التعلم بالأمثلة
كيف يتحول كمّ هائل من البيانات الموسومة إلى ذكاء قادر على التمييز؟
هل تستطيع الآلة التعلم بمجرد رؤية الأمثلة؟
في عام 2012، قدّم فريق من جامعة تورنتو بقيادة جيفري هينتون نظام AlexNet إلى مسابقة ImageNet لتصنيف الصور. كانت المهمة بسيطة في ظاهرها: تصنيف مليون صورة إلى ألف فئة. لكن ما حدث غيّر مسار الذكاء الاصطناعي إلى الأبد.
استخدم AlexNet شبكة عصبية عميقة دُرِّبت على أمثلة موسومة بشكل صريح — كل صورة مرفقة معها إجابتها الصحيحة. النظام لم يُعطَ قواعد من البشر؛ بل تعلّم من الأمثلة وحدها. حقق معدل خطأ 15.3%، مقارنة بـ26.2% للمنافس الأقرب. الفارق لم يكن تحسيناً تدريجياً — كان قفزة جيلية كاملة. كل نظام رؤية حاسوبية يعمل اليوم، من تشخيص الأمراض إلى قيادة السيارات، يرث هذا الإرث المباشر.
التعلم الخاضع للإشراف: الفكرة الجوهرية
التعلم الخاضع للإشراف (Supervised Learning) هو أكثر أساليب تدريب الذكاء الاصطناعي شيوعاً. المبدأ بسيط وعميق في آنٍ واحد: أعطِ النظام آلاف الأمثلة من نوع "مدخل ← خرج صحيح"، ودعه يكتشف العلاقة بينهما.
الطريقة تشبه ما يفعله المعلم مع الطالب عند تصحيح الواجبات. الطالب يحاول الإجابة، والمعلم يقول "صواب" أو "خطأ"، والطالب يعدّل فهمه. الفارق أن الذكاء الاصطناعي يعيد هذه العملية ملايين المرات في ثوانٍ.
البيانات الموسومة (Labeled Data) هي العملة الأساسية للتعلم الخاضع للإشراف. كل مثال موسوم هو "درس" صريح يقول للنموذج: عندما ترى هذا المدخل، يجب أن ينتج هذا الخرج.
دورة التدريب: الخطأ كمحرك للتعلم
عندما يتدرب نموذج، فإنه يمر بدورة متكررة. يستقبل مدخلاً، يتنبأ بخرج، يقارن تنبؤه بالإجابة الصحيحة، ويحسب "الخطأ". ثم يُعدّل معاملاته الداخلية لتقليل هذا الخطأ. هذه العملية تُسمى الانتشار الخلفي (Backpropagation).
المثير للإعجاب أن النموذج لا يتعلم قاعدة واحدة بل يكتشف آلاف الأنماط الدقيقة في البيانات — أنماط لم يصفها أحد له صراحةً. AlexNet اكتشف مستقلاً أن الحواف والألوان والأشكال المعقدة هي مفاتيح تمييز الصور.
- مرحلة التقديم: إدخال مثال للنموذج والحصول على تنبؤ
- حساب الخسارة: قياس المسافة بين التنبؤ والإجابة الصحيحة
- الانتشار الخلفي: تعديل الأوزان في اتجاه تقليل الخسارة
- التكرار: تنفيذ هذا آلاف المرات حتى يتقارب النموذج
مفارقة ImageNet: البيانات أهم من الخوارزمية
نجاح AlexNet لم يكن بسبب الخوارزمية وحدها. كان بسبب قاعدة بيانات ImageNet التي جمعتها فاي-فاي لي وفريقها بجامعة ستانفورد منذ عام 2006. أكثر من 14 مليون صورة موسومة يدوياً من قِبَل 25,000 عامل عبر الإنترنت. استغرق جمعها سنوات وملايين الدولارات.
هذه الحقيقة كررتها كل قصص نجاح الذكاء الاصطناعي اللاحقة: النماذج الأفضل لا تأتي من خوارزميات أذكى فحسب — بل من بيانات تدريب أوسع وأدق. شركة Google أنفقت مليارات الدولارات لجمع وتنقية البيانات. OpenAI استثمرت في تسمية البيانات يدوياً بالموازاة مع تطوير النماذج.
قبل أن تسأل "ما النموذج الأفضل؟"، اسأل "ما جودة بيانات التدريب؟" البيانات الرديئة تُنتج نماذج رديئة بصرف النظر عن تعقيد الخوارزمية.
اختبر فهمك
ثلاثة أسئلة حول التعلم بالأمثلة
استكشف التعلم بالأمثلة
تحدّث مع المساعد واستكشف كيف تتحول الأمثلة إلى معرفة
مهمتك في هذا المختبر
ستناقش مع المساعد آليات التعلم الخاضع للإشراف عبر أمثلة حقيقية. المساعد سيبدأ بسؤالك لتفعيل تفكيرك النقدي.
الأنماط في كل مكان
كيف تتعلم الشبكات العصبية اكتشاف التمثيلات الخفية في البيانات
كيف يجد الذكاء الاصطناعي أنماطاً في بيانات فوضوية؟
عام 2013، نشر باحثو Google Brain ورقة مثيرة للدهشة: نموذج لغوي دُرِّب على كميات ضخمة من النصوص طوّر تلقائياً تمثيلات رياضية للكلمات تعكس علاقاتها المعنوية. أدخلوا "ملك" وطرحوا "رجل" وأضافوا "امرأة"، فكانت النتيجة "ملكة".
لم يُبرمج أحد هذه العلاقات. النموذج المعروف بـWord2Vec اكتشفها وحده من خلال تحليل أنماط التكرار في ملايين الجمل. كانت المرة الأولى التي يُدرك فيها الباحثون أن الشبكات العصبية لا تحفظ معلومات — بل تبني هياكل هندسية للمعنى.
ما الذي تعنيه الأنماط فعلاً؟
حين يقول الذكاء الاصطناعي إنه يتعلم "أنماطاً"، فهذه ليست مجازاً شعرياً — بل وصف رياضي دقيق. النمط هو أي علاقة منتظمة بين قيم في البيانات تتكرر بما يكفي لتوجيه تنبؤات مستقبلية.
الشبكات العصبية تتعلم أنماطاً على مستويات متعددة في آنٍ واحد. الطبقات الأولى تكتشف أنماطاً بسيطة (حواف، ألوان). الطبقات الوسطى تجمعها في أنماط أكثر تجريداً (عيون، أنوف). الطبقات العليا تدمج الكل في تمثيل مكثف للمفهوم (وجه بشري). هذا التسلسل الهرمي للتجريد هو ما يميز التعلم العميق (Deep Learning).
Word2Vec: المعنى كهندسة فضائية
Word2Vec يمثّل كل كلمة كنقطة في فضاء ذي مئات الأبعاد. الكلمات المتشابهة معنىً تنتهي متقاربة في هذا الفضاء. العلاقات المفاهيمية (العاصمة ← بلد، المهنة ← المجال) تصبح متجهات متوازية يمكن حسابها رياضياً.
هذا التمثيل الناتج عن اكتشاف الأنماط — لا عن تعريفات بشرية — أصبح اللبنة الأساسية لكل نماذج اللغة الحديثة، من BERT إلى GPT-4. الخطوة من Word2Vec إلى ChatGPT هي في جوهرها تطوير وتعميق لنفس المبدأ: المعنى كأنماط يمكن ترميزها رياضياً.
عندما يُدرِّب النموذج، فهو يبني "مساحة كامنة" (Latent Space) حيث تتجاور الأشياء المتشابهة. هذه المساحة هي الذاكرة المضغوطة للنموذج — وهي ما يُقصد بـ"فهم" الذكاء الاصطناعي للمفاهيم.
الإفراط في التدريب: عندما يحفظ النموذج بدلاً من أن يتعلم
الخطر الأكبر في تعلم الأنماط هو الإفراط في التدريب (Overfitting). يحدث هذا حين يحفظ النموذج الأمثلة التدريبية حفظاً حرفياً بدلاً من استخلاص الأنماط القابلة للتعميم. النموذج المُفرط في تدريبه يُبلي بلاءً حسناً على بيانات التدريب لكنه يفشل على بيانات جديدة لم يرها.
الحل هو مجموعة التحقق (Validation Set) — بيانات يحتفظ بها المهندسون منفصلة عن التدريب ويستخدمونها لاختبار النموذج باستمرار خلال التدريب. إذا بدأت الدقة على بيانات التحقق بالتراجع بينما تتحسن على بيانات التدريب، فهذا إشارة تحذير واضحة.
اختبر فهمك
ثلاثة أسئلة حول الأنماط والتمثيلات
استكشف الأنماط والتمثيلات
ناقش كيف تبني الشبكات العصبية فهمها للعالم
مهمتك في هذا المختبر
ستستكشف مع المساعد كيف تكتشف الشبكات العصبية الأنماط وتبني التمثيلات الداخلية. فكّر في أمثلة من حياتك اليومية.
ما هو النموذج؟
من الأوزان والمعاملات إلى الذكاء الناشئ — تشريح النموذج الرياضي
ما هو النموذج ولماذا يبسّط الواقع؟
عام 2020، أصدرت OpenAI نموذج GPT-3 بـ175 مليار معامل (Parameter). كان هذا رقماً فلكياً وقتها. لكن الأمر المثير ليس الحجم — بل ما نجح في فعله: كتابة شعر، حل مسائل رياضية، ترجمة لغات، وكتابة كود برمجي — كل ذلك دون أن يُدرَّب على هذه المهام صراحةً.
عُرف هذا بـ"التعلم في السياق" (In-Context Learning). النموذج تعلّم كيف يتعلم، لا فقط ما يجب أن يتعلمه. هذا الظهور المفاجئ لقدرات لم يُصمَّم النموذج لأدائها غيّر كيف يفكر الباحثون في ماهية النموذج ذاته.
النموذج = دالة رياضية ذات معاملات مُدرَّبة
النموذج في جوهره دالة رياضية تأخذ مدخلات وتنتج مخرجات. ما يجعله "ذكياً" هو أن معاملاته (الأوزان) لم تُحدَّد يدوياً بل ضُبِطت خلال التدريب لتعكس الأنماط الكامنة في البيانات.
شبكة عصبية تحوي ملايين أو مليارات من هذه الأوزان، وكل وزن يمثل حجم التأثير الذي يمارسه عصبون معين على آخر. التدريب هو بالأساس عملية إيجاد القيم المثلى لهذه الأوزان التي تُعظّم الدقة على بيانات التدريب.
المعاملات هي "ذاكرة طويلة الأمد" للنموذج — ما تعلمه من التدريب. حجم السياق هو "ذاكرة قصيرة الأمد" — ما يمكنه رؤيته في المحادثة الحالية. كلاهما يحدد قدراته لكنهما مختلفان جوهرياً.
أنواع النماذج وبنياتها المعمارية
ليست كل النماذج متشابهة. البنية المعمارية تحدد نوع الأنماط التي يمكن للنموذج تعلمها. الشبكات الالتفافية (CNNs) متخصصة في الصور لأنها تستغل البنية المكانية. الشبكات المتكررة (RNNs) كانت متخصصة في التسلسلات الزمنية. محوّلات الانتباه (Transformers) عامة وقوية لأنها تستطيع ربط أي عنصر بأي عنصر آخر بصرف النظر عن المسافة.
سيادة Transformers منذ 2017 — لورقة "Attention is All You Need" من Google — لم تكن صدفة. المحوّل قادر على التقاط علاقات بعيدة المدى في النص، وهو ما تعجز عنه البنى السابقة.
- الشبكات الالتفافية (CNN): متخصصة في البيانات ذات البنية المكانية كالصور
- الشبكات المتكررة (RNN/LSTM): تُعالج التسلسلات لكنها تعاني من نسيان السياق البعيد
- محوّلات الانتباه (Transformer): ترى كل مدخل في سياق كل مدخل آخر — الهيمنة الحالية
- الشبكات التوليدية التعارضية (GAN): نموذجان يتنافسان لتوليد بيانات واقعية
القدرات الناشئة: الظواهر التي لم تُصمَّم
أحد أكثر الظواهر إثارة في النماذج الكبيرة هو ظهور "قدرات ناشئة" (Emergent Capabilities) — مهارات تظهر فجأة عند تجاوز حجم معين دون أن يكون أحد قد دربها صراحةً. GPT-3 أجاب على أسئلة رياضية وكتب كوداً دون أن يُدرَّب على هذه المهام تدريباً مخصصاً.
هذه الظاهرة تطرح تساؤلات عميقة: هل النموذج يفهم فعلاً، أم يستغل أنماطاً إحصائية بالغة التعقيد؟ الجواب لا يزال محل جدل علمي حقيقي حتى اليوم.
اختبر فهمك
ثلاثة أسئلة حول ماهية النماذج
استكشف بنية النماذج
ناقش ما يعنيه أن "يفهم" النموذج شيئاً ما
مهمتك في هذا المختبر
ستستكشف مع المساعد الفرق بين النماذج المختلفة وتناقش معنى "الفهم" في سياق الذكاء الاصطناعي.
التعلم غير المُشرف والتعزيزي
ماذا يحدث حين لا توجد إجابات صحيحة جاهزة؟
هل يستطيع الذكاء الاصطناعي التعلم دون أن يُخبره أحد بالإجابات؟
في أكتوبر 2017، هزم AlphaGo Zero نموذجه السابق AlphaGo — الذي كان قد هزم بطل العالم — بنتيجة 100-0. الأمر المذهل: AlphaGo Zero لم يشاهد أبداً مباراة إنسانية واحدة. تعلّم من الصفر بلعب ضد نفسه فقط.
بعد 3 أيام كان يلعب كالهواة. بعد 21 يوماً تجاوز AlphaGo. بعد 40 يوماً كان الأقوى في تاريخ اللعبة. DeepMind أثبتت أن التعلم التعزيزي الخالص — بدون أي بيانات بشرية — يمكنه توليد ذكاء يفوق ألفي سنة من الخبرة البشرية المتراكمة في لعبة واحدة.
التعلم غير المُشرف: إيجاد البنية في الفوضى
في التعلم غير المُشرف (Unsupervised Learning) لا توجد تسميات. النموذج يتلقى بيانات خاماً ومهمته اكتشاف البنية الكامنة فيها. هذا أشبه بإعطاء شخص ألف كتاب بلغة لا يعرفها وطلب تصنيفها — فيبدأ باكتشاف أنماط الحروف والتكرارات دون أن يُخبره أحد بالمعنى.
التجميع (Clustering) مثال كلاسيكي: المستشفيات تستخدمه لاكتشاف مجموعات المرضى الذين يشتركون في خصائص متشابهة دون أن تكون الفئات محددة مسبقاً. Google Photos يجمّع صورك حسب الأشخاص دون أن تعرّفه بأسمائهم.
تدريب GPT على التنبؤ بالكلمة التالية في جملة هو في الأساس تعلم غير مُشرف: البيانات نصوص خام، و"التسمية" ليست سوى الكلمة التالية في نفس النص — لا يحتاج تدخلاً بشرياً لتسميتها.
التعلم التعزيزي: المكافأة كمعلم
التعلم التعزيزي (Reinforcement Learning) مستوحى من علم النفس السلوكي: الوكيل (Agent) يتخذ إجراءات في بيئة، يتلقى مكافآت أو عقوبات، ويتعلم السياسة (Policy) التي تُعظّم المكافأة التراكمية.
AlphaGo Zero نفّذ هذا بنقاء مطلق: البيئة هي رقعة الغو، المكافأة هي الفوز، والعقوبة هي الخسارة. لا يوجد مرشد، لا يوجد مثال بشري. مجرد لعب، تلقٍّ للنتيجة، وتحديث للسياسة.
- الوكيل (Agent): النموذج الذي يتخذ القرارات
- البيئة (Environment): السياق الذي يتفاعل معه الوكيل
- الحالة (State): الوضع الحالي الذي يراه الوكيل
- الإجراء (Action): ما يختار الوكيل فعله
- المكافأة (Reward): الإشارة التي تحكم على جودة الإجراء
- السياسة (Policy): القاعدة المُتعلَّمة التي تربط الحالات بالإجراءات
RLHF: التعلم التعزيزي من ردود فعل البشر
النماذج اللغوية الحديثة كـChatGPT تستخدم تقنية هجينة تُسمى RLHF (Reinforcement Learning from Human Feedback). مقيِّمون بشريون يرتبون إجابات النموذج، هذه التقييمات تُدرَّب عليها "نموذج المكافأة"، ثم يُستخدم هذا النموذج كمحكّم للتعلم التعزيزي.
هذا ما جعل ChatGPT "مؤدباً ومفيداً" مقارنةً بـGPT-3 الخام. القيم البشرية — الأمانة، المفيدية، الأمان — تُرجمت إلى إشارات مكافأة دقيقة أعادت توجيه سلوك النموذج.
اختبر فهمك
ثلاثة أسئلة حول أنواع التعلم
استكشف التعلم التعزيزي وغير المُشرف
فكّر في تطبيقات هذه الأساليب في العالم العربي
مهمتك في هذا المختبر
ستناقش مع المساعد أمثلة عملية على التعلم غير المُشرف والتعزيزي، وتستكشف كيف تُطبَّق في سياقات حقيقية.
مشكلة البيانات
التحيز والجودة والخصوصية — لماذا البيانات ليست محايدة أبداً
هل البيانات هي المكوّن الأهم في الذكاء الاصطناعي؟
عام 2018، اكتشفت Amazon أن نظامها لتقييم السير الذاتية — الذي دُرِّب على سير موظفي الشركة على مدى عقد — كان يُقيِّم المرشحين الذكور بشكل منهجي أعلى من الإناث. النظام تعلّم أن كلمات مرتبطة تاريخياً بالرجال كانت معياراً للنجاح. أغلقت Amazon المشروع بعد اكتشاف هذا التحيز.
البيانات لم تكن "موضوعية" — كانت تعكس عقداً من التحيز في التوظيف. الخوارزمية لم تخترع تحيزاً جديداً؛ كثّفته وأتمتته وأضفت عليه شرعية زائفة بغلاف "الموضوعية الإحصائية".
من أين يأتي التحيز في البيانات؟
التحيز في بيانات التدريب ليس استثناءً — هو القاعدة. البيانات تُجمع من العالم الحقيقي الذي فيه تفاوتات تاريخية واجتماعية. حين يتعلم النموذج من هذه البيانات، فإنه لا يتعلم "الحقيقة" — يتعلم توزيع ما حدث في الماضي.
هناك عدة مصادر للتحيز: تحيز الاختيار (بيانات ممثِّلة لمجموعة دون أخرى)، تحيز القياس (أخطاء منهجية في جمع البيانات)، وتحيز التأكيد (الباحث يختار بيانات تدعم فرضيته).
النماذج اللغوية المدرَّبة على الإنترنت تعاني من ضعف تمثيل اللغة العربية. نسبة المحتوى العربي في بيانات التدريب الضخمة تُقدَّر بأقل من 5% رغم أن عدد الناطقين بالعربية يتجاوز 400 مليون شخص.
جودة البيانات: الأبعاد الخمسة
جودة البيانات ليست مفهوماً واحداً — هي مجموعة أبعاد يجب تقييمها منفصلة:
- الدقة: هل التسميات والقيم صحيحة فعلاً؟
- الاتساق: هل تتبع البيانات نفس المعايير والتعريفات عبر الزمن والمصادر؟
- الاكتمال: هل توجد ثغرات ومعلومات مفقودة بصورة غير عشوائية؟
- التمثيلية: هل تعكس البيانات السكان أو الظاهرة المراد نمذجتها بدقة؟
- الحداثة: هل البيانات من حقبة زمنية لا تزال ذات صلة بالسياق الحالي؟
الخصوصية وحقوق البيانات
عام 2023، رفعت مجموعة من المؤلفين دعاوى قضائية ضد OpenAI وMeta بسبب استخدام كتبهم في التدريب دون إذن. في أوروبا، قررت هيئة حماية البيانات الإيطالية تعليق ChatGPT مؤقتاً عام 2023 بسبب مخاوف من الامتثال للائحة GDPR.
مسألة ملكية البيانات، والحق في "النسيان"، ومسؤولية الشركات عن البيانات التي تدرب نماذجها عليها — كل هذه قضايا قانونية وأخلاقية لم تُحسم بعد ويجري تشكيلها الآن عبر محاكم ومشرعين حول العالم.
اختبر فهمك
ثلاثة أسئلة حول مشكلة البيانات
استكشف مشكلة البيانات
ناقش التحيز والجودة في سياق نماذج اللغة العربية
مهمتك في هذا المختبر
ستناقش مع المساعد حالات التحيز في البيانات وتداعياتها الحقيقية، مع التركيز على السياق العربي.
التدريب المسبق والضبط الدقيق
كيف يتحول عملاق عام الذكاء إلى خبير متخصص في مجال محدد
كيف يُدرَّب النموذج قبل استخدامه؟
عام 2018، أصدرت Google نموذج BERT (Bidirectional Encoder Representations from Transformers). دُرِّب مسبقاً على كميات ضخمة من النصوص باستخدام مهمتين بسيطتين: التنبؤ بالكلمات المحجوبة، وفهم العلاقة بين الجمل.
ما أحدث الثورة لم يكن BERT نفسه — بل كيفية استخدامه. فريق طبي من جامعة ستانفورد أخذ BERT وأجرى "ضبطاً دقيقاً" (Fine-Tuning) على ملف يحوي 100,000 تقرير طبي فقط. النتيجة: نموذج يتفوق على الأطباء المتخصصين في تصنيف السرطانات من التقارير السريرية. 100,000 مثال بدلاً من المليارات — هذا ما وفّره التدريب المسبق.
منطق التدريب المسبق: بناء القاعدة أولاً
التدريب المسبق (Pretraining) يستغل حقيقة أن معظم المعرفة المطلوبة لأداء مهمة متخصصة — فهم اللغة، استيعاب السياق، معرفة المفاهيم الأساسية — يمكن اكتسابها من بيانات عامة ضخمة. النموذج يبني "أساساً معرفياً" عاماً.
التكلفة الحسابية للتدريب المسبق ضخمة جداً. تدريب GPT-4 من الصفر كلّف على الأرجح عشرات ملايين الدولارات. لكن هذا يحدث مرة واحدة فقط. بعدها، أي شركة أو باحث يمكنه الوصول لهذه القاعدة عبر الضبط الدقيق بتكلفة معقولة.
الضبط الدقيق: تخصيص العام للخاص
الضبط الدقيق (Fine-Tuning) هو أخذ نموذج مسبق التدريب وتدريبه مرة أخرى على بيانات أصغر وأكثر تخصصاً. معاملات النموذج لا تُعاد من الصفر — بل تُعدَّل قليلاً من نقطة انطلاق قوية.
أسلوب أكثر حداثة هو التعلم بإعطاء أمثلة في السياق (Few-Shot Prompting)، حيث لا يُعاد التدريب أصلاً — يُعطى النموذج بضعة أمثلة مباشرة في موجّه الأوامر (Prompt) فيتكيف فوراً. هذا ما جعل GPT-3 مرناً بشكل غير مسبوق.
LoRA (Low-Rank Adaptation) تقنية حديثة تتيح الضبط الدقيق بتعديل نسبة صغيرة جداً من المعاملات فقط، مما يخفض تكلفة الضبط الدقيق بشكل كبير ويُتيح تخصيص النماذج الضخمة على أجهزة محدودة الموارد.
نقل التعلم: المعرفة تنتقل عبر المجالات
نقل التعلم (Transfer Learning) هو المبدأ الأشمل وراء التدريب المسبق والضبط الدقيق. المعرفة المكتسبة في مهمة ما يمكن نقلها لمهام أخرى مرتبطة. نموذج تعلّم الطبيعة العامة للغة يستطيع التكيف مع طب الأسنان أو قانون العقود أو الترجمة — لأن الأساس مشترك.
هذا غيّر اقتصاديات الذكاء الاصطناعي جذرياً. لم يعد بناء نموذج متخصص يتطلب بيانات ضخمة أو موارد ضخمة — يكفي الوصول إلى نموذج مُدرَّب مسبقاً عالي الجودة وبيانات تخصيص معقولة الحجم.
اختبر فهمك
ثلاثة أسئلة حول التدريب المسبق والضبط الدقيق
استكشف التدريب المسبق والضبط الدقيق
كيف يمكن تخصيص النماذج الكبيرة للسياق العربي؟
مهمتك في هذا المختبر
ستناقش مع المساعد استراتيجيات التدريب المسبق والضبط الدقيق، مع التركيز على تحديات وفرص اللغة العربية.
التقييم والمعايير
كيف نعرف أن النموذج "جيد"؟ — ولماذا المعايير تُغش دائماً
كيف نعرف أن النموذج تعلّم جيداً؟
عام 2022، حقق نموذج PaLM من Google نتائج مبهرة على معيار BIG-Bench، وهو مجموعة اختبارات صعبة لتقييم القدرات اللغوية. ادّعى الباحثون أنه تجاوز قدرات الإنسان في مهام عدة. لكن تحقيقاً أجرته مجموعة مستقلة كشف أن بعض هذه النتائج كانت نتيجة للتلاقي مع بيانات التدريب — النموذج "رأى" هذه الأسئلة أو أسئلة مشابهة خلال تدريبه.
هذا المشكل يُسمى تلوث الاختبار (Test Set Contamination) وهو وباء صامت في مجال التقييم. المعيار الذي كان ذات يوم اختباراً حقيقياً يتحول — بمجرد شهرته — إلى هدف يتحسن عليه النموذج لأن بياناته تتسرب إلى التدريب.
قانون جودهارت: المقياس يُفسِد حين يصبح هدفاً
قانون جودهارت (Goodhart's Law) ينص: "حين يصبح القياس هدفاً، يكفّ عن كونه قياساً جيداً." في عالم الذكاء الاصطناعي هذا يعني أن كل معيار شائع يبدأ في الفقدان التدريجي لقيمته التقييمية.
مختبرات الذكاء الاصطناعي تُحسِّن نماذجها على المعايير الشائعة (MMLU, HumanEval, GSM8K) لأن هذه الأرقام تُستخدم في التسويق والمقارنة. حين يتحول التحسن على المعيار إلى هدف، فإن النموذج يُحسِّن الأداء على الاختبار بشكل قد لا يعكس قدرات حقيقية في العالم الواقعي.
أهم المعايير وما تقيسه فعلاً
المعايير الحالية تقيس قدرات محددة وتخطئ في قياس أخرى:
| المعيار | ما يقيسه | حدوده |
|---|---|---|
| MMLU | المعرفة الأكاديمية في 57 مجالاً | يميل لأسئلة الحفظ لا الفهم العميق |
| HumanEval | كتابة كود Python يجتاز اختبارات وحدات | مشكلات صغيرة لا تعكس تعقيد البرمجة الحقيقية |
| GSM8K | مسائل رياضية للمرحلة الابتدائية | تشبّع النماذج — معظمها تجاوز 90% |
| TruthfulQA | مقاومة توليد معلومات خاطئة | حالات محدودة لا تغطي كل أنواع الهلوسة |
ما وراء المعايير: التقييم البشري والأثر الواقعي
الاتجاه المتنامي هو التقييم البشري المباشر. منصة LMSYS Chatbot Arena تدع المستخدمين مقارنة إجابات نموذجين مجهولين واختيار الأفضل، وتبني ترتيباً بناءً على ملايين المقارنات البشرية. هذا يلتقط ما تفشل المعايير الأوتوماتيكية في قياسه: الفائدة الحقيقية، الوضوح، والملاءمة للسياق.
لكن التقييم البشري له تحيزاته أيضاً: البشر يُفضّلون الردود الطويلة والواثقة حتى حين تكون غير دقيقة، ويتأثرون بالأسلوب والتنسيق. المعيار المثالي لا يزال بعيداً.
اختبر فهمك
ثلاثة أسئلة حول التقييم والمعايير
استكشف معايير التقييم
صمّم معياراً لتقييم نموذج عربي
مهمتك في هذا المختبر
ستناقش مع المساعد تحديات تقييم النماذج اللغوية العربية وكيفية بناء معايير ذات معنى.
الحدود: ما لا يستطيع الذكاء تعلمه بعد
القيود البنيوية للتعلم الآلي الحالي — ليست أخطاء، بل حدود هندسية عميقة
ما الأشياء التي لا يستطيع الذكاء الاصطناعي الحالي تعلّمها؟
في مارس 2023، نشر باحثو Microsoft ورقة بحثية ادّعوا فيها أن GPT-4 يُظهر "بوادر ذكاء اصطناعي عام" (AGI). كان هذا إعلاناً جريئاً. لكن في الأسابيع التالية، وثّق باحثون مستقلون إخفاقات مذهلة: GPT-4 فشل في مسائل حساب بسيطة تبدو تافهة، أخطأ في التفكير المنطقي الأساسي حين قُدِّمت المسائل بصياغات مختلفة قليلاً، وتوليد خرائط ذهنية دقيقة لأماكن حقيقية أثبت استحالته.
الدرس لم يكن "GPT-4 سيء". الدرس كان أن الانبهار بالقدرات الواسعة يُخفي حدوداً بنيوية عميقة لا تختفي مع ضخامة النموذج.
الهشاشة الموزّعة: قوي وهشّ في آنٍ واحد
نماذج اللغة تُبلي بلاءً حسناً على طيف واسع من المهام، لكنها تفشل بشكل مفاجئ ومحرج في مهام تبدو أسهل. GPT-4 يكتب شعراً ويترجم القانون الدولي، لكنه قد يُخطئ في عدّ عدد الحروف في كلمة واحدة.
السبب البنيوي: النماذج اللغوية تعمل عبر التنبؤ بالرموز (Tokens) لا عبر الحساب الصريح. العدّ والمنطق الرياضي الدقيق يحتاجان تنفيذاً خطوة بخطوة — وهو ما تفتقره بنية المحوّل الأساسية خارج إطار "التفكير السلسلي" (Chain-of-Thought).
الحدود البنيوية الست
هذه حدود لا تُحل فقط بزيادة البيانات أو الحجم:
- الثبات الزمني: النموذج يجمّد معرفته عند تاريخ قطع التدريب. لا يعلم بأحداث لاحقة.
- الاتساق المنطقي الصارم: يمكنه تأكيد معلومة في جملة وتناقضها بعد عشر جمل دون أن يلاحظ.
- التجسيد والخبرة الحسية: لا يملك جسماً ولا تجربة حسية — وصف الألم أو رائحة الورد مشتق من نصوص بشرية لا من تجربة مباشرة.
- السببية مقابل الارتباط: يستطيع وصف الارتباطات الإحصائية لكنه يخلط أحياناً بين الارتباط والسببية.
- الهلوسة التأكيدية: يُنتج معلومات واثقة وموثوقة الشكل حتى حين تكون خاطئة تماماً.
- التعلم من التفاعل: النموذج لا يتذكر المحادثات السابقة ولا يتعلم من تصحيحات المستخدم بشكل دائم (في الوضع الافتراضي).
لماذا هذه الحدود مهمة؟
فهم هذه الحدود ليس تشاؤماً — بل ضرورة عملية. المؤسسات التي تنشر الذكاء الاصطناعي دون فهم حدوده تعرّض نفسها لمخاطر حقيقية. أنظمة طبية تعتمد على ذاكرة النموذج في معلومات دوائية قد تتلقى معلومات متقادمة. أنظمة قانونية تستند إلى استشهادات النموذج قد تتلقى مراجع مخترعة.
البحث النشط يستهدف هذه الحدود مباشرةً: الذاكرة الخارجية (RAG)، التفكير الرمزي (Neurosymbolic AI)، والنماذج متعددة الوسائط تحاول كل على حدة معالجة بعض هذه القيود. لكن "الذكاء الاصطناعي العام" الذي يتخطاها جميعاً لا يزال في نطاق التوقعات لا الواقع.
استخدم الذكاء الاصطناعي حيث قدرته الإحصائية الواسعة هي الأصل، وأبعده حيث الدقة المنطقية الصارمة أو الحداثة أو المسؤولية الفردية هي المطلوب.
اختبر فهمك
ثلاثة أسئلة حول حدود التعلم الآلي
استكشف حدود الذكاء الاصطناعي
اختبر الحدود البنيوية بنفسك من خلال نقاش موجَّه
مهمتك في هذا المختبر
ستناقش مع المساعد الحدود الفعلية للنماذج اللغوية وتستكشف مواطن الضعف والقوة بشكل نقدي.
📋 اختبار الوحدة 6
كيف يتعلم الذكاء الاصطناعي — 15 سؤالاً شاملاً