حل مشكلة هلوسة الذكاء الاصطناعي في القرآن الكريم

تُعاني النماذج اللغوية الكبيرة (LLMs) من مشكلة الهلوسة الناتجة عن التوليد الاحتمالي للبيانات، وهو ما يمثل خطراً جسيماً عند التعامل مع النصوص الحساسة كالنصوص الشرعية. لمعالجة هذا التحدي التقني، أطلق مركز تفسير للدراسات القرآنية Tafsir MCP (الإصدار v1.0.0)، وهو خادم بيانات مفتوح المصدر مبني على بروتوكول Model Context Protocol (MCP) من شركة Anthropic، ليعمل كطبقة وسيطة (Middleware) تحول مساعدات الذكاء الاصطناعي من حالة “التنبؤ” إلى حالة “الاستدعاء الموثق”.

البنية التقنية واعتبارات الأداء

صُمم الخادم ليعمل بكفاءة في بيئات التشغيل المتباينة، مع التركيز على استهلاك الموارد المنخفض وضمان استمرارية العمل:

• هيكلية البيانات (Offline-First): يعتمد المشروع على قاعدة بيانات SQLite بحجم يقارب 214 ميجابايت، ويتم استدعاؤها للعمل في وضع القراءة فقط (mode=ro مع PRAGMA query_only=ON) لضمان أمان البيانات ومنع التعديل العرضي.
• سرعة الاستعلام: تم تزويد محرك البحث بفهارس FTS5 (Full-Text Search) متقدمة، مما يسمح بإجراء عمليات بحث معقدة داخل 6,236 آية وأكثر من 31 ألف صف تفسير في أجزاء من الثانية.
• حوكمة المدخلات (Validation): يتم استخدام Pydantic v2 لتطبيق قواعد تحقق صارمة (Strict Type Checking) على طلبات الـ Agent قبل تمريرها لقاعدة البيانات، مما يمنع تمرير استعلامات خاطئة (مثل طلب آية غير موجودة).

أدوات الربط البرمجي (Function Calling)

يُعرض الخادم 13 أداة متخصصة (Tools) يمكن للوكلاء الأذكياء (Agents) مثل Claude استدعاؤها آلياً لتنفيذ مهام محددة، من أبرزها:

• fetch_ayah: جلب النص العثماني الدقيق.
• fetch_tafsir: جلب التفسير من 6 مراجع معتمدة (الطبري، ابن كثير، البغوي، السعدي، الميسر، المختصر) مع إلزامية دمج إسناد المؤلف وتاريخ الوفاة.
• analyze_word & get_root_stats: تحليل صرفي وإحصائي لغوي دقيق وموثق.

النشر والتنفيذ العملي (Deployment)

يدعم النظام التكامل السريع وتوفير بيئات استضافة مرنة تناسب الاستخدام الفردي أو البنية التحتية للمؤسسات.
1. الربط المباشر لبيئات التطوير (عبر Claude Code):

claude mcp add tafsir --scope user -- uvx tafsir-mcp

2. التثبيت القياسي كحزمة مستقلة:

pip install tafsir-mcp
# أو لتنفيذ أسرع في بيئات الـ CI/CD
uvx tafsir-mcp

الواقع التشغيلي وبيئات الإنتاج (Operational Realities)

• بيئات النطاق الترددي المنخفض (Low Bandwidth): يتطلب النظام تنزيل ملف البيانات لمرة واحدة فقط عند الاستدعاء الأول عبر Hugging Face، ليعمل بعدها بشكل محلي ومستقل تماماً عن الإنترنت، مما يجعله معمارية مثالية للأنظمة المعزولة أو المحدودة الاتصال.
• الاستضافة وتطبيقات الويب: يمكن تغليف طبقة tafsir Python داخل حاويات Docker لخدمة طلبات HTTP عبر خوادم المؤسسة المركزية، أو استخدام نقطة الاتصال السحابية الجاهزة https://mcp.tafsir.net/mcp لربط المساعدات المخصصة مثل ChatGPT Custom MCP App.
• التراخيص والحوكمة: الكود المصدري متاح تحت ترخيص MIT (مما يسهل الاستخدام التجاري وبناء أنظمة فوقه)، بينما المحتوى يخضع لترخيص CC BY 4.0 الذي يستوجب حفظ حقوق ونسبة البيانات للمركز.
  الخلاصة:
  يُقدم Tafsir MCP نموذجاً معمارياً قياسياً لكيفية تطويع تقنيات الذكاء الاصطناعي للعمل مع قواعد البيانات المعرفية الموثقة بصرامة. الاعتماد على بروتوكول MCP، مقروناً بفحص دقيق للبيانات والاعتمادية التشغيلية المستقلة، يجعله حجر أساس تقني لتطوير واجهات وأنظمة إسلامية خالية من الهلوسات ومحكمة الإسناد.