معجم الذكاء الاصطناعي

النماذج وبنيتها

هذه المصطلحات الاثنا عشر عن النموذج نفسه: مما صُنع، وبم يُقاس، وكيف يعمل.

النموذج اللغوي الكبير (large language model): برنامج دُرِّب على كمية كبيرة من النصوص ومهمته التنبؤ بأرجح استكمال لنص. وكل ما تفعله به، من الترجمة إلى كتابة الشفرة، صور مختلفة لهذه المهمة الواحدة.

المعامل (parameter): رقم داخل النموذج يُضبط أثناء التدريب ويحدد جزءا من السلوك النهائي. وعدد المعاملات يدل على حجم النموذج لا على جودته.

الأوزان (weights): المعاملات المدربة نفسها في هيئة ملف يمكن تنزيله وتشغيله. والأوزان المفتوحة تعني نشر هذا الملف، لا نشر شفرة التدريب وبياناته.

المحول (transformer): معمارية الشبكة العصبية التي بُني عليها أكثر نماذج اليوم. وميزتها الأساسية آلية الانتباه التي تتيح للنموذج النظر إلى بقية النص أثناء معالجة كل جزء منه.

الرمز (token): قطعة من النص يحسب بها النموذج، وهي أصغر من كلمة عادة. والتكاليف والحدود كلها تُقاس بالرموز لا بالكلمات.

نافذة السياق (context window): أكبر عدد من الرموز يستطيع النموذج رؤيته دفعة واحدة، ويشمل مدخلك والجواب الذي ينتجه. وحين تطول المحادثة تسقط بدايتها خارج النافذة فلا يعود النموذج يملكها.

النموذج متعدد الوسائط (multimodal model): نموذج يفهم أكثر من نوع من المدخلات، كالنص والصورة والصوت. وتعدد الوسائط لا يعني الإجادة فيها جميعا.

النموذج الاستدلالي (reasoning model): نموذج ينتج خطوات وسيطة أكثر قبل الإجابة ليفكك المسألة. وجوابه أبطأ وأغلى ولا يستحق العناء لسؤال بسيط.

نموذج الأوزان المفتوحة (open weight model): نموذج نُشر ملف أوزانه فصار بإمكانك تشغيله على عتادك. و«المفتوح» درجات، ورخصة كل نموذج تُقرأ على حدة.

بطاقة النموذج (model card): المستند الذي ينشره الصانع مع النموذج، وفيه القدرات والحدود وشروط الاستعمال. وهو أول ما يُقرأ قبل البناء على نموذج.

التكميم (quantisation): تصغير النموذج بخفض الدقة العددية لأوزانه ليتسع على عتاد أضعف. ومقابل ذاكرة أقل تنخفض جودة المخرج قليلا.

الاستدلال التنفيذي (inference): مرحلة استعمال النموذج المدرب للحصول على جواب، وهي منفصلة تماما عن التدريب. وكلفة كل طلب ترسله تعود إلى هذه المرحلة.

التدريب والبيانات

هذه المصطلحات الاثنا عشر عن عمل جرى قبل أن يصلك النموذج وانتهى مرة واحدة إلى الأبد.

التدريب (training): العملية التي تُضبط فيها معاملات النموذج بتعريضه لكمية كبيرة من البيانات. وهي مكلفة وتستغرق شهورا، وحين تنتهي لا تستمر عبر محادثتك.

بيانات التدريب (training data): مجموعة النصوص والصور والأصوات التي دُرِّب عليها النموذج. وكل انحياز أو خطأ في تلك المجموعة يجد طريقه إلى سلوك النموذج.

التدريب المسبق (pretraining): المرحلة الأولى والأكبر من التدريب، ويتعلم فيها النموذج أنماط اللغة العامة من بيانات خام. وما يخرج من هذه المرحلة ليس مساعدا بعد، بل متنبئا بالنص فقط.

الضبط الدقيق (fine tuning): إعادة تدريب نموذج جاهز على بيانات أصغر وأكثر تخصصا ليقترب سلوكه من مهمة بعينها. وهو ليس بديلا عن موجه جيد، ولا معنى له إلا إذا كانت لديك أمثلة كثيرة ومتسقة.

التعلم المعزز بالتغذية الراجعة البشرية (RLHF): مرحلة يرتب فيها بشر أجوبة النموذج فيتعلم أي شكل من الأجوبة مفضل. وهذه المرحلة هي التي تحول متنبئا بالنص إلى ما يشبه المساعد.

التقطير (distillation): بناء نموذج أصغر بتدريبه على مخرجات نموذج أكبر. والنتيجة أرخص وأسرع ولا تبلغ عادة الجودة نفسها في الأعمال الصعبة.

حد المعرفة (knowledge cutoff): التاريخ الذي جُمعت بيانات تدريب النموذج حتى عنده. وكل ما وقع بعده ليس في النموذج مهما تحدث عنه بثقة.

فرط الملاءمة (overfitting): أن يحفظ النموذج بيانات التدريب بدل تعلم النمط فيضعف على بيانات جديدة. ويظهر في التقييمات على شكل درجة عالية مريبة.

الانحياز (bias): ميل منهجي في النموذج نحو جواب أو فئة، مصدره بيانات التدريب أو عملية التدريب نفسها. ويختلف الانحياز عن الخطأ العشوائي لأنه يتكرر في اتجاه واحد.

معيار القياس (benchmark): اختبار قياسي لمقارنة النماذج في مهمة محددة. والدرجة العالية فيه لا تضمن أن النموذج أفضل في عملك الحقيقي، لأن ظروف الاختبار ليست ظروفك.

وسم البيانات (data labelling): العمل البشري في تحديد ما تمثله كل عينة أو أي الأجوبة أفضل. ويستند جزء كبير من جودة النموذج إلى هذا العمل قليل الظهور.

البيانات الاصطناعية (synthetic data): بيانات هي نفسها مخرج نموذج وتُستعمل لتدريب نموذج آخر. وهي رخيصة، وإن استُعملت بلا حذر نقلت أخطاء النموذج الأول إلى الثاني.

العمل مع النموذج

ثلاثة عشر مصطلحا هي الأكثر حضورا في العمل اليومي والأكثر التباسا كذلك.

الموجه (prompt): النص الذي تعطيه للنموذج ليبني عليه جوابا. وكل ما كُتب في المحادثة جزء من الموجه لا الرسالة الأخيرة وحدها.

موجه النظام (system prompt): التعليمة الثابتة التي يعطيها الصانع أو المطور للنموذج قبل محادثتك فتحدد سلوكه العام. ولا تراها عادة ومع ذلك تؤثر في كل جواب تحصل عليه.

هندسة الموجهات (prompt engineering): عمل كتابة الموجه وتنقيحه حتى يقترب المخرج مما تريد. وأكثره كتابة واضحة وأقله حيل.

التلقين بأمثلة قليلة (few shot): وضع بضعة أمثلة للمدخل والمخرج داخل الموجه ليلتقط النموذج القالب الذي تريده. وهو أفضل طريق للأعمال التي يصعب وصفها ويسهل عرضها.

سلسلة التفكير (chain of thought): طلب خطوات وسيطة من النموذج قبل الجواب النهائي. يحسّن النتائج في المسائل متعددة الخطوات ولا يزيد السؤال البسيط إلا طولا.

درجة الحرارة (temperature): الإعداد الذي يحكم مدى ذهاب النموذج إلى الخيارات الأقل احتمالا. الرقم المنخفض يعطي مخرجا أكثر تجانسا وقابلية للتنبؤ، والمرتفع يعطي تنوعا أكبر وثباتا أقل.

واجهة البرمجة (API): الطريق الذي يكلم به برنامجك النموذج مباشرة بلا واجهة رسومية. وسياسة البيانات والتسعير في هذا الطريق تختلف عادة عن الخطة الاستهلاكية.

ذاكرة المحادثة (conversation memory): ما تحتفظ به الأداة من محادثاتك السابقة وتضعه أمام النموذج من جديد. وهي ليست نافذة السياق: النافذة حد على طلب واحد، والذاكرة ميزة في المنتج.

التوليد المعزز بالاسترجاع (RAG): طريقة تُلتقط فيها المقاطع ذات الصلة من مستنداتك وتُضاف إلى الموجه قبل أن يجيب النموذج. وهي الطريق المعتاد لجعل النموذج يجيب من بياناتك دون تدريبه.

التضمين (embedding): تحويل نص إلى قائمة أرقام تمثل معناه، ليمكن إيجاد النصوص المتقاربة في المعنى. والبحث الدلالي ومرحلة الاسترجاع أعلاه يعملان بهذا.

المخرج المهيكل (structured output): إلزام النموذج بالإجابة في قالب محدد مثل JSON ليستهلكه برنامج مباشرة. وبدونه يكون المخرج نثرا يختلف قليلا في كل مرة.

استدعاء الأدوات (tool calling): قدرة تتيح للنموذج أن يطلب تنفيذ دالة أو بحثا بدل أن يجيب، ثم يستعمل النتيجة. وهي أساس ما يسمى وكيلا.

الوكيل (agent): نظام يضع النموذج في حلقة ليعمل بالأدوات وينفذ خطوات متتابعة. وما يفصله عن روبوت المحادثة أنه لا يجيب فقط بل يفعل شيئا.

الأمان والخطأ والحقوق

اثنا عشر مصطلحا تبدأ أهميتها حين يجدّ العمل، وهي غائبة عادة عن نصوص التسويق.

الهلوسة (hallucination): أن ينتج النموذج شيئا يبدو صحيحا وهو غير واقعي، كمصدر لا وجود له أو رقم لم يرد في أي مكان. وهي من آلية التنبؤ لا من عطل، فلا تزول تماما بالنسخة التالية.

حقن الموجه (prompt injection): أن يحوي نص يقرؤه النموذج، كصفحة وب أو رسالة بريد، تعليمة موجهة إليه فينفذها. وهذا هو الخطر المركزي للوكلاء الذين لهم وصول إلى الإنترنت أو الملفات.

كسر القيود (jailbreak): محاولة الالتفاف على قواعد سلوك النموذج عبر صياغة الطلب. والصانعون يغلقونها باستمرار وتظهر طرق جديدة باستمرار.

العلامة المائية (watermark): علامة تُضمَّن في المخرج لحظة توليده ليمكن التعرف عليه لاحقا بوصفه من صنع آلة. وهي لا تعمل إلا على مخرجات النماذج التي تضمّنها، وتُقرأ بأداة الصانع نفسه.

أصالة المحتوى (C2PA): معيار لتسجيل تاريخ إنشاء الملف وتحريره داخل الملف نفسه. ويختلف عن العلامة المائية: هذا بيانات وصفية يمكن نزعها، وتلك علامة داخل المحتوى ذاته.

التزييف العميق (deepfake): صورة أو فيديو أو صوت وُلِّد بالذكاء الاصطناعي ليشبه شخصا حقيقيا. والمشكلة التي يثيرها ليست تقنية بل مسألة رضا وخداع.

المواءمة (alignment): العمل على جعل سلوك النموذج متسقا مع مقاصد البشر وقيمهم. وهي مسألة بحثية مفتوحة لا ميزة تُنجز في يوم.

الحاجز الواقي (guardrail): قيد يوضع خارج النموذج نفسه لمنع مخرج أو سلوك بعينه. ولأنه خارج النموذج فهو قابل للضبط وقابل للالتفاف عليه معا.

كاشف محتوى الذكاء الاصطناعي (AI detector): أداة تخمّن ما إذا كان نص قد كتبته آلة. ومخرجها احتمال لا حكم، وهي تخطئ أكثر في النصوص غير الإنجليزية والنصوص المحررة.

الاعتراض على التدريب (training opt out): إعداد أو حق يمنع استعمال بياناتك لتدريب النموذج التالي. وهو لا يمنع التخزين ولا المراجعة البشرية، وهما أمران منفصلان.

حق نشر المخرج (copyright of output): سؤال من يملك النص أو الصورة التي أنتجها النموذج وهل يحظى بحماية أصلا. والجواب يتوقف على البلد وعلى شروط الخدمة وهو في تغير؛ ولا نصدر هنا حكما عاما.

المجاملة (sycophancy): ميل النموذج إلى موافقة المستخدم بدل الاعتراض المحق. ولهذا فإن سؤال «ما رأيك في فكرتي» يأتي بجواب قليل القيمة، وسؤال «ما الذي يفسد هذه الفكرة» يأتي بجواب أفضل.

كلمات يتغير معناها في الإعلانات

للكلمات الخمس أدناه معان واضحة في الكتابة التقنية وتكاد تخلو من المعنى في النص الإعلاني. وتمييز الفرق هو المهارة التي ينبغي أن يمنحها معجم.

ذكي. لا يقول شيئا بمفرده. والسؤال الصحيح: أي قرار يتخذه هذا النظام وبناء على أي مدخل؛ فإن لم يكن ثمة جواب واضح فتجاهل الصفة.

يتعلم. النموذج المنشور لا يتعلم عادة من استعمالك. هذا هو معنى الفصل بين التدريب والتنفيذ، وما تسميه المنتجات تعلما هو في الغالب ذاكرة محادثة، أي حفظ النص وإعادته إلى الموجه. وإن كان يُدرَّب فعلا فمكان هذا الادعاء سياسة بيانات المنتج لا صفحة بيعه.

بلا هلوسة. هذا الادعاء لا يتفق مع الآلية. ويمكن خفض احتمال الخطأ بالاسترجاع من مصدر وبفحص المخرج، أما «بلا» فوعد لا يكتبه صانع جاد في توثيقه.

مفتوح المصدر. هذه طيف. فقد نشرت مبادرة المصدر المفتوح تعريفها الرسمي للذكاء الاصطناعي مفتوح المصدر، وكثير من النماذج التي تُسمى مفتوحة لا تستوفيه، لأن الأوزان وحدها نُشرت والرخصة تحمل قيودا تجارية. اقرأ رخصة كل نموذج على حدة قبل أن تبني عليه منتجا.

مجاني. الخطة المجانية نقطة في سياسة بيانات لا سعر فقط. وهي المكان الذي يبلغ فيه احتمال استعمال مدخلك لتحسين المنتج أقصاه، وقد فصّلنا ذلك بجدول لكل مزود في درس الخصوصية في أدوات الذكاء الاصطناعي.

والاختبار العملي لأي ادعاء عن الذكاء الاصطناعي هو الاختبار المعتاد: لو كانت هذه الجملة خاطئة فما الذي كان سيختلف؟ الادعاء الذي لا سبيل لأن يكون خاطئا ليس ادعاء بل زينة.