لماذا يعطي روبوت المحادثة إجابات مختلفة عن السؤال نفسه؟
يقدّم روبوت المحادثة إجابات مختلفة عن السؤال نفسه لأنه يولّد كل رد باختيار الكلمات التالية من بين الكلمات المحتملة، وعادةً ما ينطوي هذا الاختيار على قدر من العشوائية. فهو لا يسترجع إجابة واحدة مخزّنة.
تخيّل مكتبًا معماريًا افتراضيًا اسمه فيرلاين أركيتكتس، يعمل به 30 شخصًا. يطلب أحد الشركاء من مدير المكتب، روان، توضيح ثلاثة أمور قبل أن يعتمد المكتب مساعدًا بالذكاء الاصطناعي. تتضمن ملاحظات روان: 'سألته مرتين عن قواعد أعمال البناء المسموح بها دون ترخيص، فحصلت على إجابتين مختلفتين'؛ 'أعطاني إحالة إلى رقم وثيقة إرشادات تخطيط غير موجودة'؛ 'أنشأت أداة الصور رسمًا جميلًا للاستوديو الجديد، لكن النوافذ غير متحاذية'. يريد الشريك معرفة ما إذا كانت الأداة معطلة. إنها ليست معطلة. بل تفعل بالضبط ما صُممت لفعله.
كيف يُدرَّب نموذج ذكاء اصطناعي توليدي؟
يُدرَّب النموذج اللغوي الكبير أولًا على مجموعة ضخمة من النصوص للتنبؤ بالجزء التالي من النص، ثم يخضع لتدريب إضافي لاتباع التعليمات وتقديم إجابات مفيدة. يصف مسرد Anthropic التدريب المسبق بأنه تدريب على مجموعة نصية كبيرة غير موسومة للتنبؤ بالكلمة التالية بناءً على السياق السابق، يليه الضبط الدقيق والتعلم المعزز من التغذية الراجعة البشرية، حيث يرتب أشخاص إجابات نموذجية حسب جودتها، ويتعلم النموذج تفضيل الإجابات الأفضل.
لا يحتفظ النموذج بنسخة من كل مستند. بل يضبط مليارات القيم الرقمية الداخلية حتى تتوافق تنبؤاته مع الأنماط الموجودة في البيانات. وما ينتهي إليه أقرب إلى فهم مفصّل جداً للطريقة التي تترابط بها اللغة والأفكار عادةً، وليس إلى مكتبة قابلة للبحث.
ما الرموز، وكيف يتنبأ بها النموذج؟
الرموز وحدات صغيرة يقرؤها النموذج ويكتبها، وغالبًا ما تكون كلمة أو جزءًا من كلمة، ويكتب النموذج عبر التنبؤ المتكرر بالرمز التالي المحتمل. وتصف دورة Google في تعلّم الآلة النموذج اللغوي بأنه يقدّر احتمال ظهور رمز أو تسلسل من الرموز ضمن تسلسل أطول، وتشير إلى أن نحو 400 رمز يعادل قرابة 300 كلمة إنجليزية.
في كل خطوة، يمنح النموذج درجات للعديد من الوحدات النصية المحتملة التالية. ثم يختار التطبيق واحدة منها؛ أحيانًا تكون الأكثر احتمالًا، وغالبًا تُختار بأخذ عينة من الخيارات المرجّحة. ويتحكم إعداد يُسمى درجة الحرارة في مدى جرأة هذا الاختيار: تعطي القيم الأعلى صياغات أكثر تنوعًا، بينما تعطي القيم الأقل صياغات أكثر قابلية للتوقع. وتشير Anthropic إلى أن النتائج لا تكون حتمية تمامًا حتى عند أدنى درجة حرارة. وهذا هو الرد على ملاحظة روان الأولى.
كيف تعمل أدوات توليد الصور بالذكاء الاصطناعي؟
تستخدم كثير من أدوات توليد الصور بالذكاء الاصطناعي طريقة تُسمّى الانتشار: يتعلّم النموذج إزالة التشويش من الصور، ثم ينشئ صورة جديدة بالبدء من تشويش عشوائي وتنقيحه خطوة بخطوة، مسترشدًا بوصفك النصي. وتصف دورة هاغينغ فيس عن الانتشار التدريب بأنه إضافة التشويش بكميات مختلفة وتعليم النموذج إصلاحه، والتوليد بأنه تنقيح التشويش العشوائي تدريجيًا حتى تظهر صورة.
لأن النموذج يشكّل وحدات بكسل تبدو معقولة بدلاً من اتباع رسم مهندس معماري، فقد يُخطئ في تفاصيل مثل محاذاة النوافذ أو النصوص على اللافتات أو عدد الأصابع. وهذه هي ملاحظة روان الثالثة.
ماذا يعني ذلك لطريقة استخدامك للأدوات؟
يعني ذلك أن عليك تزويد الأداة بالحقائق التي تريدها أن تستند إليها، بدلاً من الاعتماد على ذاكرتها. تعليمة ضعيفة: 'ما قواعد التطوير المسموح به لتوسعة خلفية؟' تكون الإجابة سلسة، لكنها تختلف من محاولة إلى أخرى وقد تخلط بين قواعد من سنوات أو بلدان مختلفة، وقد تتضمن مرجعاً لوثيقة يبدو معقولاً لكنه مختلق، وهو ما يفسّر ملاحظة روان الثانية.
التوجيه المحسّن: يلصق روان القسم ذي الصلة من الإرشادات الرسمية للتخطيط العمراني ويسأل: 'باستخدام النص أدناه فقط، لخّص في جدول حدود الأبعاد المسموح بها لتوسعة خلفية من طابق واحد. إذا لم يتناول النص أمرًا ما، فاذكر أنه غير مشمول.' أصبحت مهمة النموذج الآن إعادة صياغة نص متاح له وتنظيمه، وهو ما يجيده، ويمكن لروان التحقق من كل سطر بمقارنته بالمصدر.
ما حدود الذكاء الاصطناعي التوليدي؟
تتمثل الحدود الرئيسية في أن الذكاء الاصطناعي التوليدي قد يعرض معلومات خاطئة بثقة، وأن معرفته تتوقف عند تاريخ محدد ما لم يكن متصلًا بالبحث أو بالمستندات، وأنه لا يستطيع التعامل إلا مع ما تتسع له نافذة السياق، وأنه قد يعكس تحيزًا في بيانات تدريبه. وليست أي من هذه الأمور عيوبًا تُصلح بصياغة الطلب بمزيد من اللطف؛ بل هي ناتجة عن طريقة عمل النماذج.
تحقق من الحقائق والأرقام والأسماء والمراجع بالرجوع إلى مصدر تثق به، وزوّد الأداة بالمادة المصدرية كلما كانت الدقة مهمة.
أين يقع هذا الدرس ضمن دليل دورات Tosheo.ai؟
يندرج درس «كيف يعمل الذكاء الاصطناعي التوليدي» ضمن فئة أساسيات الذكاء الاصطناعي. وهو أحد الدروس الأولى في الذكاء الاصطناعي للمبتدئين، والدرس الافتتاحي في دورة الذكاء الاصطناعي التوليدي. في Tosheo.ai، تطلب منك المهمة التطبيقية أن تتنبأ بسلوك الأداة ثم تختبره عند تغيير إعدادات مثل درجة الحرارة أو تزويدها بنص مصدر، وتتحقق الملاحظات المستندة إلى دليل التقييم من أن شرحك سيكون مفهومًا لزميل لك.
المصادر والنطاق
دورة نماذج الانتشار من هاغينغ فيس، الوحدة 1: مقدمة في الانتشار (تم التحقق في 19 أكتوبر 2026) ↗