الدرس العاشر: 🧩 الانحيازات الخفيّة في عقل الذكاء الاصطناعي — كيف تتغيّر المساحات الرقمية مع التعلم والتحديث؟ حين نتحدث عن التمثيل الرقمي داخل النماذج، قد نتخيّل أنه بناء ثابت اكتمل شكله مع انتهاء التدريب. لكن الحقيقة أعمق من ذلك بكثير؛ فالتمثيلات ليست حجارة صلبة، بل كائنات رقمية تتحرك وتتشكل وتعيد ترتيب مواقعها مع كل دورة تعلّم جديدة. وكما يغيّر الإنسان فهمه للعالم حين يكتسب معرفة إضافية، يعيد النموذج بدوره هندسة فضائه الداخلي كلما دخلته بيانات جديدة. فعندما تُحدَّث أوزان الشبكة، تتبدّل العلاقات بين المفاهيم داخل الفضاء الرقمي؛ قد تقترب معانٍ كانت متباعدة، أو تبتعد أخرى كانت متجاورة، أو تُعاد هندسة مجموعة كاملة دون أن ندرك ذلك للوهلة الأولى. يشبه الأمر خريطة ذهنية تتسع باستمرار، تتغير تضاريسها ويتحوّل شكل وديانها وهضابها مع كل فكرة جديدة تُضاف إليها. وهذه الديناميكية تمنح النماذج مرونة هائلة، لكنها أيضًا تفتح الباب لظواهر خطيرة إن لم تُضبط بحكمة. وأبرز هذه الظواهر النسيان الكارثي؛ إذ قد يتعلم النموذج معلومات جديدة فيفقد شيئًا من معرفته السابقة دون قصد. فقد يكون النموذج متقنًا لتمييز معنى كلمة “أبل” باعتبارها شركة تقنية، ثم يُغذّى بفيض من النصوص التي تتحدث عن التفاح كفاكهة، فيبدأ بالخلط بين المعنيين. ولمنع مثل هذا الاضطراب، تُستخدم أساليب مثل التعلم المستمر الذي يتيح للنموذج توسيع معرفته دون التضحية بالمكتسبات السابقة، أو تثبيت الأوزان التي تحفظ المفاهيم الجوهرية من التبدل العشوائي. لكن هذا التغيير المستمر لا يأتي وحده، بل يحمل معه ظاهرة أخرى أكثر خفاءً وهي: ظاهرة التحيّز. فالفضاء الرقمي الذي يُعاد تشكيله مع الزمن لا يبنيه النموذج من تلقاء نفسه، بل يعكس ما في البيانات من علاقات وصور وانطباعات بشرية. فإذا كانت البيانات منحازة ثقافيًا أو لغويًا أو اجتماعيًا، حمل النموذج هذا الانحياز في تمثيلاته دون وعيٍ منه أو منا. فالمفاهيم التي تظهر كثيرًا في سياق محدد تقترب من بعضها في الفضاء، حتى لو كان ذلك السياق غير عادل أو غير ممثِّل للواقع. ولهذا نرى نماذج تربط بين مفاهيم لا ينبغي أن ترتبط، فقط لأنها وُضعت بهذا الشكل في البيانات. فقد يميل النموذج لربط كلمات مثل “قيادة” أو “إدارة” بنوعٍ معيّن من الأشخاص، أو قد يربط مهنًا محددة بجنس أو ثقافة أو فئة اجتماعية. وهكذا تصبح الخريطة الرقمية -التي نتصورها حيادية- مرآة غير مرئية لانحيازات الواقع.

الدرس الثامن: 🧩 التمثيل متعدد الوسائط - كيف يجمع النموذج بين النص والصورة والصوت داخل فضاء واحد؟ حين يسمع الإنسان كلمة "بحر"، لا يتخيل كلمة مكتوبة على صفحة، بل يستحضر مشهدًا كاملًا: اتساع الزرقة، وروعة الشاطئ، وصوت الأمواج، ولمعان الضوء فوق السطح. فكلمة واحدة تكفي لفتح بابٍ على عالم كامل من الإحساس. هذه القدرة التي تبدو بديهية في ذهن الإنسان، تحاول النماذج الذكية الحديثة تقليدها بطريقة رقمية. وهكذا ظهر ما نسمّيه "التمثيل متعدد الوسائط": أسلوبٌ يجعل الآلة تتعامل مع النص والصورة والصوت بوصفها أجزاءً من الواقع نفسه، لا كيانات منفصلة. الفكرة بسيطة في ظاهرها، لكنها عميقة في تنفيذها. فالآلة لا تُعالج الصورة بمعزل عن النص، ولا تفصل الصوت عن المشهد، بل تجمع الجميع داخل فضاء رقمي واحد. يتحول النص إلى سلسلة من القيم الرقمية، وتحلل الصورة إلى أوصاف دقيقة للون والشكل والملمس، ثم يتحول الصوت إلى أنماط رقمية تلتقط الإيقاع والنبرة. وبعد ذلك تُربط كل هذه الأوصاف في خريطة واحدة، بحيث تقترب التمثيلات المتشابهة وتبتعد المتباينة، كما تتجاور المدن التي تنتمي إلى الإقليم نفسه على خريطة جغرافية واحدة. ولكي تنجح الآلة في هذا الدمج، تُدرَّب على ملايين الأزواج: صورة مع وصفها، صوت مع نصه، فيديو مع تفاصيله. ومن خلال هذا التعلّم المتواصل، تبدأ في اكتشاف العلاقات الخفية بين الوسائط. فإذا رأت صورة لقطّ نائم على وسادة زرقاء، وسمعت جملة تصف المشهد، تتعلم أن هذا النص وهذه الصورة ينتميان إلى المعنى نفسه. وعندما يدخل المستخدم لاحقًا وصفًا مشابهًا، تستطيع الآلة أن تبحث في فضائها الداخلي عن الصورة الأقرب إلى هذا الوصف، لأنها تعرِف -رقميًا- كيف يلتقي النص بالصورة. هذه القدرة على الربط بين الوسائط كانت وراء تطورات كبيرة في السنوات الأخيرة. من خلالها ظهرت تقنيات البحث البصري التي تسمح لك أن تبحث بجملة لتجد صورة مناسبة، وظهرت نماذج الرسم الآلي التي قد تنتج مشهدًا كاملًا من وصف بسيط. كما ظهرت نظم تصف الصورة بلغة طبيعية، أو تقرأ الفيديو من خلال جمع المشهد بالصوت، فتفهم ما يجري فيه دون الحاجة إلى تحليل كل جزء منفصلًا. ولم تتوقف الفكرة عند الفهم، بل امتدت إلى التفاعل. فالآلة اليوم تستطيع استقبال صورة وإخراج نص يشرح محتواها، أو استقبال نص وإنتاج صورة تعبّر عنه، أو تحليل مقطع صوتي وتحديد نوع المشهد الذي ينتمي إليه. وهذا الدمج لا يعتمد على الحفظ أو القواعد المسبقة، بل على العلاقات الهندسية التي تتكون بين الوسائط داخل الفضاء الرقمي.

الدرس السابع: 🧩 التمثيل السياقي — كيف يتغيّر معنى الكلمة أو الصورة بحسب موقعها؟ حين تتعامل مع اللغة لأول مرة، يبدو لك أن الكلمات ثابتة، لا يتغير معناها مهما تغيّر موقعها. لكن ما إن تنظر إليها بعمق حتى تدرك أن الكلمة ليست قالبًا جامدًا، بل كائنًا يتبدل مع كل جملة، ويكتسب معناه الحقيقي من محيطه. كلمة مثل "عين" قد تعني البصر، أو نبع الماء، أو شخصًا يراقب، ولا يعرف الإنسان معنى المقصود إلا بإلقاء نظرة على الكلمات التي تسبقها وتتبعها. هذه البديهية البسيطة التي نمارسها دون جهد، كانت تحديًا كبيرًا للنماذج القديمة في الذكاء الاصطناعي. ففي تلك النماذج، كانت الكلمة تُعطى تمثيلًا رقميًا واحدًا لا يتغير، مهما اختلف السياق. وبهذا كانت الآلة ترى أن "عين" في جملة "عين الماء" هي نفسها "عين الجاسوس"، لأن تمثيلها الرياضي ثابت لا يتحول. ومع أن هذه الطريقة كانت كافية لبعض المهمات البسيطة، فإنها سرعان ما كشفت محدوديتها عندما واجهت اللغة الحقيقية التي تتحرك مع السياق. وهنا ظهرت النقلة النوعية في هندسة التمثيل: التمثيل السياقي. وهو الأسلوب الذي يجعل معنى الكلمة يتغير تبعًا لموقعها في الجملة، كما يفعل الإنسان تمامًا. لم تعد الكلمة تُسجَّل مرة واحدة، بل يعاد تمثيلها في كل لحظة، اعتمادًا على الكلمات التي تحيط بها قبلها وبعدها. فإذا قرأ النموذج جملة مثل: "عين الجاسوس كانت يَقِظة"، فإنه يدرك من السياق أن المقصود شخص يراقب، بينما في "عين الماء تتدفق"، يفهم أن المقصود نبعٌ أو مصدر ماء. هذا الفهم الديناميكي لا يحدث من تلقاء نفسه، بل تقوده تقنية دقيقة تُسمّى الانتباه الذاتي. وهي الآلية التي تجعل النموذج يوزّع تركيزه على جميع الكلمات في الجملة، ليقرر ما الذي يتصل بها. تمامًا كما يفعل القارئ حين يعود ببصره إلى كلمة سابقة ليعيد فهمها في ضوء جملة لاحقة. فإذا قرأ النموذج: "النيل أطول نهر في أفريقيا"، فإنه يرى كلمة "نهر" قريبة من "النيل" في السياق، فيختار المعنى المناسب تلقائيًا. والمدهش أن هذه الآلية لا تتعامل مع الجملة كوحدة واحدة، بل تعيد حساب التمثيل مع كل خطوة. قد يغيّر النموذج فهمه لكلمة في بداية الفقرة بعد أن يقرأ الجملة الأخيرة، لأن السياق اتسع واتضحت الصورة. هذا يشبه القارئ الذي لا يكتمل فهمه إلا عند انتهاء النص. ولا يتوقف هذا المفهوم عند النصوص، بل يمتدّ أيضًا إلى الصور. فالصورة مثل اللغة لا تُفهم إلا بسياقها. صورة كرة على ملعب تختلف عن كرة فوق رفّ في غرفة. الأولى تنتمي إلى مشهد رياضي، والثانية إلى مشهد منزلي أو تزييني. وحتى العناصر نفسها مثل قارب أو شجرة تتبدل دلالتها إذا تغيرت الخلفية أو الإضاءة أو موقع العنصر داخل الصورة. فالقارب في بحر مفتوح ليس كالقارب في متحف، والشجرة في غابة ليست كشجرة وسط مدينة.

الدرس الثالث: 🧩 الفضاءات الرقمية — كيف ترسم الآلة خريطة المعاني في عالم لا يُرى؟ بعد أن رأينا كيف تتحول الكلمات والصور إلى صيغٍ رقمية تحمل شيئًا من معناها، يبقى التساؤل قائمًا: أين تذهب هذه الصيغ بعد أن تُصنع؟ أين تسكن المعاني حين تغادر شكلها البشري وتدخل عقل النموذج؟ للإجابة عن هذا، يمكن أن نتخيل مساحة واسعة لا تشبه مكتبة من الرفوف، بل تشبه ساحة تنتشر فيها النقاط، كل نقطة تمثل معنى، وكل مسافة بين نقطتين تحمل دلالة ما. هكذا تحفظ النماذج الحديثة فهمها: لا تُحفظ في القواميس، بل ترسم في خرائط. في هذا العالم الرقمي، لا يُستخدم الورق ولا الحبر. كل شيء يُبنى من الأعداد، لكن هذه الأعداد لا تتكدس فوق بعضها، بل تُنسَّق كما تُنسَّق المدن: كلمات متقاربة تسكن في الحي نفسه، وكلمات متباعدة تذهب إلى أطراف أخرى من الخريطة. كلمة "قمر" تقف قرب "ليل"، و"بحر" يقترب من "موج"، بينما "كرسي" و"غيمة" لا يجمعهما شارع ولا ممر. وحين نقول إن النموذج يعمل داخل "فضاء رقمي"، فنحن نقصد أنه يُسكن كل كلمة أو فكرة في موقع محدد داخل مساحة هندسية واسعة. موقعٌ لا تراه العين، لكنه موجود بطريقة تسمح للنموذج أن يعرف مدى قرب المعاني من بعضها. كل معلومة تأخذ إحداثياتها كما تأخذ المدن مواقعها على الخرائط، وكلما ازدادت المعلومات ازدادت الخريطة اتساعًا ودقة. ولفهم هذا الفضـاء، يمكن أن نتخيل أن لكل كلمة "صِفَة رقمية": بطاقة صغيرة تحدد موقعها داخل هذه الساحة. فإذا كانت الكلمتان متشابهتين في الاستخدام، اقتربت بطاقتهما من بعضهما. وإذا كان بينهما اختلاف واضح، تباعدت البطاقتان. هكذا تُقاس المسافة بين الكلمات ليس بالحروف، بل بالمعنى. ومع الوقت، تصبح هذه المسافات لغة يفهم النموذج من خلالها مدى الارتباط بين المفاهيم. وتبدأ التجمعات في هذا العالم بالظهور كما تظهر الأحياء في المدينة الواحدة. فتجد الكلمات المتعلقة بالطعام في جهة، وكلمات المشاعر في جهة، وكلمات الطبيعة في جهة أخرى. ليس لأن أحدًا رتّبها يدويًا، بل لأن النموذج رأى عبر أمثلة كثيرة أن هذه الكلمات تترافق في النصوص، فقرّر -بطريقة رياضية لا نراها- أن يجعلها تسكن قرب بعضها. وهكذا تتشكل “أحياء المعاني” التي يلجأ إليها النموذج كلما حاول فهم جملة جديدة. ولأن هذه المساحات الرقمية قد تكون واسعة جدًا، تحاول الأدوات التقنية تبسيطها كي نراها بأعيننا. فتُضغط الأبعاد الكثيرة إلى بعدين أو ثلاثة، لتظهر لنا النقاط مجتمعة على الشاشة. وعندما نرى الكلمات المتشابهة متلاصقة، نفهم أن الآلة لم تخمّن، بل رأت هذا التشابه عبر رحلة طويلة من التدريب. وكأننا ننظر إلى خريطة سرية رسمها النموذج لنفسه كي يميز بين المعاني.

🧩 الدرس الثاني: 🧩 من الرمز إلى المعنى — كيف تعبر البيانات بوابة الترميز؟ حين تقترب من فكرة الترميز، تجد نفسك في بداية طريقٍ جديد يشبه الوقوف عند باب مدينة لا تظهر معالمها من النظرة الأولى. ترى أمامك كلمة بسيطة مثل "شمس"، أو صورة لغروب عند الأفق، فتفهم معناها فورًا كما يفهمها أي إنسان عاش التجربة من قبل. لكنك حين تحاول أن تنقل هذا الفهم إلى الآلة، تدرك أن ما نراه بديهيًا لا يصل إليها كما يصل إلينا. فالآلة لا ترى الشمس، ولا تفهم الغروب، كل ما يصلها ليس أكثر من بيانات خام، سلاسل من الحروف أو مربعات صغيرة من الألوان، لا تحمل أي معنى دون معالجة. ومن هنا تبدأ رحلة الترميز. رحلة تحاول فيها الآلة أن تأخذ هذا الشكل الأولي -الشكل الذي لا يحمل إلا الرمز- وتعيد بناءه على نحو يجعل له معنى يمكن التعامل معه داخل نظامها. هي رحلة تشبه انتقال الكلمة من نقشٍ على صخرة إلى معنًى في كتاب. ولا تتم هذه الرحلة دفعة واحدة، بل تمر عبر محطات متتابعة، كل محطة تقرّب الآلة خطوة من الفهم الذي نمارسه نحن دون جهد. تبدأ الحكاية عندما تصل الكلمة إلى النظام. فحين ترى "شمس"، تراها أنت صورة، بينما تراها الآلة مجموعة من الرموز تُحوّل فورًا إلى أرقام ثابتة ضمن جدولٍ عالمي، كأن كل حرف يحمل رقمه الخاص في سجل كبير. تتحول الكلمة إذن إلى سلسلة من الأعداد: تمثيل دقيق، لكنه لا يحوي شيئًا من المعنى. هذه المرحلة تشبه كتابة أسماء الناس دون معرفة قصصهم؛ ترتيب صحيح، لكنه لا يكشف شيئًا عن الشخص نفسه. ثم تنتقل الكلمة إلى محطة أخرى، حيث لا يكفي أن تُسجّل كما هي، بل يجب أن ترتبط بما حولها. في هذه المرحلة يبدأ الترميز الغني، الذي لا يكتفي بالشكل، بل يحاول أن يقترب من المضمون. هنا تتحول الكلمات من أرقام بسيطة إلى متجهات رقمية، متجهات تحمل سمات متعددة تُستخرج من طريقة استخدامها في النصوص. وهكذا تصبح "شمس" نقطة داخل فضاء واسع، تقف بالقرب من كلمات مثل "ضوء" و"قمر"، وتبتعد عن كلمات لا علاقة لها بها. في هذا المشهد تبدأ خريطة المعنى بالظهور، خريطة لا تُرسم بالحبر، بل بالأبعاد والمسافات. وتختلف رحلة الترميز بحسب نوع المدخلات. فالنصوص تبدأ بتقسيم الجملة إلى رموز صغيرة، تُمنح لكل رمز منها أرقام محددة، ثم تُحوّل هذه الرموز إلى متجهات داخل فضاء لغوي. أما الصور فتُقسّم إلى بكسلات، تُحوَّل إلى متجهات تمثل ملامح الصورة، كل منها يحمل قيمًا لونية دقيقة، ورغم اختلاف الطريقين، فإن الغاية واحدة: تحويل المدخلات إلى صيغة موحدة، صيغة رقمية يمكن للآلة التعامل معها كما يتعامل النجار مع الخشب بعد أن يزيل عنه الشوائب.