يبدو Perplexity أشبه بنسخةٍ أكثر نضجاً من ChatGPT. تطرح سؤالاً فتحصل على إجابة سلِسة، وتجد المصادر هناك تماماً في الحواشي. تجربة الاستخدام أنيقة، والاستشهادات تبدو ذات حجية، والأمر حاسمٌ بالنسبة لمريضٍ ينظر إلى نتائج تحاليله: تُوحي التجربة بأكملها بأن «هذا جدير بالثقة لأنه مصحوب باستشهادات».
من منظور تصميم المنتجات، فعل Perplexity شيئاً ذكياً بحقّ: قدّم تقنية RAG (التوليد المعزَّز بالاسترجاع) بوصفها تجربة استهلاكية، وجعل الاسترجاع مرئياً. وهذا إنجاز حقيقي. لكن بصفتي شخصاً راقب تفاعل المستخدمين مع الذكاء الاصطناعي الطبي لسنوات، يمكنني أن أؤكّد لك أن إشارة الثقة تقوم بعملٍ أكبر بكثير مما يستحقّه النظام الكامن خلفها. أودّ في هذه المقالة أن أشرح أين يتألّق Perplexity، وأين يخفق تحديداً في الطب، ولماذا يكون RAG على طراز Wizey فوق مجموعة مصادر منسَّقة منتجاً مختلفاً رغم تشابه البنية.
ما هو Perplexity في حقيقته
Perplexity منتج قائم على نموذج LLM معزَّز بالبحث. خلف الكواليس، يُطلق الاستعلامُ بحثاً حيّاً في الويب، فتُجلب النتائج الأعلى ترتيباً وتُقسَّم إلى مقاطع، ثم تُضمَّن هذه المقاطع، وتُغذَّى أكثرها صلةً بالموضوع إلى نموذج LLM — غالباً GPT أو Claude أو نموذج Sonar الذي طوّره Perplexity — مع الاستعلام، ويُوجَّه النموذج إلى الإجابة بالاعتماد على تلك المقاطع مع الاستشهاد بمصدرٍ لكل ادعاء. هذا هو RAG النموذجي كما وُصف في Lewis et al. (2020)، مغلَّفاً بواجهةٍ سريعةٍ وجذّابة.
أما القرارات الهندسية الأساسية فهي: الاسترجاع من الويب المفتوح في الزمن الحقيقي، واستخدام نموذج LLM عام لتوليف الإجابة، وإظهار الاستشهادات ضمن النص. وهذا المزيج هو مصدر نقاط قوته ونقاط ضعفه الطبية معاً.
أين ينجح: المعرفة العامة والحداثة وظهور المصادر
في الأسئلة غير السريرية، يتفوّق Perplexity بامتياز. فهو يتغلّب على نماذج LLM الثابتة في أي موضوع تهمّ فيه الحداثة — إصدارات المنتجات الأخيرة، وتغيّرات السياسات، وتطوّرات السوق — لأنه يقرأ الويب فعلاً وقت الاستعلام. وتتيح لك الاستشهادات النقر للتحقّق، وهو انضباط حقيقي مقارنةً بروبوت محادثة صرف يطلب منك الوثوق بتدريبه. وقد لاحظ تحليل JAMA (2023) أن إظهار المصادر يرفع بصورة ملموسة الثقةَ المُتصوَّرة في إجابات الذكاء الاصطناعي، للأفضل وللأسوأ.
وبالنسبة لطبيبٍ يُجري مسحاً للأدبيات، قد يكون Perplexity Pro ببحثه ذي التوجّه الأكاديمي أداة مكتبية مفيدة بحقّ. وإذا كنت تعرف ما تبحث عنه في الاستشهاد، فهو يوفّر الوقت.
أما بالنسبة لمريضٍ يحاول تفسير ملف PDF الخاص بتحاليله، فتتحوّل الميزات نفسها إلى عبء. ويستحقّ هذا المنطق أن نفكّكه.
لماذا لا يعني الاستشهاد الدقة في الطب
تظهر ثلاثة أنماط إخفاق محدَّدة بصورة متكرّرة حين يستخدم المرضى Perplexity لتفسير التحاليل:
1. المصدر حقيقي، لكن الادعاء الذي يدعمه ليس ما يقوله المصدر فعلاً. فحين يُلخّص نموذج LLM مقطعاً من نصٍّ مُسترجَع، قد ينحرف. وقد يستشهد Perplexity بصفحةٍ موثوقة من NIH بينما يطرح ادعاءً لا تتضمّنه صفحة NIH — إذ تتجاور الصفحةُ والادعاء إحصائياً لا دلالياً. وتُظهر أبحاثٌ موثَّقة في The Lancet Digital Health (2024) هذا النمط عبر أنظمة RAG متعدّدة: فالاستشهادات تعزّز الثقة المُتصوَّرة دون أن تعزّز بالضرورة الدقة الوقائعية.
2. المصدر يبدو مشروعاً لكنه ليس ذا حجية طبية. فاسترجاع Perplexity يعامل الويب المفتوح بوصفه مجموعة مصادره. فمدوّنة صحية جيدة الترتيب، وملخّص من Healthline، ومقال على Medium، وخيط نقاش طبي شائع على Reddit — كلها تظهر روتينياً في الاستشهادات جنباً إلى جنب مع PubMed وMayo. وليس لدى المريض طريقة سهلة لترجيح بعضها على بعض. فالإرشادات السريرية المُحكَّمة تجلس إلى جوار منشورٍ لأحد مؤثّري العافية، وكلاهما يُعرَض بالتنسيق ذاته للحواشي.
3. مشكلة الانتقاء الانتقائي. يسترجع RAG مقاطع تُضمَّن قريباً من الاستعلام. وفي موضوع طبي دقيق، كثيراً ما يكون المقطع الأوثق صلةً بالاستعلام جملةً خارج سياقها لا تعكس الإرشاد الكامل. فمثلاً، سؤالٌ عن «هل يعني ارتفاع الفيريتين دائماً فرط الحديد» قد يسترجع مقطعاً يذكر أن الفيريتين يرتفع مع مخزون الحديد — وهو صحيح في سياق واحد ومُضلّل بعمق في سياق الالتهاب الأكثر شيوعاً بكثير. الجملة المُستشهَد بها دقيقة؛ لكن الإجابة المبنية عليها خاطئة.
مثال الفيريتين، بصورة ملموسة
دعني أستعرض نمطاً حقيقياً أراه. يسأل مريضٌ Perplexity: «الفيريتين لديّ 450، ماذا يعني هذا؟» تسحب الإجابة النموذجية مقاطع تذكر فرط الحديد وداء ترسّب الأصبغة الدموية وأمراض الكبد، وتستشهد بموقع MedlinePlus، وتُنتج مقالاً يبدو متزناً عن تلك الحالات. ويبدو موثوقاً.
أما ما يغفله عادةً — ما لم يصُغِ المستخدم سؤاله بدقة تامة — فهو أن الفيريتين من بروتينات الطور الحادّ. فبوجود الالتهاب — العدوى، أو نوبة مناعية ذاتية، أو جراحة حديثة، أو التهاب خفيف الدرجة مرتبط بالسمنة — يرتفع الفيريتين بمعزلٍ عن مخزون الحديد الفعلي. ويوضّح مرجع MedlinePlus عن الفيريتين هذه النقطة صراحةً. ويعتمد التفسير السريري الصحيح على القراءة المشتركة للبروتين المتفاعل C (CRP) ومجموعة تحاليل الحديد الكاملة (حديد المصل، ونسبة تشبّع الترانسفيرين، وTIBC). وبدون تلك القراءة المشتركة، فإن إجابة «ارتفاع الفيريتين» ليست خاطئة بمعزلها — لكنها ببساطة تعمل ضمن إطارٍ خاطئ.
ويتعامل Wizey مع هذا لأن خط المعالجة يستخلص الفيريتين وCRP ومجموعة الحديد من ملف PDF الخاص بك كقيمٍ مُهيكَلة، ولأن طبقة التفسير تملك قواعد صريحة في رسمها المعرفي حول تفسير الطور الحادّ. نفس نمط بنية الاسترجاع المستخدَم في Perplexity، لكن مع مجموعة مصادر مختلفة تماماً وقيودٍ مختلفة تماماً.
جودة RAG مسألة مجموعة مصادر لا مسألة تجربة استخدام
هذه هي النقطة التي أريد أن يسمعها المهندسون الذين يقرؤون هذا. تجربة استخدام Perplexity تمنحك الاستشهادات. أما مجموعة مصادره فهي الويب المفتوح. ومجموعة المصادر هي ما يحدّد ما يمكنك وما لا يمكنك الإجابة عنه بموثوقية.
نظام RAG لدى Wizey متشابهٌ معمارياً: استخلاص المقاطع ذات الصلة، وتغذيتها إلى طبقة استدلال، وإنتاج إجابة مؤصَّلة. الفرق هو مجموعة المصادر — رسم بياني معرفي طبي منسَّق مبني على إرشادات محكَّمة (USPSTF، وACP، وNICE، وتوصيات جمعيات أمراض القلب والغدد الصمّاء)، ونطاقات مرجعية مُنقّاة، ومسارات سريرية مُتحقَّق منها. لا وجود لموقع Reddit في مجموعة المصادر. ولا وجود لمدوّنات صحية في مجموعة المصادر. والمقايضة هي اتساعٌ أقل مقابل موثوقية أعلى بكثير، ولا يمكنك استخدام Wizey للبحث عن أخبار الذكاء الاصطناعي الصادرة الأسبوع الماضي — بل فقط لتفسير بيانات التحاليل.
وللاطّلاع على صورة أوسع حول سبب حاجة الذكاء الاصطناعي الطبي إلى هذا النوع من التخصّص، أنصحك بمقارنة Wizey مقابل ChatGPT الأساسية التي تتناول بعمق الفارق بين التوليدي والاستخلاصي.
الخصوصية: نسخة Perplexity الاستهلاكية وبيانات PHI
يحتفظ منتج Perplexity الاستهلاكي بالاستعلامات والمخرجات بغرض تحسين الخدمة بموجب سياسة الخصوصية الخاصة به. وهو ليس خدمةً مشمولة بمعيار HIPAA وليس مخصَّصاً للمعلومات الصحية المحمية (PHI). وتوفّر نسخة Perplexity Enterprise معالجةً أقوى للبيانات، لكن اتفاقية شريك الأعمال (BAA) ليست وضعها الافتراضي، ويظلّ المنتج في جوهره أداة بحث عامة.
والمريض الذي يلصق قيم تحاليله واسمه المدوَّن في الترويسة وتاريخ ميلاده في محادثة Perplexity استهلاكية إنما يعرّض معلوماته الصحية المحمية (PHI) لمنتج بحث استهلاكي. والمنتج لا يفعل شيئاً لتحذيره، لأنه غير مبنيٍّ لهذه الحالة الاستخدامية.
أما Wizey، شأنه شأن غيره من أدوات الذكاء الاصطناعي الطبية المُصمَّمة لهذا الغرض، فيُبقي بيانات PHI ضمن حدودٍ متوافقة مع المعايير، ويعامل بيانات التحاليل بوصفها محمية بحكم التصميم.
متى يساعد Perplexity حقاً
ولنختم بالنبرة المتوازنة التي يستحقّها الأمر: إن Perplexity أداة جيدة لمهامّ محدَّدة مجاورة للرعاية الصحية.
- مسح الأدبيات الحديثة حول دواءٍ أو مرض قبل زيارة أخصّائي
- التحقّق مما إذا كان دليلٌ إرشادي قد حُدِّث مؤخّراً
- إيجاد مصادر موثوقة حول موضوعٍ ضيّق يمكنك بعدها قراءته بنفسك
- توجيه نفسك في مجال طبي فرعي غير مألوف لتتعلّم أي المصطلحات تبحث عنها
- قراءة الأخبار الطبية الأجنبية مع سياق ترجمة مدمج
في هذه الحالات، يكون الاسترجاع الفوري من الويب ميزةً. لكن تذكّر فقط أنه في المهمّة الأصعب — تفسير نتائج تحاليلك الرقمية الخاصة — يبقى الويب المفتوح مجموعة المصادر الخاطئة، مهما بدت الاستشهادات مرتّبة بأناقة.
مقارنة جنباً إلى جنب
| المعيار | Perplexity | Wizey |
|---|---|---|
| مجموعة المصادر | الويب المفتوح، مُسترجَعة حيّاً | رسم بياني معرفي طبي منسَّق + بروتوكولات سريرية |
| أسلوب الاستشهاد | ظاهر ضمن النص، حجية مختلطة | ضمني، دائماً من مصادر مُتحقَّق منها |
| التعامل مع ملفات PDF للتحاليل | يقرأ الأرقام، ويلصق مقتطفات من الويب | استخلاص مُهيكَل + تفسير مُرتكِز على البروتوكول |
| الاستدلال بين المؤشّرات | ضعيف — أياً كان ما تقوله المقاطع المُسترجَعة | صريح في الرسم المعرفي (الفيريتين × CRP، TSH × fT4) |
| التتبّع الطولي | غير مدعوم | سلاسل زمنية أصيلة |
| اتفاقية BAA ضمن HIPAA | استهلاكي لا، Enterprise محدود | مدمجة للاستخدام من قِبل المرضى |
| أفضل استخدام | مسح الأدبيات، والحداثة، والتوجيه السريع | تفسير التحاليل من طرفٍ إلى طرف للمرضى |
أسئلة شائعة مختصرة
إذا كان Perplexity يستشهد بالمصادر، فلماذا لا يكفي ذلك في الطب؟ يُثبت الاستشهاد وجود مصدر قريب من الادعاء. لكنه لا يُثبت أن المصدر يؤكّد الادعاء المحدَّد. ويستشهد Perplexity بانتظام بصفحاتٍ حقيقية لا تدعم فعلاً الإجابة المُركَّبة — خصوصاً في المواضيع السريرية الدقيقة.
هل يستطيع Perplexity تفسير نتائج تحاليلي؟ يمكنه التعليق على كل مؤشّر عبر تجميع مقتطفات من الويب. لكنه لا يستطيع ترسيخ التفسير في بروتوكولات سريرية مُتحقَّق منها، ولا الربط بين المؤشّرات ذات الصلة، ولا تتبّع الاتجاهات.
هل يتوافق Perplexity مع HIPAA؟ نسخة Perplexity الاستهلاكية لا. أما Perplexity Enterprise فمعالجتها أكثر إحكاماً لكنها تظلّ أداة بحث عامة، لا منصة بمستوى طبي.
ما الفرق الحقيقي بين RAG لدى Perplexity وRAG لدى Wizey؟ مجموعة المصادر. نفس نمط البنية؛ الويب المفتوح مقابل رسم بياني معرفي طبي منسَّق.
متى يكون Perplexity مفيداً في الرعاية الصحية؟ مسح الأدبيات، والتحقّق من الحداثة، والتوجيه حول الموضوعات — لمستخدمين يستطيعون تقييم المصادر المُستشهَد بها بعينٍ نقدية.
الخلاصة
حوّل Perplexity تقنية RAG إلى منتج استهلاكي جميل، وهو في كثير من الأسئلة غير السريرية أفضل أداة ذكاء اصطناعي عامة الغرض متاحة. وتجربة الاستخدام القائمة على إظهار الاستشهادات انضباطٌ مفيد بحقّ لأي نظام ذكاء اصطناعي.
لكن في الطب، فإن الجزء من النظام الذي يحدّد فعلاً جدارته بالثقة هو مجموعة المصادر لا تجربة الاستخدام. فالويب المفتوح هو المكان الخاطئ لترسيخ تفسير تحاليل مريض. أما الرسم البياني المعرفي الطبي المنسَّق، المُرتكِز على إرشادات محكَّمة ومسارات سريرية مُتحقَّق منها، فهو ما تُبنى عليه أداة متخصّصة مثل Wizey. نفس نمط الاسترجاع، لكن وعدٌ مختلف تماماً — وفي المهمّة الضيّقة المتمثّلة في قراءة نتائج دمك بأمان، يكون الوعد هو ما يهمّ. وإن أردت الحجة المعمارية الأعمق، فإن منشور Wizey مقابل ChatGPT الأساسي يستعرضها من طرفٍ إلى طرف.
