعان الاستخلاصيان: TextRank وتكرار الكلمات

طريقة TextRank مبنية على خوارزمية PageRank نفسها التي تستخدمها محركات البحث لترتيب صفحات الويب، لكن بدل الصفحات هنا عُقد الرسم البياني هي جمل النص، والروابط بين العقد هي مقدار الكلمات المشتركة بين كل جملتين (Mihalcea و Tarau، 2004)، مع معامل تخميد قدره 0.85. الفكرة دائرية بالتصميم: الجملة مهمة إذا كانت الجمل الشبيهة بها مهمة، وهو التعريف نفسه الذي يستخدمه PageRank لصفحات الويب.

تم التحقق من تنفيذ PageRank في هذه الأداة مقابل حل دقيق ومباشر لنظام المعادلات الخطية نفسه بطريقة Gauss، لا مقابل مكتبة أخرى. وتطابقت النتيجتان حتى دقة 3.45×10^-10 عبر 220 رسمًا بيانيًا عشوائيًا، وحتى 3.08×10^-10 على رسوم بيانية تحتوي جملًا معزولة، وهي الحالة التي يتسرب فيها الاحتمال إذا كانت الحسابات غير دقيقة.

أما طريقة تكرار الكلمات فأقدم عهدًا، وتعود إلى أسلوب Luhn الكلاسيكي: تُحسب لكل جملة معدل تكرار كلماتها المفيدة بعد استبعاد كلمات التوقف، والمعدل هنا وليس المجموع، لأن جمع التكرارات فقط يكافئ الجمل الأطول ويجعلها تتصدر النتائج دون مبرر حقيقي. والملاحظ عمليًا أن الطريقتين تختلفان في اختيارهما بشكل كبير: على نصوص بطول مقالة إخبارية اختارتا جملًا مختلفة في 6 من كل 10 حالات، أي أنه لا يوجد ملخص استخراجي واحد صحيح، بل نتيجتان معقولتان لكل نص تقريبًا.

ما لا يستطيع الوضعان الاستخلاصيان فعله، وما تغيّره العربية

بما أن هذه الأداة استخراجية بالكامل، فهي أضعف بالضرورة من ملخص يكتبه إنسان أو نموذج توليدي: لا يمكنها إعادة صياغة جملة، ولا دمج فكرتين متفرقتين في عبارة واحدة، ولا حذف جملة فرعية زائدة عن الحاجة داخل جملة مطولة، ولا إنقاذ جملة سيئة الصياغة في الأصل. كل ما تفعله هو الاختيار والترتيب، لا الكتابة.

هذه الأداة تعمل باللغة العربية أصالة لا ترجمة: تعتمد قائمة كلمات توقف عربية مخصصة، وتقسيمًا للجمل يفهم علامات الترقيم العربية بما فيها الفاصلة العربية (،) وعلامة الاستفهام العربية (؟)، بدل تشغيل خط أنابيب إنجليزي بأزرار مترجمة فوقه.

ولأن التلخيص هنا استخراجي، فإنه يناسب العربية من جهة أكثر مما يناسب الإنجليزية: نسخ الجملة كما هي يمنع تمامًا مشاكل التوليد الشائعة في العربية، كالخلل في المطابقة، أو تركيب إضافة مكسور، أو فعل بصيغة جنس خاطئة — ما تقرأه في الملخص هو بالضبط ما كتبه الإنسان، حرفًا حرفًا. لكنه من جهة أخرى يناسبها أسوأ في نقطة محددة: النثر العربي، خصوصًا الصحفي والرسمي منه، يعتمد بكثافة على أدوات ربط في بداية الجملة مثل الواو والفاء وثم ولكن ولذلك وكما، تصل الجمل ببعضها في سلسلة واحدة متصلة. وانتزاع جملة من هذه السلسلة يقطعها عن سياقها بمعدل أعلى بكثير مما يحدث في الإنجليزية، وهذا بالضبط ما يجعل تحذير الجمل المفقودة السياق أهم هنا منه في أي نص إنجليزي مقابل.

لهذا السبب تعرض الأداة لوحة تحذيرات مخصصة: أي جملة في الملخص تبدأ بإشارة إلى ما قبلها، سواء اسم إشارة مثل هذا وهذه وذلك، أو ضمير غائب مثل هو وهي، أو أداة ربط استدلالية مثل لكن ولذلك وكذلك وثم، تُفحص لمعرفة ما إذا كانت الجملة التي أشارت إليها أصلًا قد بقيت في الملخص أم لا. وإن لم تكن قد بقيت، تظهر الجملة في لوحة التحذيرات لتنبهك إلى أنها فقدت مرجعها. وفي القياس الفعلي، أنتجت 20% من النصوص بطول مقالة عند الطول الافتراضي تحذيرًا واحدًا على الأقل — وهي ميزة لا تقدمها أي أداة تلخيص منافسة أخرى.

وهناك حد آخر ينبع من طبيعة العربية نفسها: ترتيب الجمل في كلتا الطريقتين يعتمد على تشابه المفردات المستخدمة، وصرف العربية القائم على الجذر والوزن يعمل ضد هذا المبدأ. يمكن لجملتين أن تتحدثا عن الفكرة نفسها مستخدمتين اشتقاقات مختلفة من الجذر نفسه، مثل كتب وكاتب ومكتوب وكتابة، فلا تراهما الأداة مرتبطتين لأنها تقارن صيغ الكلمات المكتوبة ولا تقوم باستخراج الجذر أو ترجيعها إلى أصلها الصرفي. ويزيد الأمر تعقيدًا اتصال أل التعريف بالكلمة كتابيًا، فتُحسب البيت وبيت كلمتين مختلفتين تمامًا. لذلك فإن درجات التشابه في العربية أقل بشكل منهجي من نظيرتها في الإنجليزية، والترتيب الناتج أخشن وأقل دقة، وهذا حد صادق نذكره بوضوح لا نتجاهله.

إلى جانب ذلك، لا تفهم الأداة موضوع النص على الإطلاق؛ فهي ترتب الجمل بحسب تداخل المفردات لا بحسب المعنى، وهذا يجعلها ضعيفة تحديدًا أمام الجملة النادرة المهمة: فكرة محورية ذُكرت مرة واحدة بكلمات غير شائعة لا تشترك في المفردات مع أي جملة أخرى، فتحصل على ترتيب منخفض رغم أهميتها. كذلك لا يمكنها الإجابة عن سؤال بخصوص النص، ولا تنفيذ تعليمة، ولا الكتابة بأسلوب أو نبرة مطلوبة، فهي لا تفعل شيئًا سوى الاختيار من بين الجمل الموجودة أصلًا. وأخيرًا، الحوار والقوائم النقطية والجداول والشعر تكسر نموذج الجملة الذي تعتمد عليه الأداة، فهذه الأنواع من النصوص لا تُبنى من جمل تقليدية بترقيم واضح، والنتيجة معها تكون غير موثوقة.

لماذا هذه الأداة مجانية بالكامل

وضعا TextRank وتكرار الكلمات لا يكلّفان الموقع شيئًا، فهما يعملان بالكامل داخل متصفحك بلا أي استدعاء لخادم، ولا يغادر نصك جهازك فيهما.

أما وضع الذكاء الاصطناعي فمحدود بميزانية يومية يتقاسمها مع كل أدوات الذكاء الاصطناعي الأخرى في الموقع، وبحدّ أقصى لكل عنوان IP، لأن كل طلب فيه استدعاء حقيقي لنموذج له تكلفة. وهذا بالضبط سبب وجود الرجوع التلقائي إلى TextRank: فحين تُستهلك الميزانية أو يُقيَّد النموذج تحصل مع ذلك على ملخص كامل في اللحظة نفسها بدل انتظار يوم آخر. فالأداة مجانية دومًا وبلا تسجيل ولا علامة مائية؛ وما يتغيّر أحيانًا هو أي محرّك ينتج ملخصك، لا هل تحصل على ملخص.