رابط المحاضرة عن طريق يوتيوب https://www.youtube.com/watch?v=Ego7SqNeJ2E&t=2s ________ هل كانت المحاضرة واضحة

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 السادس: حين نطقت البيانات: كيف أعادت المعلومة رسم خريطة الذكاء الاصطناعي في البداية، حين كان الإنسان يكتب القواعد يدويًا، كان الذكاء الاصطناعي محدودًا بحدود ما يُكتب له. لم يكن يعرف أكثر مما أُخبر به، ولا يستطيع تجاوز ما خُطَّ في كوده. لكن حين بدأ العلماء يُقدّمون له أمثلة بدل الأوامر، تغيّر كل شيء. صارت البيانات هي المعلم الفعلي، وصار النموذج طالبًا يتعلّم من التجربة. كل مثال جديد يُضاف إلى ذاكرته يصبح درسًا جديدًا، وكل خطأ يقع فيه يتحوّل إلى تصحيح في المرات القادمة. بهذه الطريقة تحوّل الذكاء الاصطناعي من نظام جامد إلى نظام قابل للتعلّم، ومن آلة تنفّذ إلى آلة تستنتج. ومع ازدياد حجم البيانات التي تُغذّى بها النماذج، بدأت الدقة ترتفع والقدرة على التعميم تتحسّن. لم تعد الآلة تحتاج إلى أن تشرح لها كل حالة ممكنة، بل أصبحت قادرة على استخلاص القواعد العامة من آلاف الحالات المختلفة. حين ترى نماذج كثيرة من القطط مثلًا، في أوضاع وألوان وخلفيات متعددة، تستنتج القاعدة بنفسها: ما الذي يجعل القطة قطة، بغضّ النظر عن شكلها الظاهري. هذه القدرة على التعميم لم تكن لتحدث لولا وفرة البيانات وتنوعها، وهو ما جعلنا ننتقل من ذكاءٍ محدود إلى ذكاءٍ أكثر مرونة وواقعية. لكن ازدياد حجم البيانات لم يكن وحده كافيًا. فمع تضخم الكميات، ظهرت الحاجة إلى نوعية أفضل. الكثرة قد تُخفي الأخطاء بدل أن تصحّحها، لأن النموذج يتعلّم من كل ما يُقدَّم له دون تمييز. فإذا كانت البيانات مشوّشة أو متحيّزة، سينسخ التحيّز نفسه في نتائجه. لهذا أصبح شعار الباحثين واضحًا: البيانات الجيدة تخلق ذكاءً جيدًا، والبيانات السيئة تخلق ذكاءً منحرفًا. فالذكاء الاصطناعي لا يملك بوصلته الأخلاقية الخاصة، بل يستمد اتجاهه من البيانات التي يراها. إن كانت هذه البيانات تمثّل العالم بعدلٍ وتنوّع، سيعكس فهمًا متوازنًا، وإن كانت منحازة لجانب دون آخر، سيصبح منحازًا بدوره. هكذا تحوّلت البيانات من مجرد مدخلات خام إلى عنصرٍ يصوغ الوعي الاصطناعي نفسه. فكل معلومة تُقدَّم له تحدد طريقته في النظر إلى الواقع. النموذج اللغوي الذي يُدرّب على نصوص أدبية يتعلّم أن يكتب ببلاغة، والذي يُدرّب على لغة علمية يكتسب أسلوبًا تحليليًا دقيقًا، والذي يُدرّب على مقالات مليئة بالأخطاء يصبح بدوره مُشوّش الفهم. حتى في المجالات الطبية، أثبتت الدراسات أن دقّة النماذج في تشخيص الأمراض تعتمد على تنوع الصور الطبية التي تتلقاها وعددها. فالنموذج الذي يرى صورًا كثيرة لمرضٍ نادر سيتعرّف عليه بسرعة، بينما الذي لم يرها من قبل سيخفق في تمييزها.

جديد : تطبيق تراث الذكي 👍🏻👌🏻 إدخال الذكاء الاصطناعي في المكتبة الشاملة وهو تحت التجربة من إنتاج نقاية جزاهم الله خير الجزاء رابط التحميل https://turath.ai د. علي الرميحي

🧩 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.