الدرس الرابع: 🧩 التوكنات والتكلفة — ما الذي يحسبه النموذج حقًا؟ حين تصل إلى هذا الدرس تكون قد قطعت شوطًا طويلًا في فهم كيف تتعامل النماذج مع اللغة، وكيف تُحوِّل الكلمات إلى معانٍ، والمعاني إلى مواقع داخل فضائها الرقمي. لكنك ما إن تتعمق خطوة أخرى حتى يظهر سؤال أكثر دقة: ما الذي يقرؤه النموذج بالفعل؟ وما الوحدة التي يبدأ منها الفهم داخل هذا العالم الحسابي؟ فعلى الرغم من أننا نكتب الكلمات كاملة، إلا أن النموذج لا يقرأها بهذه الصورة، ولا يتعامل معها كما نراها على الورق. فالآلة لا ترى الكلمة بوصفها كلمة، بل تفككها إلى وحدات صغيرة تُسمّى «التوكنات». هذه التوكنات هي أقرب ما تكون إلى قطع صغيرة من النص، قد تكون كلمة كاملة في بعض الأحيان، وقد تكون نصف كلمة أو جزءًا من مقطع، وأحيانًا لا تتجاوز حرفًا واحدًا. إنها ليست كلمات، بل وحدات تُقسم بها الآلة النص إلى أجزاء قابلة للفهم والمعالجة. وإذا تساءلتَ: لماذا لا تستخدم الآلة الكلمات بصورتها الطبيعية؟ فالإجابة أن الكلمات تختلف من لغة إلى أخرى في طولها وتعقيدها. العربية مثلًا كلمة واحدة فيها قد تحمل بدايات ونهايات وزوائد تجعلها طويلة ومعقدة، بينما الإنجليزية أبسط وأكثر اختصارًا. التقسيم إلى توكنات صغيرة يمنح النموذج مرونة أكبر، ويجعله قادرًا على فهم اللغة من داخلها، دون الحاجة إلى تخزين ملايين الكلمات المختلفة. فالآلة لا تعتمد على شكل الكلمة، بل على الأجزاء التي تكوّنها، كما يدخل البنّاء إلى تفاصيل الحجر بدل النظر إلى شكل الجدار. بعد أن تُجزّأ الجملة إلى توكنات، تبدأ خطوة جديدة: تتحول كل قطعة صغيرة إلى «صفة رقمية» — بطاقة تصف موقعها داخل النظام الرقمي. هذه البطاقات ليست معاني كاملة، لكنها اللبنات الأولى التي يبدأ النموذج منها رحلته نحو الفهم. وحين تتجمّع هذه الصفات جنبًا إلى جنب، تبدأ الآلة بتكوين صورة مبدئية للنص، ثم تنتقل إلى مرحلة أعمق، حيث تعالج المعاني من خلال علاقات هذه الأجزاء بعضها ببعض. ومع أن فكرة التوكنات تبدو تقنية، إلا أن لها أثرًا مباشرًا على كل تفاعل بينك وبين النموذج. فكل توكن تستخدمه له تكلفة، وكل توكن يولّده النموذج له تكلفة أيضًا. ولهذا لا تُقاس أسعار النماذج بالكلمات، بل بالتوكنات، لأنها الوحدة الفعلية التي تُنفَّذ عليها العمليات داخل النظام. يمكنك أن تتخيل التوكن كما تتخيل وحدات المياه أو الكهرباء: لا يهم حجم البيت، بل كمية الاستهلاك. كذلك هنا: لا تُقاس الفاتورة بطول النص، بل بعدد التوكنات التي مرت عبر النموذج.

الدرس السادس: 🧩النماذج التوليدية - عندما تتعلّم الآلة أن تبتكر عندما يقترب القارئ من عالم النماذج التوليدية لأول مرة، يشعر كأنه يدخل ورشة واسعة ليست مزدحمة بالأدوات فحسب، بل بالأفكار. لم تعد الآلة هنا مجرّد عاملٍ صامتٍ ينفّذ ما يُطلب منه، بل كائن حسابي يتجاوز حدود الفهم إلى حدود الخَلْق، لا لأن له خيالًا مثل خيال البشر، بل لأنه تعلّم من البشر طريقة بناء الأشياء من مكوّناتها الصغيرة. وهذا التحوّل من “الاستقبال” إلى “الابتكار” هو ما فتح الباب أمام فصل جديد في تاريخ الذكاء الاصطناعي؛ الفصل الذي أصبحت فيه الآلة شريكًا في الصِّنعة الفكرية، لا متلقّيًا لها فقط. ويبدأ هذا المشهد من فكرة بسيطة في ظاهرها، لكنها جوهر كل ما يحدث خلف الستار: حين تخضع النماذج لتدريب طويل على ملايين النصوص أو الصور أو الأصوات، فإنها لا تحفظ الأمثلة كما يحفظ الطالب درسًا، بل تستخلص الأنماط والخطوط الخفية التي تُمسك بتلابيب الأسلوب والمعنى والتركيب. ومع كثرة التجارب، تبدأ هذه الأنماط في تكوين ما يشبه “المخزون الداخلي” الذي يسمح للآلة بأن تنتج شيئًا جديدًا يشبه ما تعلّمته لكنه ليس نسخة منه. كأن النموذج يقف في منتصف طريق بين التذكّر والاختراع؛ يأخذ من الماضي مادته، ثم يعيد صياغتها بترتيبٍ لم يوجد من قبل. ولذلك، حين يرى القارئ نموذجًا يكتب قصة قصيرة أو يرسم مشهدًا أو يقترح لحنًا موسيقيًا لم يُسمَع من قبل، فليس من العدل أن يُقال إن النموذج “اخترع” هذا العمل، ولا أنه “قلّده”. هو في الحقيقة أعاد تركيب العناصر نفسها التي بناها البشر عبر تاريخ طويل من الفن والمعرفة، لكنه فعل ذلك بطريقةٍ تسمح بخروج شكل جديد من الأشكال الممكنة. وهذا هو سر النماذج التوليدية: أنها لا تُعيد الماضي كما هو، بل تُغيّر زواياه وتعيد تشكيله في صورة تبدو مألوفة وغريبة في الوقت نفسه. ومع توسّع قدرتها، دخلت هذه النماذج ميادين كثيرة. فمن رأى نموذجًا يرسم لوحةً رقمية بألوان هادئة وإيقاع بصري محسوب قد يظنّ أنه أمام يد فنان لا آلة. ومن يسمع نموذجًا يلحن جملاً موسيقية قد يتساءل: كيف يمكن لمعادلاتٍ صامتة أن تنسج هذا الإيقاع؟ حتى النصوص -وهي القالب الذي تتدفّق فيه أفكار البشر- أصبحت ساحةً تكتب فيها النماذج رسائل، سرديات، تفسيرات، أو حتى شيفرات برمجية معقدة. ومع هذا الاتساع، ظهر سؤال داخلي يتردّد بصوت خافت: ماذا يعني أن “تبدع” الآلة؟ الآلة لا تُبدع لأنها ترى الجمال أو تشعر به، بل لأنها تتقن تركيب الأنماط التي اكتسبتها من البشر. فهي تفهم سياق الجملة في النص، وتفهم شكل الوجه في الصورة، وتستوعب علاقة النغمة بالأخرى في الموسيقى، ثم تبني على هذا الفهم شيئًا يبدو جديدًا. إنّها تحاكي طريقة الإنسان حين يتعلّم من أساتذته، ثم يبدأ شيئًا فشيئًا في صياغة أسلوبه الخاص، مع فارقٍ جوهري: الإنسان يضيف روحه وتجربته، أما النموذج فيضيف إحصاءً محسوبًا وارتباطًا مكتسبًا من البيانات.

🧩 الدرس الأول: 🧩 تمثيل المعنى — كيف تتحول الكلمات إلى مواقع داخل فضاء رقمي؟ حين تقترب من فكرة تمثيل المعنى، تكون قد قطعت مسارًا طويلًا في فهم كيف تتعامل الآلة مع الكلمات. ترى أولًا الكلمة كما نراها نحن، ثم تراها كما تراها الآلة: رمزًا لا يحمل صورة، وصوتًا لا يثير ذاكرة. ومع مرورك في هذا الطريق، تدرك أن الكلمة عند الإنسان تبدأ بحكاية، أما عند الآلة فتبدأ بنقطة صغيرة داخل فضاءٍ واسع لا يُرى. وكما ترى الخوارزمية وهي تتحول من وصف جامد إلى خطوة داخل منظومة، ترى المعنى وهو يتحول من فكرة بشرية إلى موقعٍ عددي يملك وظيفة داخل نظام أكبر. وحين تنظر إلى عملية التمثيل بهذا المنظور، تكتشف أنها لا تعمل في عزلة. فالكلمة لا تنتقل من الحرف إلى الرقم مباشرة، بل تمر بمحطات متتابعة، كل محطة تضيف إليها طبقة جديدة من الفهم. محطةٌ تفكك النص إلى وحدات صغيرة، ومحطة تجعل لكل وحدة رمزًا يمكن للحاسوب قراءته، ومحطة تُحوّل هذا الرمز إلى متجه عددي يعيش داخل فضائه، ومحطة تجمع المتجهات لتبني العلاقات بينها. وكما تعمل ورش مدينة في تناغم لتنتج حركة واحدة مستقرة، تعمل هذه المراحل معًا لتصنع في النهاية شكلًا رقميًا للمعنى. وعندما تنظر إلى الفضاء الذي تتجمع فيه هذه المعاني، تراه أشبه بخريطة واسعة، لا تُرسم بالألوان بل بالمسافات. كلمة تقف قرب أخرى لأنها تشترك معها في الاستخدام، وأخرى تبتعد لأنها تنتمي لمجال مختلف. ومع الوقت يبدأ هذا الفضاء في اتخاذ صورة كبيرة، صورة لا تُبنى من الصور الحسية، بل من الأنماط المتكررة التي تراها الآلة في النصوص. وهنا تدرك أن تمثيل المعنى ليس خطوة تقنية منفصلة، بل منظومة كاملة تُنسِّق حركة الكلمات داخل عقل النموذج، وتمنحه القدرة على فهم الجملة لا من شكلها، بل من موقعها بين المعاني من حولها. وتستمر الفكرة في التحوّل كلما تقدّمت داخل هذا النظام. فبعد أن تستقر الكلمة داخل فضائها الرقمي، تبدأ علاقتها بالكلمات الأخرى في الظهور شيئًا فشيئًا. ليست علاقة مبنية على الصورة أو الصوت، بل على طريقة الاستخدام وتكرار الظهور في الجمل. كلمة تظهر كثيرًا مع كلمة أخرى تقترب منها، وأخرى لا تشترك معها في السياق تبتعد عنها، حتى تتكوّن خريطة واسعة يمكن للنموذج الرجوع إليها في كل مرة يحاول فيها فهم جملة جديدة. ومع توالي الأمثلة التي تتدفق أثناء التدريب، يصبح هذا الفضاء أشبه بمخطط كبير تتوزع فيه النقاط كما تتوزع المدن على خريطة قديمة. بعضها متقارب كأنه ينتمي إلى الإقليم نفسه، وبعضها متباعد لأنه لا يجمعه رابط واضح. وحين يتعامل النموذج مع جملة جديدة، لا يقرأ الكلمات وحدها، بل ينظر إلى مواقعها داخل هذا الفضاء وإلى المسافات التي تفصل بينها. ومن خلال هذه المسافات يعرف النموذج إن كانت الكلمة قريبة من معناها الصحيح، أو إن كانت خرجت عن السياق، أو إن كان عليه اختيار تعبيرٍ آخر أكثر ملاءمة.

هل تمتلك العربية جاهزية فعلية لمنافسة الإنجليزية في عالم النماذج الذكية، أم أنها تحتاج إلى بناء من الصفر لتصبح مقبولة؟ قال ChatGPT: 1. أثبتت العربية قدرتها التقنية على التفاعل الكامل مع نماذج الذكاء الاصطناعي من دون أن تبدأ من الصفر. 2. أظهر الأداء الحالي أن المشكلة ليست في اللغة، بل في حجم البيانات العربية وتنوعها وتنظيفها أثناء تدريب النماذج. 3. كلما زادت البيانات العربية ذات الجودة العالية، ازداد ذكاء النموذج وارتفعت دقته، وهذا ما يجعل الإنجليزية متقدمة بحكم وفرة بياناتها فقط. 4. أدخل الآن أي نص عربي جيد وستحصل على نتائج عالية؛ أما بناء نماذج عربية متخصّصة فيحتاج إلى تعزيز البيانات لا إلى إعادة اختراع الأساس. 5. انطلق من العربية مباشرة، وركّز على تكوين سياقات عميقة، ومصادر موثوقة، وتعليمات تكوين عالية الجودة—هذه هي نقطة التفوق الحقيقية. أشرح في خمسة مسارات عملية كيف تصل العربية إلى مستوى منافسة الإنجليزية بالكامل في عالم النماذج الذكية. قال ChatGPT: أولًا: تكبير الوعاء اللغوي العربي ابدأ بزيادة حجم البيانات العربية عالية الجودة. وفّر مدونات نصية ضخمة، مقالات، كتبًا، بحوثًا، حوارات طبيعية، تعليمات، سجلات الأسئلة، أمثلة تفاعلية. ارفع التنوع: فصيحة، كلاسيكية، معاصرة، حوارية، علمية، قانونية، تقنية، إعلامية. كلما تضاعف الوعاء تضاعفت دقة النموذج. ثانيًا: تحسين جودة البيانات لا كميتها فقط نقِّ البيانات قبل تدريب النموذج. أزل الأخطاء الإملائية، الازدواج اللغوي، الركاكة، التكرار. صنع بيانات “مصفّاة” يجعل النموذج العربي ينافس بدقة النماذج الإنجليزية المتقدمة. الإنجليزية لم تربح بالكثرة وحدها بل بالنظافة والاتساق. ثالثًا: إنشاء تعليمات تكوين عربية معيارية صغ تعليمات نظام وتعليمات سياق وتعليمات تخصيص بالمنطق العربي نفسه. صمّم قوالب جاهزة عالية الضبط (Persona / RTF / Rules / Examples). كلما كانت التعليمات عربية أصيلة، أصبح سلوك النموذج أفضل من الاعتماد على قالب إنجليزي مُترجَم. رابعًا: تغذية النموذج بأمثلة عربية تطبيقية (Few-Shot) وفّر أمثلة عربية حقيقية داخل تعليمات التكوين: – حوارات تعليمية – مذكرات قانونية – بحوث أكاديمية – خطط تربوية – تحليلات إدارية – محتوى إعلامي هذه الأمثلة تبني فهمًا عربيًا لا يملكه نموذج مدرّب على الإنجليزية. خامسًا: بناء مجتمع عربي منتج للبيانات

الدرس العاشر: بنية الخوارزمية — كيف تتشكّل الخوارزمية من الداخل؟ حين تنظر إلى الخوارزمية من الخارج، قد تبدو لك كأنها مجرد سلسلة من الخطوات المرتبة: بداية محددة، ثم انتقال منظّم، ثم نتيجة تصل إليها في النهاية. ويبدو المشهد، عند هذه النظرة الأولى، بسيطًا ومباشرًا، كما لو كنت ترى طريقًا معبّدًا يمتد أمامك دون تعقيد. لكن ما إن تقترب خطوة واحدة حتى يتكشف لك عالم آخر. تشبه الخوارزمية آلةً دقيقة تعمل من الداخل بأنابيب متشابكة وممرات خفية ومستشعرات صغيرة لا يظهر أثرها في السطح، لكنها تحمل الحركة كلها وتجعل الوصول إلى الحل ممكنًا. وتبدأ رحلتك داخل هذه الآلة عند نقطة التعريف الأولى: السؤال الذي يحدد المشكلة. فهنا لا تكون الخوارزمية قد بدأت التنفيذ بعد؛ بل تكون في مرحلة وضع الإطار. إن تحديد المدخلات ليس خطوة تقنية بل هو تحديد مساحة العمل: العناصر، القيم، النصوص، الشروط… كلها تمثل الوقود الذي ستعمل عليه الخوارزمية. ومن دون هذا الوقود تظل الخوارزمية مثل آلة تدور بلا مادة تُحرّكها، لا تعرف أين تبدأ ولا إلى أين تتجه. وحين تتقدم داخل الآلة تدخل إلى العمود الفقري الذي تمر فيه الحركة: المسار الرئيس. في هذا المسار تُنفَّذ المقارنات، وتُعالج البيانات، وتُجرى الحسابات، وتتنقّل الخوارزمية بين عنصر وآخر، وتختبر الحالات كما يختبر جهاز دقيق اتساق الإشارات الداخلة إليه. وهنا يظهر منطق الخوارزمية بأوضح صورة؛ فهو الطريق الذي رسمه المصمّم في ذهنه قبل أن يتحول إلى شيفرة. وإذا اضطرب هذا الطريق، ولو قليلًا، انهار الأداء مهما أتقنتَ بقية الأجزاء. وحين تستمر في التقدم، تصل إلى مفرق الطرق داخل الآلة. هنا تظهر الشروط. يسأل النظام: هل تحقق الشرط؟ فإذا جاء الجواب نعم، انفتح باب يقوده إلى مسار جديد؛ وإذا جاء لا، انفتح باب آخر يقوده إلى اتجاه مختلف. هذه النقاط تشبه إشارات تقاطع من دونها ستبقى السيارة في دائرة مفرغة، ومعها يتحول الطريق إلى شبكة ذكية تستجيب للحالات وتغيّر اتجاهها عند الحاجة. ومن هنا تفهم أن الشروط ليست للزينة بل هي مفاتيح التحكم في بنية الخوارزمية. وبعد أن تتابع سيرك تصل إلى واحد من أهم أجزائها: الحلقات. تبدو الحلقات لأول وهلة بسيطة، مجرد أمر يجعل الخوارزمية تعيد خطوة ما، لكنها في الحقيقة أشبه بتوربينات داخل الآلة تعمل بلا توقف حتى يتحقق شرط معين. تتيح هذه الحلقات للخوارزمية أن تمرّ على القوائم الطويلة، وأن تتكرر على البيانات المترابطة، وأن تتبع المسارات المعقدة داخل الشبكات. لكنها أيضًا أخطر نقطة في البناء: فالحلقة غير المحكمة قد تجعل الآلة تدور في دوران لا ينتهي، أما الحلقة المضبوطة فتحوّل العمل الشاق إلى حركة سلسة تتقدم نحو الهدف دون إهدار.