في 13 أغسطس 2026، نشرت شركة Microsoft Technology Licensing LLC طلب براءة الاختراع US20260236548A1، الذي يصف نظامًا لضغط البيانات الناتجة عن نتائج البحث قبل إرسالها إلى نموذج ذكاء اصطناعي توليدي. لتلخيص صفحة ما، يحتفظ هذا النظام بالجمل الأكثر ارتباطًا ببقية النص وباستعلام البحث. لا يثبت الوثيقة أن Bing أو Copilot يطبقان هذه العملية كما هي.
ضغط المصادر قبل استدعاء النموذج
عنوان الوثيقة هو « توليد واستخدام بيانات التأسيس المضغوطة لمحركات البحث التي تستخدم نماذج الذكاء الاصطناعي التوليدية ». وهي تدعي أولوية طلب مؤقت هندي مُقدَّم في 13 فبراير 2025. تتعلق الوثيقة بـ «بيانات التأسيس»، أي المحتويات المسترجعة من نتائج البحث (الروابط، المقتطفات، البيانات الوصفية، الإجابات المباشرة) والمقدَّمة لنموذج لغوي لتأسيس إجابته على حقائق قابلة للتحقق. تُعرف هذه الآلية باسم RAG (التوليد المعزز بالاسترجاع).
تنطلق براءة الاختراع من مشكلة تقنية. عندما تتجاوز هذه البيانات حد الرموز المميزة (وحدات النص التي يمكن للنموذج معالجتها دفعة واحدة)، يصبح من الضروري تكرار الاستدعاءات، مما يكلف وقتًا وموارد. على العكس من ذلك، تقديم الكثير منها دفعة واحدة يؤدي إلى إجابات عامة أو غير مترابطة. يستشهد النص بعيبين معروفين في نماذج اللغة الكبيرة: ظاهرة «الضياع في المنتصف»، والتي بموجبها لا تؤخذ المعلومات الموضوعة في منتصف أمر طويل في الاعتبار بشكل جيد، والتحيز نحو الحداثة، الذي يمنح وزنًا زائدًا للعناصر الموجودة في نهاية الأمر.
الحل المقترح هو ضغط هذه البيانات قبل الإرسال، لنقلها كلها في استدعاء واحد. يمكن للنظام إنتاج ملخص يركز على استعلام البحث، ثم تحويله إلى تضمينات، أي تمثيلات متجهية لمعنى النص. يمكنه أيضًا تقييم حداثة ومصداقية المحتويات مسبقًا.
في منشور على LinkedIn، يقدم إيان سورين هذه البراءة على أنها وصف لكيفية عمل روبوتات الدردشة Copilot و Bing. بينما يشير النص نفسه إلى « محركات البحث التوليدية » بشكل عام ويذكر كنماذج GPT-3.5 أو GPT-4 أو GPT-4o، دون تسمية Bing أو Copilot.
الجمل المركزية، الحداثة والمصداقية
لتلخيص الصفحات، يبدأ النظام بتنظيف المحتوى بحذف علامات HTML والأحرف الخاصة وأخطاء الترميز. ثم يُقسَّم النص إلى جمل، ويُختصر بطريقة انتقائية، باختيار جمل موجودة بدلاً من إعادة كتابة المحتوى. الطريقة الرئيسية تمثل كل جملة كعقدة في رسم بياني، مرتبطة بالجمل الأخرى من خلال تشابه جيب التمام، وهو مقياس للقرب الدلالي. تُعتبر الجملة مهمة إذا كانت مرتبطة بقوة بجمل أخرى مهمة بحد ذاتها، وهو ما يسميه إيان سورين «ترتيب الصفحات للجمل». تصف البراءة أيضًا تجميعًا حسب الموضوعات واختيارًا يعتمد على المصطلحات المتكررة بالنسبة لاستعلام البحث. ثم تُفضل الجمل الموجودة في المقدمة أو الخاتمة.
يتم تقييم الحداثة بناءً على الطابع الزمني للمحتويات، أي تاريخ إنشائها أو آخر تعديل لها. تتلقى المحتويات الأقدم درجة صلة أقل، مع استثناءات للمعرفة الأساسية، وعتبات عمر متغيرة حسب المجال، وكشف للتحديثات. تعتمد المصداقية على درجة سمعة تجمع بين الدقة التاريخية، وسلطة المجال، والمراجعة من قبل الأقران. كما يقارن النظام المعلومات بين عدة مصادر مستقلة، ويتحقق من تنوع وجهات النظر. لا تحدد البراءة كيفية قياس هذه المعايير.
توجيهات للمحررين، دون تطبيق مثبت
تصف الوثيقة العديد من المتغيرات، مقدمة بصيغة « في بعض التطبيقات ». لذا فإن نشرها لا يثبت أن هذا النظام يعمل حاليًا خلف Bing أو Copilot. ومع ذلك، فإنها تُسلط الضوء على منطق الاختيار الذي يمكن لمحرك بحث توليدي تطبيقه على الصفحات التي يسترجعها. بالنسبة للفرق التحريرية، يستخلص إيان سورين عدة دروس منها: جمل تلخيصية مستقلة، ووضع الأساسيات في المقدمة والخاتمة، وتواريخ النشر والتحديث المرئية، وأسلوب واقعي، وبيانات قابلة للمقارنة.
مع ذلك، تترك البراءة سؤالًا مفتوحًا، وهو مسألة المعلومات الحصرية. الخبر الحصري أو البيانات المملوكة، التي تنشرها مصادر قليلة وقت نشرها، تُطلق البحث عن مصادر تكميلية. لا يوضح النص ما يحدث لهذه المعلومات عندما لا يجد النظام أيًا منها.
