NER بعقلانية: لماذا تتفوق الـ spans أخيرًا على وسوم BIO

تخيّلوا أنكم تبنون منزلًا، لكن بدلًا من التعامل مع الطوب أو الجدران الكاملة، تُجبرون العمال على وصف كل حبة رمل في الملاط. هذا تقريبًا ما فعلناه في NLP طوال السنوات العشر الماضية، باستخدام ترميز BIO للتعرف على الكيانات المسمّاة (NER). اعتدنا على فكرة أن النموذج يجب أن يضع وسمًا على كل رمز (token): هنا بدأ الكيان (B)، وهنا يستمر (I)، وهنا خرجنا من حدوده (O). كان ذلك مناسبًا للرياضيات ولطبقات CRF القديمة الجيدة، لكنه غير فعّال إطلاقًا بالنسبة للأنظمة الواقعية.

المشكلة أن الكيان في النص ليس سلسلة من الوسوم، بل مقطع متكامل له حدود فعلية. وحين نُجبر النموذج على التنبؤ بوسوم لكل جزء صغير من الكلمة، نخلق قدرًا هائلًا من التكرار الزائد ونقاط فشل إضافية. يعرف هذا الألم بالتحديد كل من درّب BERT أو مشتقاته على مهام NER. فالمُجزِّئات (tokenizers) الحديثة مثل WordPiece أو BPE تقسّم الكلمات المعقدة إلى رموز فرعية. ونتيجة لذلك، قد يتحول اسم عائلة بسيط إلى ثلاثة أو أربعة أجزاء، فتضطرون إما إلى إخفاء الأجزاء الزائدة بالقناع (masking)، أو ابتكار حلول ترقيعية لدمجها في المعالجة اللاحقة (post-processing). فتحصلون على تنبؤ يحتاج إلى فك ترميز طويل ومرهق، لمجرد الإجابة عن سؤال: أين اسم المدير هنا؟

الانتقال إلى نهج على مستوى الـ span ليس مجرد ترف معماري آخر، بل اعتراف بأننا سلكنا طويلًا طريق أقل مقاومة. فبدلًا من تصنيف كل رمز، بدأت الأنظمة الحديثة تنظر إلى النص بوصفه مجموعة من المقاطع المحتملة (spans). يتعلم النموذج تحديد الحدود، أي فهرس البداية وفهرس النهاية، ثم يربط بهذا المقطع نوع الكيان. وهذا يحل نهائيًا مشكلة التسلسلات غير المتسقة. ففي عالم BIO كان بإمكان النموذج أن يُخرج وسم بداية منظمة، ثم يتبعه في الرمز التالي بوسم استمرار شخص. أما في نهج الـ span فهذا الخطأ المنطقي مستحيل تقنيًا. فالنموذج يقول ببساطة: من الكلمة الثالثة إلى الخامسة لدينا موقع جغرافي. وهذا التقرير ذرّي لا يتجزأ.

علاوة على ذلك، يعجز نهج BIO التقليدي تمامًا أمام الكيانات المتداخلة (nested entities). جرّبوا أن تُرمّزوا بشكل سليم عبارة «جامعة موسكو الحكومية» إذا كان تطبيقكم يحتاج إلى استخراج المدينة (موسكو) والمؤسسة التعليمية نفسها ككيان مستقل. ففي إطار سلسلة رموز أحادية البعد يتحول الأمر إلى جحيم تركيبي، أو يتطلب تكديس عدة نماذج فوق بعضها. أما الـ spans فتحل هذه المهمة بأناقة وبشكل طبيعي: فالجزء نفسه من النص، أو مجموعة فرعية منه، يمكن أن ينتمي إلى فئات مختلفة على مستويات تجريد مختلفة. وهذا حاسم في الوثائق القانونية، حيث يتضمن العقدُ ملحقًا، والملحقُ بدوره مدرج في محضر، وكذلك في الطب، حيث قد يكون اسم عَرَض جزءًا من اسم متلازمة معقدة.

لماذا يهمّ الحديث عن هذا تحديدًا الآن؟ نحن نخرج بسرعة من عصر «المهم أن ينتج النموذج أي شيء» إلى عصر الذكاء الاصطناعي الصناعي الموثوق. ففي خطوط المعالجة الواقعية، أصبحت نظافة البيانات وسهولة الصيانة وإمكانية التنبؤ بالنتائج أهم من انتزاع نسبة مئوية إضافية من مقياس F1 على مجموعات بيانات أكاديمية مستهلكة مثل CoNLL-2003. ويتيح استخدام الـ spans تبسيط الشيفرة جذريًا، والتخلص من مئات أسطر التعبيرات النمطية (regular expressions) المخصصة لدمج الرموز، وجعل النماذج أكثر مقاومة للضوضاء الخاصة بالتجزئة إلى رموز.

إذا كانت وحدة NER لديكم لا تزال تُخرج سيلًا لا ينتهي من الوسوم تحاولون لاحقًا تجميعه في كيانات ذات معنى، فأنتم عالقون في الماضي. فالمنظومة الحديثة تتطلب العمل المباشر مع حدود المعنى. وهذا لا يُسرّع التطوير فحسب، بل هو أيضًا أكثر منطقية ببساطة من الناحية اللغوية. فنحن لا نقرأ الكلمات حرفًا حرفًا، بل ندرك العبارات والكيانات كاملة. وقد آن الأوان لأن تبدأ نماذجنا بالأمر نفسه.

الخلاصة: حان الوقت للتوقف عن تعليم النماذج رؤية الرموز، والبدء بتعليمها رؤية الكتل ذات المعنى. مستقبل NER للمعماريات التي تعمل مع حدود الكيانات مباشرة، وتترك وسوم BIO في كتب التاريخ.