كيف يعمل الذكاء الاصطناعي؟ من الأمثلة إلى التنبّؤ
📷 Google DeepMind · Pexels✦ أهم النقاط
- معظم الذكاء الاصطناعي اليوم هو "تعلّم آلة": يتعلّم من الأمثلة لا من قواعد مكتوبة يدويًا.
- الشبكة العصبية تضبط ملايين "الأوزان" لتقليل خطأ تنبّؤها تدريجيًا.
- نماذج اللغة تتنبّأ بالكلمة التالية الأرجح بناءً على السياق.
- النموذج قد يخطئ بثقة (هلوسة)؛ فهو يقدّر الاحتمال لا يعرف الحقيقة.
دعني أشرح لك الذكاء الاصطناعي بطريقة تجعلك بعدها لا تنظر إليه بالخوف نفسه ولا بالانبهار نفسه. القصة أبسط بكثير ممّا في ذهنك، وأغرب في الوقت نفسه. تعال نمضِ خطوة خطوة.
تخيّل أنك تريد أن تُعلّم طفلاً التمييز بين القطة والكلب. لن تجلس لتكتب له قواعد («القطة أذناها مثلّثتان، شواربها كذا») — سيفشل ذلك. بل ستريه صوراً كثيرة وتقول له «هذه قطة، وهذا كلب»، وتتركه يستنتج الفرق بنفسه. الذكاء الاصطناعي يتعلّم بالطريقة نفسها تماماً: لا نكتب له قواعد، بل نريه ملايين الأمثلة ونتركه يُمسك النمط وحده. يُسمّى هذا «تعلّم الآلة».
🌐 حاسبة وقت التحميل
اعرف كم يستغرق تحميل أي ملف حسب سرعة نتك — فورًا.
فكيف يتعلّم فعلاً؟ هناك ما يُسمّى الشبكة العصبية — طبقات من وحدات حساب صغيرة مترابطة، ولكلّ رابط بينها «وزن» (رقم). في البداية تكون الأوزان عشوائية، فتخميناته خاطئة. وهنا الجزء الجميل: نريه مثالاً، فيخمّن، ثم نقارن تخمينه بالإجابة الصحيحة، ونعدّل الأوزان قليلاً ليقلّ الخطأ، ونكرّر ذلك ملايين المرّات. لا أحد يبرمج «المعرفة» بيده — بل تنشأ وحدها في الأوزان المضبوطة. هذا الجزء يُبهرني شخصياً.
أمّا روبوت المحادثة الذي تُخاطبه، فهو في جوهره يفعل شيئاً واحداً: يتوقّع الكلمة التالية الأرجح. تدرّب على كمٍّ هائل من النصوص، فصار حين تسأله يبني الإجابة كلمةً كلمة، كلٌّ منها الأكثر احتمالاً في سياقها. ومن هذا المبدأ البسيط، مضروباً في مليارات الأمثلة، انبثقت القدرة المذهلة على الكتابة والترجمة والبرمجة.
لكن إليك ما يجب أن تعرفه: لأنه يتوقّع الأرجح إحصائياً لا الصحيح، فقد يقدّم لك جملة سليمة الصياغة لكنها خاطئة تماماً — وبثقة! تُسمّى هذه الظاهرة «الهلوسة». إنه لا يعرف أنه لا يعرف؛ بل يُكمل النمط الأرجح. ومن هنا قاعدتي الذهبية: استخدمه مساعداً سريعاً، وتحقّق من أي معلومة حسّاسة من مصدر موثوق قبل الاعتماد عليها.
الخلاصة التي أريدك أن تخرج بها: الذكاء الاصطناعي ليس وعياً ولا فهماً بشرياً — إنه آلة تنبّؤ بارعة تعلّمت الأنماط من البيانات. وحين تُدرك ذلك تتحرّر من وهمين: الخوف المبالَغ من «عقل خارق»، والثقة العمياء في كلامه. أداة قوية بحدود واضحة — وقيمتها تتضاعف حين تُحسن استخدامها.
أين يعمل حولك الآن دون أن تنتبه
قد تظنّ الذكاء الاصطناعي شيئاً بعيداً في المختبرات، لكنه يحيط بك في كل لحظة. حين يقترح عليك تطبيق الفيديو مقطعاً يعجبك، حين تُرشدك الخرائط إلى أسرع طريق، حين يترجم هاتفك جملة فوراً، حين يفرز بريدك الرسائل المزعجة، حين يتعرّف ألبوم صورك على وجوه أصدقائك — كلّها أنظمة ذكاء اصطناعي تعلّمت من بياناتك وبيانات الملايين. لقد صار جزءاً صامتاً من يومك، ولهذا يهمّك أن تفهمه لا أن تخافه.
ما لا يجيده — وحدوده الحقيقية
بقدر براعته، له حدود يجب أن تعرفها. فهو لا «يفهم» المعنى كما تفهمه أنت؛ يتعامل مع الأنماط لا مع الحقيقة. ويرث تحيّزات البيانات التي تدرّب عليها، فإن كانت البيانات منحازة، انحاز معها. ويضعف في المنطق العميق والمواقف الجديدة تماماً التي لم يرَ ما يشبهها. والأخطر أنه واثق دائماً — حتى حين يخطئ. لذلك القاعدة السليمة: عامله كمساعد ذكيّ سريع، لا كمرجع نهائي، وابقَ أنت صاحب القرار والتحقّق.
من البيانات إلى التنبّؤ: كيف يتعلّم فعلاً
الحقيقة أنّ الذكاء الاصطناعي الحديث لا «يفهم» بالمعنى البشري، بل يتعلّم أنماطاً من كمّياتٍ هائلة من الأمثلة. تخيّل أنّك تُريه ملايين الصور المصنّفة، فيعدّل تدريجياً ملايين الأرقام الداخلية التي تُسمّى «الأوزان» حتى تقلّ أخطاؤه. هذه العملية تُدعى «التدريب»، وتعتمد على خوارزمية تصحّح الاتجاه خطوةً خطوة نحو الإجابة الصحيحة.
أمّا نماذج اللغة مثل التي تقرأ لها الآن، فمهمّتها الأساسية بسيطة على نحوٍ مدهش: التنبّؤ بالكلمة التالية الأرجح في الجملة. لكنّ حين تتكرّر هذه المهمّة على تريليونات الكلمات، ينشأ سلوكٌ يبدو ذكياً: قدرةٌ على الترجمة والتلخيص والبرمجة، لا لأنّ النموذج «يعرف»، بل لأنّه التقط أنماط اللغة والمنطق الكامنة فيها.
الشبكات العصبية: إلهامٌ من الدماغ
يقوم كثير من هذه الأنظمة على «الشبكات العصبية»، وهي بنية مستوحاة على نحوٍ فضفاض من طريقة عمل الدماغ. تتألّف من طبقاتٍ من الوحدات الحسابية البسيطة، تمرّر كلّ طبقةٍ إشاراتها إلى التالية، فتتعرّف الطبقات الأولى على تفاصيل بسيطة كالحواف، بينما تجمع الطبقات الأعمق هذه التفاصيل في مفاهيم أعقد كالوجه أو المعنى.
هذا التصميم المتعدّد الطبقات هو ما يُسمّى «التعلّم العميق»، وهو سرّ الطفرة الأخيرة في المجال. ومع ذلك يبقى التشبيه بالدماغ مجازياً؛ فالخلية العصبية الحقيقية أعقد بكثير من نظيرتها الرقمية، والشبكة لا تملك وعياً أو نيّة، بل تحسب فحسب.
لماذا «يهلوس» أحياناً؟
من أكثر ما يحيّر المستخدمين أنّ النموذج قد يجيب بثقةٍ تامّة بمعلومةٍ خاطئة تماماً. السبب أنّه لا يبحث في قاعدة حقائق حين يجيب، بل يولّد النصّ الأكثر «احتمالاً» بناءً على الأنماط التي تعلّمها. فحين لا يملك معلومةً دقيقة، قد يملأ الفراغ بما يبدو معقولاً لغوياً وإن كان غير صحيح.
لهذا يُسمّى هذا الخطأ «الهلوسة»، وهو ليس كذباً متعمّداً بل نتيجة طبيعية لطريقة عمله. والدرس العملي أنّ الذكاء الاصطناعي أداةٌ مساعدة رائعة، لكنّه ليس مصدراً نهائياً للحقيقة؛ فالتحقّق من المعلومات المهمّة يبقى مسؤولية الإنسان دائماً.
من الذكاء الضيّق إلى الحلم بالذكاء العام
من المفيد أن تعرف أنّ كلّ أنظمة الذكاء الاصطناعي الموجودة اليوم تنتمي إلى ما يُسمّى «الذكاء الضيّق»؛ أي أنّ كلّ نظامٍ بارعٌ في مهمّةٍ محدّدة أو نطاقٍ ضيّق، مهما بدا مبهراً. النموذج الذي يترجم اللغات لا يقود سيّارة، والذي يميّز الأورام في الصور لا يكتب قصيدة.
أمّا ما يشغل خيال الباحثين فهو «الذكاء العام»، وهو نظامٌ افتراضي يضاهي مرونة العقل البشري في التنقّل بين أيّ مهمّة. لكنّنا ما زلنا بعيدين عنه، ولا أحد يعرف يقيناً هل سنبلغه ومتى. والأهمّ أنّ هذه الأنظمة، على براعتها، لا تملك وعياً ولا مشاعر ولا نيّة؛ إنّها أدواتٌ قويّة تعكس ذكاء من صمّمها ودرّبها، لا كائناتٍ تفكّر مثلنا.
المصادر
أسامة عبدالعال — مؤسّس «معرفة» وخبير تسويق رقمي وريادة أعمال، وسفير Hootsuite لمنطقة الشرق الأوسط وأفريقيا. يشرف على تحرير محتوى معرفة ومراجعته لضمان دقّته ووضوحه وقيمته الحقيقية للقارئ.