AI Sense Maker של NUS: איך בינה מלאכותית הופכת 150 אלף פריטים לכלי מחקר שיחתי

מהו AI Sense Maker?

AI Sense Maker הוא כלי מחקר שיחתי מבוסס־אינטרנט, שפותח על ידי ספריות האוניברסיטה הלאומית של סינגפור (NUS Libraries) ומחלקת טכנולוגיית המידע של האוניברסיטה (NUS IT). מטרתו היא להקל על גילוי, חיבור ואיתור של מקורות ראשוניים בתוך האוספים האקדמיים והמורשתיים שעברו דיגיטציה ב־NUS — לא לכתוב במקום החוקר את הטיעון, ולא להחליף קריאה מדוקדקת של המקורות.

מתי הוא יושק ומי יוכל להשתמש בו?

ההשקה מתוכננת ל־20 באוגוסט 2026, עם פתיחת הסמסטר האקדמי החדש. בשלב הראשון הגישה מיועדת ל־סטודנטים, חברי סגל ובוגרי NUS.

הכלי משתלב במהלך רחב יותר של NUS להרחבת השימוש בבינה מלאכותית בהוראה ובמחקר, אך הייעוד שלו ממוקד: הוא נועד לנווט בתוך אוספי האוניברסיטה, ולא לשמש כצ׳אטבוט כללי שמחפש מידע בכל רחבי האינטרנט.

אילו חומרים נמצאים במאגר?

הגרסה הראשונית משלבת מידע משני מאגרים של NUS:

• ScholarBank — מאגר של מחקרים, מאמרים ותוצרים אקדמיים של האוניברסיטה.
• Digital Gems — מאגר של אוספים נדירים ומיוחדים שעברו דיגיטציה.

יחד כוללים המאגרים כ־150 אלף פריטים דיגיטליים. הם מכסים תחומים כמו הנדסה, מדעי החיים, רפואה, מדעי הרוח ומדעי המחשב, לצד חומרים בעלי זיקה אזורית לדרום־מזרח אסיה.

בין הדוגמאות לחומרים שנכללים בגוף הידע נמצאים העיתון הסיני־לשוני היומי Lat Pau, שראה אור לראשונה בסינגפור ב־1881; המהדורה המודפסת הראשונה, משנת 1817, של The History of Java מאת סר סטמפורד ראפלס; יצירות ספרות מתקופת שושלת טאנג; וכן, לאחר השלמת הדיגיטציה והקליטה במערכת, היצירות המוזיקליות והתרחישים המקוריים של וואנג שא.

איך מתבצע חיפוש ב־AI Sense Maker?

במקום להתחיל ברשימה של מילות מפתח מדויקות, המשתמש יכול לנסח שאלה בשפה יומיומית. המערכת מציעה מצבי חיפוש מהיר, איטרטיבי ומעמיק, כך שאפשר לבחור בין התמצאות ראשונית לבין חקירה רחבה יותר.

בתגובה, הפלטפורמה עשויה להציג כמה שכבות של מידע:

1. סקירת נושא מובנית — מפת פתיחה שמסייעת להבין את תחום השאלה.
2. מושגים קשורים — רעיונות שעשויים לחדד או להרחיב את החיפוש.
3. מקורות לקריאה נוספת — מתוך מאגרי NUS.
4. ציטוטים והפניות — המובילים את המשתמש אל החומרים המקוריים.
5. גרף ידע — תצוגה של הקשרים בין מושגים, תחומי דעת ומקורות.

לדוגמה, שאלה על הסיבה לכך ששכונות מסוימות בסינגפור מרגישות חמות יותר עשויה להוביל לקשרים בין צפיפות בנייה, צמחייה, חומרי בנייה וגופי מים. משם עשוי גרף הידע לחבר את הנושא לאקולוגיה עירונית, למדעי הסביבה, לפיזיקה אטמוספרית ולמיקרו־קלימטולוגיה.

במילים אחרות, זהו בעיקר כלי לשלב ההתמצאות במחקר: הוא יכול לעזור לחוקר להבין אילו מונחים, תחומים ומקורות כדאי לבדוק לפני שמעמיקים בקריאה.

מה מוסיף גרף הידע?

חיפוש מסורתי מציג בדרך כלל רשימה מדורגת של מסמכים. גרף ידע מציע זווית אחרת: הוא ממחיש כיצד הרעיונות שמופיעים במסמכים קשורים זה לזה.

הגרף של AI Sense Maker מבוסס על טקסונומיה מנוהלת — מערכת מסודרת של מושגים וקשרים ביניהם. הטקסונומיה עוצבה בתחילה בהשראת Wikidata, ולאחר מכן צומצמה ועברה התאמה לאוספים של NUS.

העריכה הזו חשובה, משום שהתועלת של גרף אינה תלויה רק במודל השפה, אלא גם באופן שבו המושגים מוגדרים ומחוברים בתוך המאגר. בפרויקטים בין־תחומיים, הגרף עשוי לחשוף אוצר מילים או תחומי מחקר סמוכים שהמשתמש לא כלל בשאלה המקורית. עם זאת, הקשרים שמוצגים בו הם כיוונים לבדיקה — לא הוכחה שכל קשר שמציעה המערכת תקף מבחינה אקדמית.

GPT־4.1, RAG והגבלות על המקורות

הפלטפורמה משתמשת ב־GPT־4.1 יחד עם יצירה מועשרת באחזור מידע — Retrieval-Augmented Generation, או בקיצור RAG. במערכת כזו, המודל מאתר תחילה חומרים רלוונטיים מתוך אוסף מוגדר, ורק לאחר מכן נעזר בהם כדי לבנות תשובה. AI Sense Maker נועדה לבסס את תשובותיה על מקורות של NUS ולהוסיף ציטוטים שמאפשרים למשתמש לבדוק את החומר המקורי.

המערכת כוללת גם מנגנוני הגנה שמגבילים את החיפוש לתוכן האקדמי של האוניברסיטה: היא אינה מיועדת לחפש ברחבי האינטרנט הציבורי כדי להרכיב את תשובותיה. גבול כזה עשוי לצמצם תשובות לא מבוססות, אך אינו מבטל את הצורך לבדוק את המסמכים המצוטטים, לפרש מקורות ראשוניים ולוודא שהתשובה אכן משקפת את הראיות.

GPT־4.1 הוא המודל שמוזכר בדיווחים על AI Sense Maker. לפי OpenAI, משפחת GPT־4.1 כוללת שיפורים בציות להוראות ובהבנת הקשר ארוך. עם זאת, היכולות הכלליות של המודל אינן מהוות ראיה לכך שהמערכת תפיק תוצאות מחקר נטולות שגיאות.

מהן המגבלות ומה צפוי להשתפר?

לגרסה הראשונה יש כמה מגבלות משמעותיות:

• היא תומכת ב־שאילתות חד־פעמיות, ולכן אינה שומרת עדיין את ההקשר של שיחה לאורך סדרת שאלות המשך.
• היא יכולה לחפש רק חומרים שכבר עברו דיגיטציה ונקלטו במאגרים הרלוונטיים של NUS.
• היא יכולה לסייע באיתור מקורות וקשרים, אך אינה מסוגלת להעריך כל טיעון מחקרי או לבנות עבור המשתמש את המסקנה האקדמית הסופית.

NUS מפתחת שדרוגים הכוללים זיכרון היסטוריית שיחות למחקר מתמשך ו־תמלול קולי לטקסט.

לכן, דרך העבודה המתאימה היא להתייחס ל־AI Sense Maker כאל נקודת פתיחה: להשתמש בה כדי למפות נושא ולמצוא מקורות, לפתוח את ההפניות, להשוות בין פרשנויות — ולבנות את הניתוח הסופי באופן עצמאי.

האם הכלי יקצר את זמן גילוי המקורות?

NUS מעריכה ששלב ההתמצאות וגילוי המקורות בתחילת המחקר, שעלול להימשך כ־שבועיים, עשוי להתקצר לכ־30 דקות או פחות בעזרת AI Sense Maker.

זו הערכה מוסדית, ולא תוצאה שנבדקה באופן עצמאי. הציפייה הזהירה יותר היא שהמערכת תקצר את הזמן שמתבזבז על כיווני חיפוש חלשים ותסייע להרכיב במהירות רבה יותר רשימת מקורות ראשונית ומצוטטת.

התועלת הסבירה של הכלי תהיה אפוא בעיקר בתחילת התהליך: הגדרה מהירה יותר של היקף הנושא, אוצר מילים טוב יותר לחיפושים הבאים, וחשיפה מוקדמת לקשרים בין תחומי דעת ואוספים. הקריאה, ביקורת המקורות ובניית הטיעון יישארו עבודת מחקר אנושית.