تركيز الأبحاث
خمسة مجالات مترابطة، برنامج واحد
باعتبارنا أحد المعاهد الرائدة في مجال إدارة المعرفة المؤسسية في هونج كونج، تمتد أبحاثنا من كيفية عثور الآلات على المعرفة، إلى كيفية هيكلتها، والتصرف بناءً عليها، والتوليد باستخدامها، وحوكمتها. كل مجال يغذي التالي، ويتم التحقق من صحة ذلك كله مقابل بيانات مؤسسية حقيقية، بقيادة فريق بعيد النظر يهتم بأهمية التعلم العميق والذكاء الاصطناعي وتأثيرهما على المجتمع.
التوليد المعزز بالاسترجاع (RAG)
تتمتع النماذج اللغوية الكبيرة بطلاقة لغوية ولكنها سريعة النسيان: فهي تعرف الإنترنت العام، ولكنها لا تعرف مؤسستك. يعمل نظام RAG على ربط إجابات النماذج بوثائق المؤسسة الخاصة بحيث تكون الردود دقيقة ومحدثة وقابلة للاستشهاد بها، وهي حجر الأساس لأنظمة الأسئلة والأجوبة والبحث والمساعدين الموثوقين في المؤسسات.
تبحث دراساتنا في كامل المسار: استراتيجيات تقطيع الوثائق وتضمينها لمجموعات البيانات المختلطة بين الإنجليزية والصينية، والبحث الهجين (الكثيف بالإضافة إلى الكلمات الرئيسية)، وإعادة التصنيف، ودقة الاستشهاد. نولي أهمية خاصة للتقييم: الأطر التي تقيس الأمانة واكتمال الإجابة، وليس فقط الطلاقة.
المحاور الحالية: جودة الاسترجاع ثنائي اللغة · استراتيجيات الوثائق الطويلة · معايير تقييم الاسترجاع · تقليل الهلوسة
رسوم المعرفة للمؤسسات
معظم المعرفة المؤسسية محبوسة في محتوى غير مهيكل: العقود، التقارير، رسائل البريد الإلكتروني، والويكي. تستخرج رسوم المعرفة الكيانات والعلاقات داخل هذا المحتوى وتربطها في هيكل قابل للتنقل: من عمل على ماذا، وأي منتج يعتمد على أي مورد، وكيف تعود القرارات إلى الأدلة.
نحن ندرس بناء الرسوم البيانية آلياً باستخدام النماذج اللغوية الكبيرة (LLMs)، والاسترجاع المعزز بالرسوم البيانية (GraphRAG) الذي يجمع بين البحث الهيكلي والدلالي، والمشكلة التشغيلية الأصعب: إبقاء الرسم البياني محدثاً مع تغير المؤسسة وأفرادها ومنتجاتها.
المحاور الحالية: استخراج الكيانات والعلاقات القائم على LLM · هنيات GraphRAG · صيانة الرسوم البيانية وإصداراتها · تصميم الوجودية (Ontology) لمجالات الأعمال
أنظمة الذكاء الاصطناعي الوكيل
الطبقة التالية فوق الاسترجاع هي العمل: وكلاء الذكاء الاصطناعي الذين يخططون لعمل متعدد الخطوات، ويستدعون الأدوات، ويستعلمون الأنظمة، وينتجون مخرجات نهائية مثل مذكرات الأبحاث والتقارير وتشغيل العمليات. التحدي الهندسي يكمن في الموثوقية؛ والتحدي التنظيمي يكمن في السيطرة.
يغطي عملنا تفكيك المهام، ومتانة استخدام الأدوات، وتنسيق الوكلاء المتعددين، ونقاط التحقق بمشاركة بشرية (human-in-the-loop) التي تسمح للمؤسسات بتفويض سير العمل الحقيقي دون التخلي عن الإشراف. نحن نقيس أداء الوكلاء في مهام مؤسسية واقعية بدلاً من الألغاز الاصطناعية.
المحاور الحالية: قياس موثوقية الوكيل · أنماط تكامل الأدوات وبروتوكول MCP · تصميم الموافقة والتصعيد · اقتصاديات سير العمل الوكيل
الذكاء الاصطناعي التوليدي ومتعدد الوسائط
لا تقتصر معرفة المؤسسة على النصوص فقط. نحن نبحث في النماذج التوليدية عبر النص والصورة والفيديو لاستخدامات الأعمال، من الوثائق التقنية والأصول التسويقية إلى مسارات إنتاج AIGC الكاملة لتصميم المنتجات والاتصالات.
الأسئلة التي نطرحها هي أسئلة عملية: كيفية الحفاظ على اتساق المخرجات المولدة مع العلامة التجارية والمواد المصدرية الواقعية، وكيفية تتبع المصدر والامتثال لقواعد الإفصاح الناشئة، وكيف تغير اقتصاديات التوليد على نطاق واسع عمليات المحتوى.
المحاور الحالية: مسارات إنتاج الفيديو · التوليد المتسق مع العلامة التجارية · مصدر المحتوى والعلامات المائية · تصميم سير عمل AIGC
الذكاء الاصطناعي المسؤول والحوكمة
لا يمكن لأي مما سبق أن يصل إلى مرحلة الإنتاج في مؤسسة جادة بدون حوكمة. نحن نطور أطراً لنشر الذكاء الاصطناعي في بيئات الأعمال المنظمة وثنائية اللغة: خصوصية البيانات بموجب قانون PDPO في هونغ كونغ والقواعد العابرة للحدود، وتقييم مخاطر النماذج، وقابلية التدقيق للقرارات المدعومة بالذكاء الاصطناعي، والجاهزية للوائح الذكاء الاصطناعي الدولية التي تؤثر على الشركات التي تعمل عالمياً.
هذا المجال يتقاطع مع كل مشروع نقوم به: الحوكمة المصممة منذ البداية، وليس التي تتم إضافتها بعد وقوع حادث.
المحاور الحالية: تقييم مخاطر الذكاء الاصطناعي للشركات الصغيرة والمتوسطة والكبيرة · سجلات التدقيق للأنظمة الوكيلة · مراقبة التطورات التنظيمية · توثيق السياسات ثنائية اللغة
تعاون معنادليل: قياس عائد الاستثمار للذكاء الاصطناعي في إدارة المعرفةعن المعهد
