يُعدّ بحث جوجل محرك فهرسة الويب الشامل الذي يستخدمه معظم الناس يوميًا، بينما يُعدّ بحث الرسم البياني المعرفي قاعدة بيانات الكيانات المنظمة من جوجل التي تدعم الإجابات المباشرة ولوحات المعلومات. ويساعد فهم الاختلافات بينهما في تفسير سبب عرض بعض الاستعلامات لمعلومات غنية، بينما تعرض استعلامات أخرى روابط زرقاء تقليدية.
محرك البحث الإلكتروني المهيمن في العالم الذي يفهرس مليارات الصفحات ويرتب النتائج باستخدام خوارزميات مثل PageRank و RankBrain و BERT.
قاعدة معرفية دلالية أطلقتها جوجل في عام 2012، تقوم بتنظيم المعلومات حول الكيانات في العالم الحقيقي وعلاقاتها لتقديم إجابات مباشرة.
| الميزة | بحث جوجل | البحث في الرسم البياني المعرفي |
|---|---|---|
| الوظيفة الأساسية | يعرض قوائم مرتبة لصفحات الويب المطابقة للاستعلام | يُعيد معلومات مُهيكلة حول الكيانات وعلاقاتها |
| سنة الإطلاق | 1997 (تحت اسم BackRub، ثم أعيد تسميتها إلى Google في عام 1998) | 2012 |
| مصدر البيانات | تم الزحف إلى صفحات الويب وفهرستها من جميع أنحاء الإنترنت | قواعد بيانات مُنسقة، ويكيبيديا، مصادر مرخصة، وشركاء موثوق بهم |
| تنسيق الإخراج | عشرة روابط زرقاء، ومقتطفات، وصور، وفيديوهات، ومقتطفات مميزة | لوحات المعرفة، وبطاقات الكيانات، ومربعات الإجابة المباشرة |
| التكنولوجيا الأساسية | PageRank و RankBrain و BERT والمطابقة العصبية | قاعدة بيانات رسومية باستخدام الثلاثيات الدلالية (فاعل-مسند-مفعول به) |
| نوع الاستعلام الأنسب | استفسارات واسعة النطاق أو استكشافية أو توجيهية | استفسارات واقعية حول أشخاص أو أماكن أو منظمات أو أشياء محددة |
| مقياس البيانات | فهرسة مئات المليارات من صفحات الويب | أكثر من 500 مليار معلومة موزعة على ما يقرب من 70 مليار كيان |
| تفاعل المستخدم | انقر للوصول إلى مواقع الويب الخارجية للحصول على المعلومات الكاملة | اقرأ الإجابات مباشرة على صفحة النتائج دون الحاجة إلى النقر |
يعمل محرك بحث جوجل كفهرس مكتبة ضخم، حيث يزحف عبر الإنترنت المفتوح ويرتب الصفحات بناءً على مدى صلتها بالموضوع وقوة نتائج البحث. فعندما تكتب استعلامًا، يقارن كلماتك بفهرسه ويعرض لك الصفحات الأكثر فائدة. أما بحث الرسم البياني المعرفي فيعمل بطريقة مختلفة. فبدلاً من مطابقة الكلمات المفتاحية بالوثائق، يفهم أن استعلامك يشير إلى كيان محدد، كشخص أو مدينة أو عنصر كيميائي، ويستخرج معلومات موثقة عن هذا الكيان من قاعدة بيانات منظمة.
يستقي محرك بحث جوجل التقليدي نتائجه من أي صفحة ويب متاحة للعامة تقريبًا، مما يعني أنه يغطي نطاقًا واسعًا من المحتوى، ولكنه يشمل أيضًا مصادر أقل جودة أو غير موثوقة. أما مخطط المعرفة، فيتبع نهجًا معاكسًا، إذ يستقي نتائجه من مجموعة منتقاة من المصادر الموثوقة، مثل ويكيبيديا وقواعد البيانات الحكومية ومجموعات البيانات التجارية المرخصة. وهذا ما يجعل نتائج مخطط المعرفة أكثر موثوقية للبحث عن الحقائق، ولكنه يحد من نطاق المواضيع التي يمكنه تغطيتها.
تعرض صفحة نتائج بحث جوجل القياسية عشرة روابط زرقاء بالإضافة إلى مقتطفات مميزة وصور وإعلانات. أما نتائج الرسم البياني المعرفي فتظهر كلوحة معلومات على الجانب الأيمن من الصفحة (أو في الأعلى على الهاتف المحمول)، حيث تعرض ملخصًا وحقائق أساسية وصورًا وكيانات ذات صلة. عمليًا، يعمل النظامان معًا في معظم الاستعلامات، حيث تُكمّل لوحة المعلومات المعرفية النتائج التقليدية بدلًا من استبدالها.
يتفوق محرك بحث جوجل في التعامل مع الاستفسارات الغامضة أو الاستكشافية أو ذات الكلمات المفتاحية الطويلة، حيث يرغب المستخدمون في اكتشاف محتوى عبر الإنترنت. أما بحث الرسم البياني المعرفي، فيبرز بشكل خاص عندما يرغب المستخدمون في الحصول على إجابة سريعة ودقيقة حول كيان معروف، مثل عدد سكان طوكيو أو تاريخ ميلاد أحد المشاهير. بالنسبة للمواضيع المتخصصة أو الحقائق النادرة أو الأحداث الأخيرة، يتفوق البحث التقليدي عادةً على الرسم البياني المعرفي، لأن قاعدة البيانات المنظمة ببساطة لا تحتوي على هذه المعلومات.
شهد كلا النظامين تطورًا ملحوظًا بفضل الذكاء الاصطناعي. فقد دمج محرك بحث جوجل نموذج BERT ونموذج MUM الأحدث لتحسين فهم اللغة الطبيعية والاستعلامات المعقدة. وتُغذي قاعدة بيانات المعرفة ميزات الذكاء الاصطناعي الجديدة من جوجل، بما في ذلك نظرة عامة على الذكاء الاصطناعي والإجابات المدعومة بتقنية Gemini، والتي تجمع بين بيانات الرسم البياني ونماذج اللغة التوليدية. وبهذا المعنى، تُصبح قاعدة بيانات المعرفة طبقة أساسية لطموحات جوجل الأوسع نطاقًا في مجال البحث المدعوم بالذكاء الاصطناعي، بدلًا من كونها منتجًا قائمًا بذاته.
الرسم البياني المعرفي هو نفسه محرك بحث جوجل.
هما نظامان منفصلان يعملان معًا. يقوم محرك بحث جوجل بفهرسة صفحات الويب، بينما تُعدّ قاعدة بيانات المعرفة قاعدة بيانات منظمة للكيانات والحقائق. تجمع معظم نتائج البحث بين النظامين، لكنهما يخدمان أغراضًا مختلفة.
تأتي نتائج مخطط المعرفة دائمًا من ويكيبيديا.
تُعدّ ويكيبيديا مصدراً رئيسياً، لكنّ قاعدة بيانات جوجل المعرفية تستقي معلوماتها أيضاً من كتاب حقائق العالم الصادر عن وكالة المخابرات المركزية، وقاعدة بيانات فري بيس، وقواعد البيانات التجارية المرخصة، والعديد من الشركاء الموثوقين الآخرين. ولا تعتمد جوجل على مصدر واحد فقط.
إذا كانت الحقيقة موجودة في الرسم البياني المعرفي، فيجب أن تكون دقيقة بنسبة 100%.
قد يحتوي مخطط المعرفة على أخطاء لأنه يجمع البيانات من مصادر متعددة، وهذه المصادر قد تختلف أو تصبح قديمة. تسمح جوجل للمستخدمين باقتراح تصحيحات، لكن الدقة غير مضمونة.
يستخدم بحث جوجل مطابقة الكلمات الرئيسية فقط.
يستخدم محرك بحث جوجل الحديث نماذج تعلم آلي متطورة تشمل RankBrain وBERT والمطابقة العصبية لفهم النية والسياق وراء الاستعلامات، وليس فقط الكلمات الرئيسية المكتوبة حرفيًا.
يمكن لـ"مخطط المعرفة" الإجابة على أي سؤال.
تم تصميم مخطط المعرفة للاستعلامات الواقعية حول الكيانات المحددة جيدًا. ولا يمكنه الإجابة على الأسئلة الذاتية، أو إجراء العمليات الحسابية، أو استرجاع المعلومات الحديثة جدًا التي لم تُضَف بعد إلى قاعدة بياناته.
اختر بحث جوجل عندما تحتاج إلى اكتشاف شامل، أو معلومات حديثة، أو وجهات نظر متنوعة من مختلف أنحاء الإنترنت. اختر بحث الرسم البياني المعرفي عندما تريد معلومة سريعة وموثوقة حول كيان محدد جيدًا، مثل شخصية مشهورة، أو مكان، أو منظمة. عمليًا، يستفيد معظم المستخدمين من استخدام كليهما معًا، حيث يدمج جوجل نتائج البحث في كل صفحة.
يُحسّن كلٌّ من RAG ونماذج LLM المُحسّنة جودة مخرجات الذكاء الاصطناعي، لكنهما يعملان بطرق مختلفة تمامًا. يستخلص RAG المعلومات الخارجية عند الاستعلام، بينما يُدمج التحسين المعرفة الجديدة مباشرةً في أوزان النموذج. ويعتمد الاختيار بينهما على مدى تكرار تغيّر البيانات ومستوى الدقة المطلوب.
تُعد آليات الانتباه الذاتي ونماذج فضاء الحالة من المناهج الأساسية لنمذجة التسلسلات في الذكاء الاصطناعي الحديث. يتفوق الانتباه الذاتي في التقاط العلاقات الغنية بين الرموز، ولكنه يصبح مكلفًا مع التسلسلات الطويلة، بينما تعالج نماذج فضاء الحالة التسلسلات بكفاءة أكبر مع التوسع الخطي، مما يجعلها جذابة للتطبيقات ذات السياق الطويل والتطبيقات الآنية.
تُعدّ آليات الانتباه أساسية في الذكاء الاصطناعي الحديث، سواءً في مجال رؤية الحاسوب أو معالجة اللغة الطبيعية، إلا أنها تخدم أغراضًا مختلفة وتطورت عبر مسارات متباينة. يساعد الانتباه في مجال الرؤية النماذج على التركيز على مناطق الصورة ذات الصلة، بينما يُمكّن الانتباه في معالجة اللغة الطبيعية من فهم العلاقات بين الكلمات في النصوص.
تجمع أساليب الممثل-الناقد بين تدرجات السياسة ودالة القيمة المُتعلمة لتقليل التباين وتسريع عملية التعلم، بينما تعتمد أساليب تدرج السياسة البحتة كليًا على السياسة وعوائد مونت كارلو. ويعتمد الاختيار بينهما على ما إذا كنت بحاجة إلى الاستقرار وكفاءة العينة أم إلى البساطة والتقديرات غير المتحيزة.
تُفصّل هذه المقارنة الاختلافات الهيكلية الأساسية، وحالات الاستخدام العملية، والمفاضلات في الأداء بين تعلّم الرسم البياني الزمني ونمذجة التسلسل التقليدية. فبينما تُجسّد نمذجة التسلسل التطورات الخطية كالنصوص أو بيانات السلاسل الزمنية، يُعالج تعلّم الرسم البياني الزمني تفاعلات الشبكة والعلاقات المتغيرة مع الزمن في آنٍ واحد، مما يُوفر لك مخططًا شاملاً لاختيار البنية المناسبة.
