یادگیری مبتنی بر منبع چیست؟

یادگیری مبتنی بر منبع (Source-grounded Learning) رویکردی در حوزه‌ی هوش مصنوعی و یادگیری ماشین است که در آن مدل تنها بر اساس اطلاعات موجود در یک یا چند منبع مشخص (مانند اسناد، پایگاه‌های داده یا منابع بارگذاری شده‌ی کاربر) پاسخ‌دهی و تحلیل می‌کند. به بیان دیگر، مدل هوش مصنوعی حق ندارد از دانش پیشین یا داده‌های عمومی خود استفاده کند، بلکه کاملاً وابسته به منابعی است که تعیین شده‌اند. این ویژگی باعث می‌شود اطمینان حاصل شود که اطلاعات خروجی دقیقاً بر اساس داده‌ها و منابع خاص ارائه شده‌اند، نه برداشت‌های کلی یا حافظه مدل.

این رویکرد اهمیت زیادی در کاربردهایی دارد که اعتبار یا به‌روز بودن اطلاعات حیاتی است. برای مثال، فرض کنید پزشک یا وکیل اسناد خاصی را بارگذاری می‌کند و می‌خواهد مدل فقط با استناد به همان اسناد پاسخ دهد. یا در شرکت‌های ایرانی، زمانی که می‌خواهیم پاسخ‌های یک چت‌بات دقیقاً مطابق مستندات یا دستورالعمل‌های شرکتی باشد، یادگیری مبتنی بر منبع تضمین می‌کند خروجی‌های ارائه شده از چهارچوب داده‌های ارائه شده خارج نشوند.

مثلاً اگر کاربری اسناد راهنمای کاربری یک نرم‌افزار داخلی را بارگذاری کند و از مدل هوش مصنوعی بخواهد نحوه ثبت درخواست مرخصی را توضیح دهد، مدل فقط به محتوای همان اسناد رجوع می‌کند و از هیچ دانش عمومی خارج از آن‌ها کمک نمی‌گیرد.

اصطلاح یادگیری مبتنی بر منبع نباید با "یادگیری مبتنی بر دانش" (Knowledge-grounded Learning) اشتباه گرفته شود. در یادگیری مبتنی بر دانش، مدل ممکن است به هر نوع دانش زمینه‌ای (اعم از عمومی یا خاص) تکیه کند، در حالی که در یادگیری مبتنی بر منبع فقط به داده‌های معین و بارگذاری شده محدود است.