كيف يعمل الذكاء الاصطناعي فعلًا

الآلية أبسط فعلًا مما توحي به النتائج، ومعرفتها تغيّر طريقة عملك مع هذه الأدوات. الـ language model يفعل شيئًا واحدًا: يُعطى نصًّا، فينتج القطعة النصية الصغيرة التالية الأنسب له. ثم يكرّر ذلك، ثم يكرّره، إلى أن تكتمل الإجابة. هذا كل شيء. والسبب في أن هذا يبدو أرقّ من أن يفسّر نظامًا قادرًا على صياغة عقد أو تصحيح جدول بيانات هو أننا نستهين بمقدار الفهم اللازم للتوقّع الجيد فعلًا — لا يمكنك أن تُكمل بثقة جملة «سبب رفض الفاتورة هو» دون أن تكون قد استوعبت الكثير عن الفواتير.

والقدرة جاءت من التعلّم لا من القواعد. لم يجلس أحد ليكتب قواعد النحو، أو بنية الرسالة الجيدة، أو كيف تعمل الميزانية العمومية. عُرِض على الـ model كمّ هائل من النصوص، وظلّ يعدّل نفسه مرة بعد مرة حتى تحسّنت توقّعاته. هذا ما يعنيه الـ machine learning عمليًا، وهو يفسّر نقاط القوة وشكل الفجوات معًا: الـ model ممتاز في ما كان حاضرًا بكثافة فيما قرأه، وغير موثوق في ما لم يكن كذلك.

وتلك المادة — الـ training data — لقطة مجمّدة في لحظتها. الـ model لا يعود إليها لاحقًا كما تبحث أنت في مجلد؛ لقد استوعب الأنماط مرة واحدة، ثم أُلقيت خزانة الملفات. وهذا هو التفسير الصادق لما يُسمّى knowledge cutoff. اسأل عن شيء وقع بعد الـ training، ولن تكون لدى الـ model أي وسيلة ليعرف أن المعلومة ناقصة، فيقدّم غالبًا إجابة واثقة ومعقولة وخاطئة بدل أن يقدّم إجابة فارغة. والعلاج ليس أبدًا في انتظار ذاكرة أفضل — بل في أن تناوله المادة الحالية بنفسك، وهذا هو موضوع الـ context.

وتحت مستوى الكلمات، يعمل الـ model بـ tokens — قطع بطول ثلاثة أرباع كلمة تقريبًا. هذه تفصيلة في السباكة الداخلية، لكنها تتسرّب إلى يومك أكثر مما تتوقّع. إنها سبب أن الـ model قد يكون بارعًا في الاستدلال وسيئًا في عدّ حروف كلمة: هو لم يرَ الحروف أصلًا. وهي سبب أن الحدود والأسعار تُذكر بأرقام لا تطابق أي عدّ كلمات تعرفه. وهي سبب أن سؤال «كم يستطيع أن يحمل دفعة واحدة» له سقف صلب قابل للعدّ لا سقف مبهم.

وثمة تمييز مفيد بين المرّتين اللتين يشتغل فيهما الـ model. الـ training حدث مرة واحدة، واستغرق شهورًا، وكلّف مبلغًا هائلًا. أما inference فهو كل تشغيل فردي بعد ذلك — تلك الثواني القليلة التي يدخل فيها سؤالك تحديدًا وتخرج الإجابة. وتقريبًا كل ما تختبره على أنه «استخدام الذكاء الاصطناعي» هو inference، وهو ما تدفع ثمنه بحسب الاستخدام. ويعني هذا أيضًا أن كل إجابة تُحسَب من جديد لا تُستدعى من مخزن، ولهذا قد يعود السؤال نفسه بصياغة مختلفة مرّتين متتاليتين.

وهناك بضعة مقابض تتردّد في الحديث وتستحق أن تعرفها وإن كنت نادرًا ما تلمسها. الـ temperature يتحكّم في مدى جرأة الصياغة — منخفضة في كل ما تهمّ فيه الدقة، وأعلى حين تريد تنوّعًا من جلسة عصف ذهني. والـ fine-tuning هو أخذ model جاهز وتدريبه قليلًا على مجموعة ضيّقة من الأمثلة لتخصيصه؛ إنه أسلوب حقيقي، لكنه تقريبًا لا يكون أبدًا الجواب على «نتائجي ليست جيدة بما يكفي». أما multimodal فتعني ببساطة أن الـ model يقبل الصور وملفات PDF إلى جانب النص، ولهذا ينجح لصق لقطة شاشة لخطأ ما.

وأخيرًا، الكلمة التي تشوّه كل نقاش: AGI. هي غير موجودة. الـ models اليوم استثنائية في اتجاهات ولديها نقاط عمياء مسطّحة في اتجاهات أخرى، والفجوة بين هاتين الحقيقتين هي حيث تسكن معظم خيبات الأمل. والخلاصة العملية مما سبق أصغر وأنفع من العناوين: القدرة الخام للـ model ثابتة، فرافعتك كلها في ما تضعه أمامه وفي وضوح طلبك. وهذا هو الـ prompting والـ context — ومعرفة متى لا تصدّق الإجابة هي الثقة والدقة.