الذكاء الاصطناعي للمستندات

يشير مصطلح ذكاء المستندات ، المعروف أيضاً باسم ذكاء الوثائق ، إلى مجال تقني يستخدم تقنيات التعلم الآلي ، مثل معالجة اللغة الطبيعية . ^{[ 1 ]} تُستخدم هذه التقنيات لتطوير نماذج حاسوبية قادرة على تحليل المستندات بطريقة تحاكي المراجعة البشرية .

بفضل معالجة اللغة الطبيعية، تستطيع أنظمة الحاسوب فهم العلاقات والفروق الدقيقة السياقية في محتويات المستندات، مما يسهل استخلاص المعلومات والرؤى. إضافةً إلى ذلك، تُمكّن هذه التقنية من تصنيف المستندات وتنظيمها. ^{[ 2 ]}

تمتد تطبيقات الذكاء الاصطناعي للمستندات لتشمل معالجة وتحليل مجموعة متنوعة من المستندات شبه المهيكلة ، مثل النماذج والجداول والإيصالات والفواتير ونماذج الضرائب والعقود واتفاقيات القروض والتقارير المالية .

تُستخدم تقنيات التعلّم الآلي في الذكاء الاصطناعي للوثائق لاستخراج المعلومات من الوثائق المطبوعة والرقمية على حد سواء . تتعرف هذه التقنية على الصور والنصوص والأحرف بلغاتٍ مختلفة، مما يُساعد في استخلاص المعلومات القيّمة من الوثائق غير المهيكلة . يُمكن أن يُحسّن استخدام هذه التقنية سرعة وجودة اتخاذ القرارات في تحليل الوثائق. بالإضافة إلى ذلك، يُمكن أن تُساهم أتمتة استخراج البيانات والتحقق منها في زيادة كفاءة عمليات تحليل الوثائق. منذ أوائل العقد الثالث من القرن الحادي والعشرين، أدى دمج نماذج لغوية ضخمة إلى توسيع نطاق الذكاء الاصطناعي للوثائق ليشمل مهامًا توليدية، بما في ذلك الصياغة الآلية للنماذج والعقود وملخصات الوثائق. ^{[ 3 ]}

تحتوي الرسالة التجارية على معلومات نصية، بالإضافة إلى معلومات أخرى، مثل موضع النص. فعلى سبيل المثال، تحتوي الرسالة النموذجية على عنوانين قبل متن الرسالة. العنوان الموجود في الأعلى (وأحيانًا يكون محاذيًا لليمين) هو عنوان المرسل . يليه عادةً تاريخ الرسالة ومكان كتابتها. ثم يُذكر عنوان المُستلم .

يتم التمييز بين عنوان المرسل وعنوان المستلم فقط من خلال موضع العنوان على الصفحة، أي لا يوجد أي إشارة نصية كما هو الحال Sender:أمام العناوين.

تُصنّف البيانات عادةً إلى بيانات مكانية وبيانات سلاسل زمنية. تشمل الأولى الصور والخرائط والرسوم البيانية، بينما تشمل الثانية مؤشرات مثل أسعار الأسهم أو التسجيلات الصوتية. يجمع الذكاء الاصطناعي للوثائق بين البيانات النصية، التي تتضمن بُعدًا زمنيًا، وأنواع أخرى من البيانات، مثل موقع عنوان في رسالة عمل، وهو بُعد مكاني.

تاريخياً، في مجال تعلم الآلة، كانت البيانات المكانية تُحلل باستخدام الشبكات العصبية الالتفافية ، بينما تُحلل البيانات الزمنية باستخدام الشبكات العصبية المتكررة . ومع ظهور بنية المحولات غير المعتمدة على نوع البُعد ، أصبح من الممكن دمج هذين النوعين المختلفين من الأبعاد بسهولة أكبر، ويُعد الذكاء الاصطناعي للوثائق مثالاً على ذلك.

تُستخدم العديد من مجموعات البيانات العامة لتقييم أنظمة الذكاء الاصطناعي للوثائق.

• يحتوي FUNSD (فهم النماذج في المستندات الممسوحة ضوئياً المشوشة) على 199 نموذجاً مشروحاً مع تسميات على مستوى الرموز والكتل لمهام فهم النماذج. ^{[ 4 ]}

• يدعم برنامج CORD (مجموعة بيانات الإيصالات الموحدة) استخراج المعلومات الرئيسية من الإيصالات. ^{[ 5 ]}

• يحتوي DocVQA على ما يقرب من 50000 سؤال موزعة على أكثر من 12000 صورة مستندية للإجابة على الأسئلة المرئية مع مراعاة التخطيط. ^{[ 6 ]}

تُستخدم أنظمة الذكاء الاصطناعي للمستندات لأتمتة معالجة المستندات واستخراج المعلومات في سير العمل التجاري والمالي، بما في ذلك معالجة الفواتير والإيصالات، وأتمتة إدخال البيانات، واكتشاف الحالات الشاذة، ومعالجة الرهن العقاري، ومراقبة محفظة القروض، وإدارة مخاطر الائتمان، واكتشاف الاحتيال مثل العملات المزيفة والشيكات الاحتيالية.

تُستخدم هذه التقنيات أيضًا في الامتثال التنظيمي وتحليل العقود، بما في ذلك تقييم التغييرات في الوثائق القانونية والتنظيمية. في مجال العقارات، يدعم الذكاء الاصطناعي للوثائق تصنيف المستندات واستخراج المعلومات المنظمة لتوحيد عمليات المعالجة والتحليل. ^{[ 7 ]} ومع اعتماد الذكاء الاصطناعي التوليدي، تستطيع أنظمة الذكاء الاصطناعي للوثائق أيضًا إنشاء وتعبئة المستندات المنظمة مسبقًا، مثل العقود أو نماذج الأعمال، بناءً على نصوص اللغة الطبيعية. ^{[ 8 ]}