كيف يفهم الذكاء الاصطناعي اللغة؟

نكتب سؤالًا، فيردّ علينا الذكاء الاصطناعي بجُمَلٍ سليمةٍ ومترابطة، حتى يخيّل إلينا أنه «فهم» ما نقول. لكنّ ما يجري تحت السطح أبعد ما يكون عن القراءة البشريّة: إنه سلسلةٌ من التحويلات الرياضيّة تنتهي بلعبة تخمينٍ ذكيّة. فلنفكّك الرحلة خطوةً خطوة.

من الكلمات إلى الأرقام: «الترميز» (Tokenization)

الحاسوب لا يرى حروفًا ولا كلمات، بل أرقامًا فقط. لذا تبدأ الرحلة بتفتيت النصّ إلى وحداتٍ صغيرة تُسمّى «الرموز» (Tokens)؛ وقد يكون الرمز كلمةً كاملة، أو جزءًا من كلمة، أو حتى علامة ترقيم. ثمّ يُعطى كلُّ رمزٍ رقمًا معرِّفًا من «قاموس» النموذج الذي قد يضمّ عشرات الآلاف من الرموز.

والكلمة الواحدة في العربيّة قد تنقسم إلى عدّة رموزٍ بسبب لواحقها وسوابقها، ولهذا يتعامل النموذج مع كلمةٍ مثل «يكتبونها» كبضعة رموزٍ لا كوحدةٍ واحدة.

خريطة المعاني: «التضمينات» (Embeddings)

الرقم المعرِّف وحده لا يحمل معنى. لذا يحوّل النموذج كلَّ رمزٍ إلى قائمةٍ طويلة من الأرقام تُسمّى «التضمين» (Embedding) — وهي بمثابة إحداثيّاتٍ لموقع الرمز في فضاءٍ رياضيٍّ شاسع. والفكرة الأنيقة هنا أنّ الكلمات المتقاربة في المعنى تقع متجاورةً في هذا الفضاء: «قطّة» قرب «كلب»، و«مَلِك» قرب «مَلِكة». بل إنّ العلاقات نفسها تصير اتجاهاتٍ هندسيّة، حتى إنّ «مَلِك» ناقص «رجل» زائد «امرأة» يقودنا تقريبًا إلى «مَلِكة».

ويُضاف إلى ذلك «ترميز الموضع» (Positional Encoding) كي يعرف النموذج ترتيب الكلمات، فـ«أكل الذئبُ الخروفَ» ليست كـ«أكل الخروفُ الذئبَ».

آليّة «الانتباه» وقلب «المحوّلات» (Transformer)

هنا تكمن النقلة الكبرى. في عام 2017 قدّمت ورقةٌ بحثيّةٌ بعنوان «Attention Is All You Need» معماريّةً اسمها «المحوّلات» (Transformer)، صارت أساس معظم نماذج اللغة الحديثة.

جوهرها آليّةٌ تُسمّى «الانتباه» (Attention): عند معالجة كلّ رمز، «ينظر» النموذج إلى بقيّة الرموز في الجملة ويزن مدى صلتها به، ثم يحدّث تمثيله في ضوء سياقه. بهذا تُحَلّ المعاني الملتبسة: كلمة «عين» تأخذ معناها الصحيح من جيرانها — أهي عين الماء، أم العين الباصرة، أم الجاسوس؟ السياق وحده يحسم، والانتباه هو ما يلتقطه.

لعبة التنبّؤ بالكلمة التالية

بعد كلّ هذه المعالجة، تتلخّص مهمّة النموذج في شيءٍ واحدٍ بسيطٍ في ظاهره: التنبّؤ بالرمز التالي الأرجح. فهو يُخرج توزيعًا احتماليًّا على كامل قاموسه («احتمال 60% أن تكون الكلمة التالية كذا، و12% كذا…»)، يختار واحدًا، يضمّه إلى النصّ، ثم يكرّر الكرّة من جديد — رمزًا تلو رمز.

ويتحكّم عاملٌ يُسمّى «الحرارة» (Temperature) في مدى المجازفة: حرارةٌ منخفضةٌ تجعل الإجابات متحفّظةً ومتوقَّعة، وحرارةٌ أعلى تجعلها أكثر تنوّعًا وجرأة.

هل هذا «فهمٌ» حقيقي؟

هنا الخلاف. النموذج لم يختبر العالم، ولا يعي معنى ما يقول؛ هو في الأصل آلةٌ إحصائيّةٌ تدرّبت على كمٍّ هائلٍ من النصوص حتى أتقنت أنماط اللغة. يرى بعض الباحثين أنّ هذا «ببغاءٌ احتماليّ» (Stochastic Parrot) يردّد أنماطًا بلا فهم، بينما يرى آخرون أنّ التقاط هذه الأنماط بهذه الدقّة هو شكلٌ من أشكال «الفهم» الوظيفي.

وأيًّا كان الرأي، فثمّة نتيجةٌ عمليّةٌ مهمّة: لأنّ النموذج يتنبّأ بالنصّ «المعقول» لا بالنصّ «الصحيح»، فقد يخترع معلوماتٍ تبدو موثوقةً تمامًا — ظاهرةٌ تُعرف بـ«الهلوسة» (Hallucination). لذا يبقى الذكاء الاصطناعي أداةً مذهلةً للّغة، لا مرجعًا نهائيًّا للحقيقة.