قاموس WAKIB الشامل: كيف تتحدث بلغة الذكاء الاصطناعي دون أن تبدو مبتدئاً؟

لم يعد الذكاء الاصطناعي مجرد موضوع تقني متخصص، بل أصبح جزءًا من الأخبار اليومية والنقاشات العامة. ومع انتشاره، ظهرت مصطلحات جديدة تتردد باستمرار في التقارير والتغريدات، حتى صارت تشبه "لغة جديدة" يحتاج القارئ العادي إلى فهمها ليستوعب كيف تعمل هذه الأنظمة، وما حدودها، وما الخلط الذي يقع فيه كثيرون عند تداولها. فيما يلي أهم هذه المصطلحات، مرتبة بحسب شيوعها في الاستخدام اليومي لا أبجديًا.

كيف تتحدث إلى الذكاء الاصطناعي

أول ما يصادفه أي مستخدم عند التعامل مع نموذج ذكاء اصطناعي هو مفهوم الموجّه (Prompt)، وهو الإدخال أو التعليمات التي تُعطى للنظام لتنفيذ مهمة محددة. قد يكون سؤالًا بسيطًا أو أمرًا مفصلًا، فعندما تكتب للنموذج "ترجم هذا النص الإنجليزي إلى الفرنسية"، فإن هذا الطلب هو الموجّه. يكتب المستخدم بلغته العادية فيجيب النموذج ويلخص ويترجم ويبرمج بحسب طبيعة الطلب. الخطأ الشائع هنا هو الاعتقاد أن الموجّه مجرد سؤال عشوائي لا فرق فيه، بينما الحقيقة أن دقة الموجّه وتفصيله يؤثران مباشرة في جودة الإجابة، فالموجّه المحدد والمفصّل يعطي نتائج أفضل من موجّه غامض.

ومن القدرات التي تُذكر كثيرًا عند الحديث عن جودة الإجابات هي سلسلة الأفكار (Chain of Thought)، وهي قدرة النموذج على تقسيم مشكلة معقدة إلى خطوات منطقية أصغر قبل الوصول إلى الجواب النهائي. تستخدم النماذج اللغوية هذا الأسلوب لتحسين جودة الإجابات في المسائل المنطقية أو البرمجية، وإن كان ذلك يستغرق وقتًا أطول. الخطأ الشائع هو الخلط بين هذه القدرة و"التفكير الحقيقي"، فالنموذج لا يفكر بالمعنى الفلسفي، بل يتبع نمطًا محددًا لتقديم خطوات متسلسلة تشبه التفكير من دون أن تكون تفكيرًا فعليًا.

مشاكل يتكرر ذكرها في الأخبار

من أكثر المصطلحات التي تظهر عند الحديث عن أخطاء الذكاء الاصطناعي هو الهلوسة أو التوليد الوهمي (Hallucination)، وهي حالة ينتج فيها النموذج معلومات خاطئة أو غير صحيحة بثقة تامة وكأنها حقيقة مؤكدة. ومن أسباب ذلك أن معظم النماذج لديها "تاريخ توقف للمعرفة" (Cut-off date)، أي أنها لا تعرف ما جرى بعد تاريخ معين، فسؤالها عن أحداث وقعت بالأمس قد يدفعها إلى التخمين إذا لم تكن متصلة بالإنترنت مباشرة. الخطأ الشائع هو الاعتقاد أن الهلوسة تحدث فقط مع النماذج الضعيفة، بينما حتى أقوى النماذج تهلوس أحيانًا، والحل ليس انتظار نموذج مثالي بل التحقق البشري من المعلومات الحساسة قبل اعتمادها.

وهناك أيضًا مصطلح الانحياز أو التحيز (Bias)، ويحدث عندما تكون البيانات المستخدمة في تدريب النظام غير تمثيلية أو تشمل معلومات مجزأة وغير دقيقة، فيؤدي ذلك إلى قرارات غير عادلة. مثال ذلك أن نظام ذكاء اصطناعي يُستخدم في التوظيف ويُدرَّب على بيانات تاريخية تُظهر أن معظم المديرين التنفيذيين من الذكور، قد يصبح متحيزًا ضد المرشحات الإناث. والخطأ الشائع هو الخلط بين "الانحياز" و"التمييز"، فالانحياز مشكلة تتعلق بالبيانات والنموذج نفسه، أما التمييز فهو الفعل الفعلي للمعاملة غير العادلة؛ الأول تقني والثاني قانوني واجتماعي.

ما وراء الشات بوت: الوكلاء والتخصيص

يتردد اليوم كثيرًا مصطلح الوكيل أو الأجنت (Agent)، وهو نظام قادر على الخروج من إطار المحادثة النصية للتفاعل مع برامج أخرى، مثل فتح ملف إكسل، أو إرسال رسالة عبر تطبيق للعمل، أو استدعاء بيانات من نظام إداري. والفرق بينه وبين "الشات بوت" التقليدي أن الأخير يجيب فقط على الأسئلة بناءً على معلومات لديه، أما الوكيل فيخطط وينفذ أفعالًا فعلية في أنظمة أخرى، كحجز موعد أو إصدار فاتورة. الخطأ الشائع المرتبط به هو الخوف من أنه سيحل محل الموظفين بالكامل، بينما الهدف المعلن هو تعزيز قدرات الموظف؛ فالوكيل يتولى المهام الروتينية والبحثية المعقدة، ويتفرغ الموظف لاتخاذ القرارات الإستراتيجية والإبداعية.

ومن المصطلحات التقنية الشائعة أيضًا الضبط الدقيق أو التدريب التخصصي (Fine-tuning)، وهو إعادة تدريب نموذج جاهز باستخدام بيانات متخصصة إضافية مرتبطة بمهمة أو مجال معين. فقد تختار شركة تبيع معدات رياضية إجراء هذا النوع من التحسين لتجعل النموذج يستجيب بصورة أفضل لاستفسارات صيانة دراجة تمارين رياضية مثلًا. والخطأ الشائع هو الاعتقاد أن الضبط الدقيق يعني إعادة بناء نموذج من الصفر، بينما هو في الحقيقة تحسين لنموذج موجود بالفعل بإضافة معرفة متخصصة فقط.

مصطلحات كبرى تحتاج إلى تدقيق

يظهر مصطلح القدرة الحاسوبية (Compute) عند الحديث عن تكاليف تطوير الذكاء الاصطناعي، ويشير إلى الموارد الحاسوبية اللازمة لتشغيل النماذج وتدريبها. الخطأ الشائع هو عدم إدراك أن جودة النموذج مرتبطة مباشرة بحجم هذه الموارد، فضعف نموذج معين قد يكون سببه كمية الموارد المستثمرة فيه لا نقصًا في التصميم نفسه فقط.

وأخيرًا، يتصدر الأخبار مصطلح الذكاء الاصطناعي العام (Artificial General Intelligence – AGI)، ويشير إلى أنظمة تتفوق على البشر في معظم المهام. لكن التعريفات نفسها متفاوتة؛ فبعضها يراه نظامًا يعادل إنسانًا متوسطًا يمكن توظيفه كزميل عمل، وبعضها الآخر يراه نظامًا يتفوق على البشر في معظم الأعمال ذات القيمة الاقتصادية. والخطأ الشائع، الذي يقع فيه حتى الخبراء أنفسهم في بعض الأحيان بحسب ما ترصده التقارير، هو غياب تعريف دقيق ومتفق عليه لهذا المصطلح، لذلك عند سماعه في الأخبار يجدر تذكر أن المقصود هو نظام قوي جدًا لا وجود فيزيائي لروبوت بشري الشكل.

فهم هذه المصطلحات لم يعد حكرًا على المطورين والباحثين، بل أصبح ضروريًا للمستخدمين العاديين أيضًا، لأنها تفسر آلية عمل التطبيقات التي يعتمدون عليها كل يوم.