ما الذكاء الاصطناعي التوليدي وكيف تعمل روبوتات المحادثة فعلًا

تستطيع روبوتات المحادثة المعتمدة على الذكاء الاصطناعي أن تكتب وتشرح وتلخص في ثوانٍ، فتبدو كأنها تعرف الأشياء. حين تفهم ما يجري داخلها حقًا، تستخدمها بذكاء ولا تثق بها إلا بالقدر الذي تستحقه.

شاهد ملخص الدقيقة الواحدة (بالإنجليزية)

شاهد الدليل المصوّر الكامل لهذه الوحدة (بالإنجليزية)

الذكاء الاصطناعي وتعلم الآلة والذكاء الاصطناعي التوليدي

• الذكاء الاصطناعي (AI) مصطلح واسع يشمل الأنظمة الحاسوبية التي تؤدي مهام نربطها عادة بالتفكير البشري، مثل التعرف على الصور أو فهم اللغة.
• تعلم الآلة التقليدي يدور في الغالب حول التنبؤ: نموذج يُدرَّب على أمثلة كثيرة مصنفة ليجيب عن سؤال واحد محدد، مثل هل تُظهر صورة الأشعة ورمًا، أو هل قد لا يُسدَّد قرض ما (MIT News).
• الذكاء الاصطناعي التوليدي مختلف: يصفه موقع MIT News بأنه نموذج لتعلم الآلة مدرَّب على إنشاء بيانات جديدة، مثل النصوص أو الصور أو الصوت أو الشيفرات البرمجية.
• روبوتات المحادثة التي تجيب بجمل كاملة مبنية على النماذج اللغوية الكبيرة (LLMs). أما مولّدات الصور فتستخدم غالبًا تصميمًا مختلفًا يسمى نماذج الانتشار (diffusion models)، تحسّن الصورة خطوة بخطوة.

الرموز: كيف يقرأ النموذج النص

• النماذج اللغوية لا تقرأ الكلمات كاملة كما تفعل أنت. إنها تقسم النص إلى رموز (tokens)، قد تكون كلمات كاملة أو أجزاء من كلمات أو حروفًا مفردة (Google for Developers).
• في اللغة الإنجليزية، يساوي الرمز الواحد تقريبًا ثلاثة أرباع كلمة، فنحو 400 رمز تعادل قرابة 300 كلمة (Google for Developers).
• لهذا تتعثر روبوتات المحادثة أحيانًا في مهام مثل عدّ الحروف في كلمة: فهي ترى مقاطع، لا حروفًا منفردة.
• كثير من الأدوات تضع حدودًا لعدد الرموز التي تستطيع لصقها أو استلامها، ولهذا قد تُقتطع المستندات الطويلة جدًا أو تُلخَّص بدقة أقل.

التنبؤ بالرمز التالي

• في جوهره، يقدّر النموذج اللغوي مدى احتمال كل رمز تالٍ ممكن، بناءً على النص حتى تلك اللحظة (Google for Developers).
• مثال Google: في جملة «When I hear rain on my roof, I _____ in my kitchen» (حين أسمع المطر على سطحي، _____ في مطبخي)، قد يقدّر النموذج أن «cook soup» (أطبخ حساءً) هي النهاية الأرجح بنحو 9.4 في المئة، و«warm up a kettle» (أسخّن إبريقًا) بنحو 5.2 في المئة.
• يبني روبوت المحادثة إجابته رمزًا تلو الآخر، ويختار في كل مرة تكملة محتملة. لهذا قد يحصل السؤال نفسه على إجابات مختلفة قليلًا في محاولات مختلفة.
• المقال الطويل السلس هو نتيجة آلاف من هذه التنبؤات الصغيرة، لا نتيجة بحث النموذج عن إجابة مخزنة.

تدريب على نطاق هائل

• للنماذج اللغوية الكبيرة مليارات المعاملات (أرقام داخلية قابلة للتعديل)، وتُدرَّب على كميات ضخمة من النصوص، منها جزء كبير من النصوص المتاحة للعموم على الإنترنت (MIT News).
• أثناء التدريب، يتعلم النموذج أنماطًا إحصائية في طريقة تتابع الكلمات والجمل، وهذا ما يمكّنه من إنتاج قواعد لغوية وحقائق وأساليب، وحتى شيفرات برمجية، تبدو صحيحة.
• تصميم يسمى المحوِّل (transformer)، ظهر عام 2017، هو ما جعل النماذج اللغوية الكبيرة الحديثة ممكنة. يستخدم آلية «الانتباه» (attention) لتتبع علاقة كل رمز في المقطع بالرموز الأخرى (MIT News).
• الطرق الأقدم كانت تعالج النص رمزًا واحدًا في كل مرة، أو لا تنظر إلا إلى كلمات قليلة من السياق. أما النماذج اللغوية الكبيرة فتستطيع تقييم السياق كله دفعة واحدة، ولهذا تلتزم روبوتات المحادثة اليوم بالموضوع أفضل بكثير (Google for Developers).

ماذا يعني هذا بالنسبة إليك

• لأن النموذج يتنبأ بالأنماط بدل أن يتحقق من الحقائق، قد يقدم إجابات واثقة لكنها خاطئة. تشير IBM إلى أن الذكاء الاصطناعي التوليدي لا «يعرف» ما هو صحيح وما هو خاطئ.
• قد تمتص النماذج التحيزات الموجودة في بيانات تدريبها وتكررها، ومنها الصور النمطية والمعلومات الخاطئة (MIT News).
• روبوت المحادثة ليس محرك بحث ولا موسوعة، حتى حين يبدو كذلك. تعامل معه كزميل دراسة سريع واسع الاطلاع، لكنه غير موثوق.
• المهارة المهمة ليست كتابة الأوامر فقط، بل الحكم على النتيجة، وهذا ما تتناوله الدروس التالية.