كيف يعمل الذكاء الاصطناعي التوليدي

نظامٌ يقرأ أحتاج أن أكون في برشلونة بحلول ظهر الثلاثاء فيردّ بشيء معقول يفعل ما يستحقّ شرحًا. وهذا الفصل يعطيك ذلك الشرح — لا الرياضيات كاملةً.

نظامٌ يقرأ أحتاج أن أكون في برشلونة بحلول ظهر الثلاثاء فيردّ بشيء معقول يفعل ما يستحقّ شرحًا. وهذا الفصل يعطيك ذلك الشرح — لا الرياضيات كاملةً، بل ما يكفي حتى لا يبقى شيء في بقية الكتاب مأخوذًا على الثقة.

سنعمل من الخارج إلى الداخل، وكل فكرة ستُربَط بشيء تعرفه بالفعل.

ما هو الذكاء الاصطناعي التوليدي

الذكاء الاصطناعي التوليدي ذكاء اصطناعي لا يقتصر على تحليل المعلومات أو تصنيفها. بل ينتج شيئًا جديدًا.

وطريقة لضبط الفرق:

• الذكاء الاصطناعي الأقدم يشبه أمين مكتبة. يبحث عن الأشياء ويناولك ما هو موجود أصلًا.
• الذكاء الاصطناعي التوليدي يشبه كاتبًا. يؤلّف مادة جديدة من الذي تعلّمه.

فحين تطلب من نموذج أن يكتب فقرة، أو يلخّص مقالًا، أو يصوغ وصفًا، فهو لا ينسخ نصًا من مخزن في مكان ما. بل يستخدم أنماطًا تعلّمها من كتابة هائلة الحجم لينتج شيئًا لم يكن موجودًا قبل ذلك.

أنواع الذكاء الاصطناعي التوليدي

تُصنّف هذه الأنظمة عادةً بحسب ما تنتجه.

النص. نماذج مثل ChatGPT وClaude وGemini وLlama تولّد نصًا انطلاقًا من تعليمة. وهي تساعد في الكتابة والتلخيص والبحث والبرمجة. ويستخدم المطوّرون أدوات مثل GitHub Copilot وClaude Code لكتابة البرمجيات وتحسينها.

الصور. أنظمة أخرى تحوّل وصفًا مكتوبًا إلى صورة. وتُستخدم DALL·E وMidjourney وStable Diffusion في التصميم والتسويق والصناعات الإبداعية. والشكل 2 أُنتج بكتابة جملة تصف ما ينبغي أن يحتويه.

أنواع عدة في وقت واحد. بعض النماذج تتعامل مع أكثر من صيغة في المدخل والمخرج: نص، وصور، وصوت، وفيديو. تستطيع أن تناول نموذجًا كهذا صورة فوتوغرافية وتسأله عنها، أو صورة شاشة لخطأ وتسأله ما الذي حدث. والكلمة المعتادة لهذا هي متعدد الوسائط (Multimodal)، وهو أهم للوكلاء مما يبدو أول الأمر — ونعود إليه في الفصل 17.

وما يجعل كل هذا يعمل يعود إلى ثلاثة أشياء: الشبكات العصبية، والتعلّم العميق، وبنية تُسمّى المحوّلات.

الشبكات العصبية والتعلّم العميق

في قاعدة الذكاء الاصطناعي التوليدي تقف الشبكة العصبية. وحين يقول أحدهم “الذكاء الاصطناعي يعمل مثل الدماغ البشري”، فهذا ما يشير إليه. فتعامَل مع ذلك على أنه تشبيه تعليمي لا وصف: الشبه فيه فضفاض، والإفراط في الضغط عليه يوصل إلى حدوس خاطئة عمّا تستطيع هذه الأنظمة فعله.

ما هي الشبكة العصبية

تصوّر شبكة واسعة من العُقد المترابطة. كل عقدة تتلقّى أرقامًا، وتفعل بها شيئًا بسيطًا، وتمرّر أرقامًا. اجمع عددًا كافيًا منها بعضه فوق بعض، فتصبح الشبكة قادرة على التقاط الأنماط وإصدار التنبؤات.

اعرض على شبكة آلافًا كثيرة من صور القطط والكلاب فستتعلّم التمييز بينها، مستعينةً بقرائن مثل شكل الأذن، ونسيج الفَرو، والتناسب. ويبيّن الشكل 3 ذلك وهو يحدث: تدخل صورة، فتمرّ عبر طبقات من العُقد، فيخرج احتمال لكل وسم.

ما يضيفه التعلّم العميق

التعلّم العميق هو الفكرة نفسها بطبقات أكثر بكثير. وكثرة الطبقات تعني أن الشبكة تستطيع تمثيل أنماط أعقد، لأن كل طبقة تبني على التمثيل الذي أنتجته الطبقة السابقة.

الطبقات الأولى تلتقط الحواف والملامس. والطبقات المتأخّرة تجمع تلك في أجزاء، ثم في أجسام كاملة. ولا أحد يقول للشبكة أن تنظّم نفسها هكذا. بل يسقط ذلك من التدريب.

كيف يعمل النموذج اللغوي

النموذج اللغوي الكبير نموذج تعلّم عميق مُدرَّب على كمية هائلة من النصوص. وعمله الجوهري ضيّق، ومفاجئ قليلًا: التنبؤ بما يأتي بعد. وكل ما عدا ذلك مما يبدو أنه يفعله مبنيٌّ على تلك العملية الواحدة.

وحين يُكمل صندوق بحثٍ how do I bake a… بـcake، فتلك هي الآلية نفسها في صورة مصغّرة. تخيّلها الآن على مقياس المحادثات الكاملة والمقالات والبرامج.

يمرّ النص بثلاث مراحل، مبيّنة في الشكل 5.

الخطوة الأولى: تقطيع النص إلى رموز

لا يقرأ النموذج النص كما تقرؤه أنت. بل يقطّعه إلى وحدات أصغر تُسمّى رموزًا (Tokens) حتى يستطيع التعامل معها عدديًا. والرمز كلمة في كثير من الأحيان، لكنه شِقّ كلمة في أحيان أكثر.

• النص: The cat sat on the mat.
• الرموز: ["The", "cat", "sat", "on", "the", "mat."]

الخطوة الثانية: تحويل الرموز إلى أرقام

لأن النموذج لا يعمل إلا بالأرقام، يُربَط كل رمز بقائمة أرقام تشفّر شيئًا عن معناه. والرموز المستخدمة في سياقات متشابهة تنتهي متقاربة في ذلك الفضاء العددي. ويُسمّى هذا التمثيل تمثيلًا متجهيًا (Embedding).

وهذه هي الخطوة التي تجعل البحث بالمعنى ممكنًا بدل البحث بمطابقة الصيغة الحرفية، وتستحقّ أن تحتفظ بها: فهي الآلة التي يقوم عليها كل ما في الفصل 4.

الخطوة الثالثة: التنبؤ بما يأتي بعد

وبعد أن يصبح النص أرقامًا، يقرأ النموذج التسلسل ويتنبّأ بما يتبعه، اعتمادًا على الأنماط التي استوعبها أثناء التدريب.

• المدخل: The cat sat on the …
• التنبؤ: floor أو sofa أو mat، بحسب ما رآه النموذج.

أعد تلك الخطوة، وأعِد إدخال كل رمز جديد فيها، فتحصل على جمل ومقالات وشفرة برمجية عاملة.

المحوّلات

نماذج اليوم تتابع محادثة طويلة وموضوعًا متحوّلًا دون أن تفقد الخيط. ولم يكن ذلك صحيحًا دائمًا.

كانت الأنظمة الأقدم تعالج النص خطوة خطوة، حاملةً معها خلاصة مضغوطة لكل ما قرأته حتى تلك اللحظة. وذلك ينجح في المدى القصير، لكن كلما تباعدت كلمتان مترابطتان، صعُب على الصلة بينهما أن تنجو. فضميرٌ يقع بعد أحد عشر جملة من الاسم الذي يعود إليه كان صعوبة حقيقية، لا لأن الأنظمة كانت “تنسى” بأي معنى بشري، بل لأن تصميمها كان يمنح العلاقات بعيدة المدى حيّزًا ضيّقًا جدًا للبقاء.

تغيّر ذلك في 2017، حين قدّم باحثون في Google المحوّلات (Transformer).

لماذا كان ذلك مهمًا

تستطيع معالجة السياق المتاح كله معًا. فبدل أن يعمل في النص خطوة خطوة، يحسب المحوّل العلاقات بين كل الرموز في سياقه على التوازي. وكل كلمة يمكن مقارنتها مباشرةً بكل كلمة أخرى، أيًّا كانت المسافة بينهما.

والنقطة التالية مهمة وتُقال خطأً في كثير من الأحيان، فتستحقّ فصلًا دقيقًا. التوازي في القراءة. أما حين يكتب النموذج فهو لا يزال تسلسليًا: ينتج رمزًا، ويضيفه إلى السياق، ويتنبّأ بالتالي، ويعيد الكرّة. فمعالجة المدخل يمكن أن تكون متوازية بدرجة عالية؛ أما التوليد فيبقى تسلسليًا، رمزًا رمزًا. ولهذا يستغرق الجواب الطويل وقتًا أطول حتى يظهر من الجواب القصير، وإن كان المدخل قد قُرِئ في مرور واحد.

تتابع الإحالة. أعطِ نظامًا أقدم Tom went to the store. He bought milk. What did he buy? فقد تُفقد الصلة. أما المحوّل فيردّ he إلى Tom بلا عناء.

تتوسّع. ولأن الحساب يتوازى، أمكن تدريب المحوّلات على بيانات أكثر بكثير من كل ما سبقها. وذلك هو ما جعل نماذج بحجم نماذج اليوم عملية من أصلها.

الانتباه

الآلية في مركز المحوّل هي الانتباه (Attention). وهي تتيح للنموذج أن يزن أيّ الرموز يهمّ في تفسير كل رمز آخر.

تصوّر أنك تقرأ تقريرًا طويلًا ولا تحتاج إلا إلى حفنة من الجمل لتتابع الحجّة. والانتباه يفعل شيئًا مماثلًا: يتركّز على الأجزاء ذات الصلة ويخفض وزن الباقي.

• الجملة: The cat sat on the mat because it was tired.
• على النموذج أن يستنبط إلى ماذا يعود it.
• الانتباه يربط it بـthe cat، لا بـthe mat.

ويشغّل المحوّل حسابات انتباه كثيرة جدًا في وقت واحد، وبذلك يتعلّم الاعتماديات التي تجعل اللغة مترابطة.

ومصطلحان ستلقاهما باستمرار. المعاملات هي القيم العددية الداخلية التي يضبطها النموذج أثناء التدريب؛ وهي مؤشّر تقريبي على سعته. نافذة السياق هي كمية النص التي يستطيع النموذج أخذها في الحساب مرة واحدة. ونافذة سياق أوسع تعني أن مستندًا أطول أو محادثة أطول يمكن التعامل معهما دون أن تغيب البداية عن النظر.

التدريب المسبق والضبط الدقيق

لا تأتي النماذج وهي تعرف أشياء. بل تمرّ بمرحلتين متمايزتين، والفرق بينهما يفسّر كثيرًا من كيفية بناء منتجات الذكاء الاصطناعي.

التدريب المسبق

التدريب المسبق هو حيث يتعلّم النموذج أقصى ما يستطيع قبل أن يُعطى عملًا. يقرأ مادة نصية هائلة متنوّعة، ويلتقط القواعد النحوية والوقائع وأنماط الاستدلال وقدرًا كبيرًا من البنية الضمنية. والذي لا يملكه هو التخصّص. فهو يعرف قليلًا عن أشياء كثيرة جدًا.

يستطيع نموذج مُدرَّب مسبقًا أن يصوغ عقدًا صالحًا للاستخدام. لكنه لن يبلغ عقدًا صاغته الكتابة القانونية الخاصة بمكتب بعينه.

الضبط الدقيق

الضبط الدقيق يأخذ نموذجًا مُدرَّبًا مسبقًا ويدرّبه أكثر على مجموعة أمثلة أصغر وأعلى جودة وخاصة بمجال بعينه. والنتيجة نموذج تلائم ردوده سياقًا بعينه ملاءمة أفضل بكثير.

مساعد دعم مضبوط ضبطًا دقيقًا على محادثات شركة سابقة يجيب بصوت تلك الشركة، وبصيغتها، دون أن يُقال له ذلك في كل مرة.

فالآلة ليست سحرًا: تقرأ، وتقارن، وتتنبّأ. ومعنى ذلك أن جودة ما يعود تعتمد اعتمادًا كبيرًا على جودة ما يدخل. ويتبيّن أن ذلك أمر تملك فيه قدرًا كبيرًا من التحكّم، ولا يكاد أحد يحسن استخدامه.