كيف يعمل الذكاء الاصطناعي فعلاً، بكلمات بسيطة
بمجرد أن ترى كيف ينتج روبوت الدردشة النص، لم تعد إخفاقات الوحدات الأخرى مفاجئة. في جوهره، يعمل نموذج الذكاء الاصطناعي التوليدي عبر توقّع الكلمة التالية، مرة تلو الأخرى، استنادًا إلى الأنماط الموجودة في كمية هائلة من النصوص التي دُرِّب عليها. وتلك الكمية الهائلة من اللغة هي سبب تسمية هذه الأدوات بالنماذج اللغوية الكبيرة (large language models). وانطلاقًا من هذا المحرك البسيط وحده، تُنجز النماذج الحالية الكثير، ويختلف الباحثون فعليًا حول ما إذا كان ذلك يرقى إلى فهم حقيقي. لست بحاجة إلى حسم هذا الجدل لكي تستخدم الأداة جيدًا. المهم لهذا العمل هو أنه ينتج لغة من أنماط إحصائية، لا من مجموعة محفوظة من الحقائق التي جرى التحقق منها، وهذا بالتحديد سبب أنه قد يبدو طليقًا ومع ذلك يكون مخطئًا.
كونوا النموذج لمدة دقيقتين
- ليكتب شخص واحد أول أربع كلمات من جملة عن مكتب محلي على ورقة.
- مرروا الورقة بينكم. ليضف كل شخص كلمة واحدة بالضبط، الكلمة الأكثر احتمالا أن تأتي بعدها، من دون أي نقاش.
- عند الوصول إلى اثنتي عشرة كلمة، اقرأوا الجملة بصوت مرتفع.
هل تبدو كجملة حقيقية؟ هل فيها ما هو صحيح؟ لم يقرر أحد في الغرفة أن تكون كذلك.
- إنه لا يبحث عن الإجابات في مجموعة محفوظة من الحقائق التي جرى التحقق منها؛ بل يُنتج ما هو محتمل إحصائيًا استنادًا إلى الأنماط. هذا أمر قوي، وهو أيضًا السبب في أنه قد يبدو طليقًا ومع ذلك يكون مخطئًا، وهذا ما يقصده الناس حين يقولون إن روبوت الدردشة "يهلوس".
- ولأنه يتعلم من النصوص، فإنه يكون أضعف حيثما قلّ النص: اللغات الأقل موارد، والقواعد والمكاتب المحلية، والتغييرات الحديثة جدًا. ولذاكرته المدرَّبة تاريخ انتهاء، ومع أن كثيرًا من الأدوات تضيف الآن بحثًا مباشرًا على الويب لتجاوز ذلك التاريخ، تبقى الإجابة موثوقة بقدر موثوقية المصادر التي تستقي منها.
ما الذي يفعله المحوّل (transformer) فعليًا
نوع الذكاء الاصطناعي في هذه الأدوات يُسمّى نموذج لغوي كبير (large language model)، والتصميم الذي تستخدمه معظمها يُسمّى المحوّل (transformer). المحوّل هو نوع من الشبكات العصبية الاصطناعية (artificial neural network)، أي شبكة من وحدات بسيطة متصلة ببعضها، مستوحاة بشكل عام من طريقة اتصال الخلايا العصبية في الدماغ، وإن كانت تعمل بشكل مختلف تمامًا عن الدماغ الحقيقي. لست بحاجة إلى الرياضيات لاستخدامه جيدًا. بضع أفكار بسيطة تفسّر سبب طلاقته الشديدة وسبب إخفاقه بالطرق التي تصفها الوحدات.
لا يعمل النموذج بكلمات كاملة. إنه يقسّم النص إلى قطع أصغر تُسمّى رموزًا (tokens)، تقارب كلمة قصيرة أو جزءًا من كلمة، ويقرأ ويكتب رمزًا واحدًا في كل مرة. عادةً ما تنقسم الإنجليزية إلى عدد قليل من الرموز. تنقسم لغات أخرى كثيرة إلى عدد أكبر بكثير من الرموز للجملة نفسها، وهذا سبب ملموس واحد يجعل الطلب نفسه أبطأ، وأعلى تكلفة، وأقل دقة بلغات عملائك.
في كل خطوة يعيد النموذج النظر في كل ما كُتب حتى تلك اللحظة، ويوازن بين الكلمات السابقة الأكثر أهمية لاختيار الكلمة التالية. تُسمّى هذه الموازنة الانتباه (attention)، وهي الفكرة التي أضافها المحوّل. ولهذا يستطيع النموذج أن يُبقي ضميرًا مرتبطًا بالاسم الصحيح وأن يحافظ على موضوع واحد عبر فقرة كاملة. ما يفعله النموذج هو موازنة إحصائية لكيفية ارتباط الكلمات ببعضها، وهو لا يفهم المعنى كما يفهمه الإنسان.
تعلّم النموذج من خلال قراءة كمّ هائل من النصوص وتعديل مليارات الأرقام الداخلية، تُسمّى المعاملات (parameters)، إلى أن أصبح تخمينه للرمز التالي مطابقًا لما جاء فعليًا بعده. لم يُحفظ شيء كحقيقة يمكن الرجوع إليها. ما يحتفظ به هو شبكة من الأنماط حول أي الكلمات تميل إلى اتباع أي كلمات أخرى. لهذا يمكنه إنتاج جملة سلسة وواثقة تكون ببساطة خاطئة.
لا يختار النموذج دائمًا الرمز التالي الأكثر احتمالًا وحده. إنه يأخذ عيّنة من الخيارات المحتملة، مستخدمًا إعدادًا يُصوَّر غالبًا كمقياس يتدرّج من الحذر إلى الإبداع. ارفع هذا المقياس فتزداد الكتابة تنوّعًا وتبتعد أكثر عن الحقائق. وأخذ العيّنات هذا هو سبب أن طرح السؤال نفسه مرتين قد يمنحك إجابتين مختلفتين.
لا يستطيع النموذج أن يُبقي أمامه سوى قدر محدود من النص في المرة الواحدة، يُسمّى نافذة السياق (context window). وفي محادثة طويلة، تخرج الأجزاء الأقدم من هذا المجال، فقد ينسى ما أخبرته به في البداية. كما أن لصق مستند طويل جدًا قد يدفع تفاصيل سابقة إلى الخارج بالطريقة نفسها.
لا شيء من هذا يطلب منك أن تثق بهذه الآلية. إنه يمنحك السبب الكامن وراء العادات الموجودة في الوحدات الأخرى. ولأن الأداة تُنتج لغة تبدو محتملة، لا حقائق تم التحقق منها، فتعامل مع أي شيء ستعتمد عليه بصفته حقيقة على أنه غير مؤكد إلى أن تتحقق منه، عبر بحث على الويب أو مصدر موثوق آخر. تحقق مما يهم، وتوقّع فجوة اللغة.
من الكلمات إلى الأرقام، ما الذي تفعله معالجة اللغة الطبيعية
يُسمّى المجال الكامن وراء هذه الأدوات معالجة اللغة الطبيعية، أو NLP (natural language processing)، وهو يعني جعل الحواسيب قادرة على التعامل مع اللغة البشرية. لا يستطيع الحاسوب إجراء عمليات حسابية على كلمة "عيادة"، لذا فإن أول ما يفعله هو تحويل اللغة إلى أرقام. هذه الخطوة الواحدة تفسّر الكثير مما تُصيبه هذه الأدوات وما تُخطئ فيه.
تحوّل معالجة اللغة الطبيعية كل رمز (token) إلى قائمة طويلة من الأرقام، تُسمّى تضمينًا (embedding)، يمكنك تخيّلها كنقطة في الفضاء. الكلمات المستخدمة بطرق متشابهة ينتهي بها المطاف قريبة من بعضها بعضًا، فتقع كلمات مثل "عيادة" و"مستشفى" و"طبيب" قريبة من بعضها، بينما تقع "عيادة" و"دراجة هوائية" بعيدتين عن بعضهما. النموذج لا يرى المعنى أبدًا. إنه يتعامل مع المواقع والمسافات.
ولأن الكلمات المترابطة تقع قريبة من بعضها، يستطيع النموذج أن يُجيب عبر التحرك داخل هذا الفضاء. يمكنه أن ينقل فكرة "مكان تذهب إليه حين تكون مريضًا" نحو جوار كلمة "عيادة" من دون أن يُعطى تعريفًا لها على الإطلاق. هذا أمر قوي، وهو يظل مع ذلك ترابطًا، لذا يمكنه أن يربط أشياء تبدو مترابطة فقط في الشكل.
تأتي هذه المواقع من نصوص بشرية حقيقية، لذا فإن أي نمط في ذلك النص، بما في ذلك الصور النمطية، يُبنى داخل هذه الخريطة. قد يضع النموذج وظائف أو سمات معينة أقرب إلى مجموعة معينة أكثر من غيرها لمجرد أن نص التدريب فعل ذلك. وهذه طريقة ملموسة واحدة يدخل بها التحيّز، قبل أن يطرح أي شخص على النموذج سؤالاً واحدًا.
تحصل كل لغة على نصيبها الخاص من هذا الفضاء، ويتحدد حجمه بمقدار النص الذي رآه النموذج بتلك اللغة. اللغة التي يوجد منها نص أقل على الإنترنت تحصل على خريطة أكثر خشونة وأقل موثوقية. وهذا سبب أعمق يجعل الإجابات أسوأ في اللغات الأقل موارد، وليس فقط حين يكون النموذج بصدد الترجمة.
لست بحاجة إلى الرياضيات. الفكرة المفيدة هي أن هذه الأدوات تعمل بالاعتماد على المسافات بين الكلمات، المتعلَّمة من نصوص بشرية. ولهذا فهي طليقة، ولهذا تحمل تحيّزات ذلك النص، ولهذا تكون أضعف ما تكون في اللغات التي يحتاجها عملاؤك أكثر من غيرها.
- قد يختلق مصادر واقتباسات وروابط تبدو حقيقية تمامًا.
- قد ينسى أجزاءً سابقة من محادثة طويلة، لأنه لا يُبقي أمامه سوى قدر محدود من النص في المرة الواحدة.
- قد يمنحك طرح السؤال نفسه مرتين إجابتين مختلفتين.
- الثقة في صياغته ليست دليلاً على صحته.
- أي شيء تلصقه يكون قد أُرسل إلى الأداة، لذا اعتبره مُشاركًا مع تلك الشركة.
اطرح السؤال نفسه مرتين
اعطِ المجموعة سؤالاً واقعيًا واحدًا عن قاعدة أو مكتب محلي. اطرح السؤال نفسه على أداة ذكاء اصطناعي مرتين، في محادثتين منفصلتين، واقرأ الإجابتين بصوت عالٍ. لاحظ أين تختلفان، وحدِّد التفاصيل المحددة، كرقم هاتف أو موعد نهائي أو عنوان، التي ستحتاج إلى التحقق منها في كل الأحوال. تتضح الفكرة من تلقاء نفسها: الصياغة السلسة ليست كالحقيقة المؤكدة.