ما هي نماذج اللغة الكبيرة وكيف تعمل؟ دليل مبسّط للمبتدئين

تكتب سؤالًا في نافذة محادثة، فيصلك بعد ثوانٍ جواب مرتب بلغة سليمة، وكأن خلف الشاشة شخصًا قرأ كثيرًا ويعرف كيف يكتب. هذا ما تفعله أدوات مثل ChatGPT و Gemini و Claude، والتقنية التي تقف خلفها جميعًا اسمها نماذج اللغة الكبيرة (Large Language Models). في هذا المقال نشرح بلغة بسيطة ماذا تعني هذه العبارة، وكيف يتعلم النموذج، ولماذا يبدو ذكيًا أحيانًا ويخطئ أحيانًا أخرى، وكيف تستخدمه في دراستك وعملك استخدامًا واعيًا لا يعتمد على الانبهار وحده.

ما هو نموذج اللغة أصلًا؟

قبل أن نصل إلى كلمة «كبير»، لنفهم فكرة «نموذج اللغة». نموذج اللغة برنامج تعلّم من كمية ضخمة من النصوص أن يتوقع الكلمة التالية في جملة ما. إذا كتبت «ذهب الطالب إلى»، فإن النموذج يقدّر احتمالات عدة: «المدرسة» احتمالها مرتفع، و«المكتبة» احتمالها جيد، و«القمر» احتمالها ضعيف جدًا. هذه المهمة التي تبدو بسيطة، أي توقع ما يأتي بعد، هي الأساس الذي بُنيت عليه كل القدرات التي تراها اليوم.

قد تسأل: كيف يمكن لتوقع الكلمة التالية أن ينتج مقالًا كاملًا أو يحل مسألة برمجية؟ الجواب أن النموذج يكرر العملية مرة بعد مرة. يتوقع كلمة، ثم يضيفها إلى النص، ثم يتوقع التي بعدها وهكذا. ولكي يتوقع جيدًا في نصوص متنوعة جدًا، يضطر أثناء التدريب إلى التقاط قواعد اللغة، والعلاقات بين المفاهيم، وأنماط الاستدلال الشائعة في النصوص التي قرأها.

ولماذا نصفه بأنه «كبير»؟

الكلمة تشير إلى أمرين معًا: حجم البيانات التي تدرب عليها النموذج، وعدد المعاملات (Parameters) داخله. المعاملات أرقام يضبطها التدريب تدريجيًا، ويمكنك أن تتخيلها كأزرار صغيرة جدًا تتحكم في طريقة معالجة النموذج للنص. النماذج الحديثة تحتوي على مليارات من هذه المعاملات، وقد تدربت على نصوص من الكتب والمواقع والمقالات والشيفرات البرمجية بكميات يصعب على إنسان أن يقرأها في أعمار كثيرة.

كيف يتعلم النموذج؟ ثلاث مراحل رئيسية

يمر بناء نموذج لغة حديث عادة بعدة مراحل. التفاصيل تختلف من شركة إلى أخرى، لكن الصورة العامة التالية تكفي لفهم ما يحدث:

المرحلة الأولى: التدريب المسبق

في هذه المرحلة يقرأ النموذج كميات ضخمة من النص ويتعلم توقع الكلمة التالية. لا أحد يكتب له قواعد النحو أو يشرح له معنى الكلمات؛ هو يستنتج الأنماط بنفسه من التكرار. في نهاية هذه المرحلة يصبح لدينا نموذج يكمل النصوص بطلاقة، لكنه لا يعرف بعد كيف يتصرف كمساعد يجيب عن الأسئلة بأدب ووضوح.

المرحلة الثانية: الضبط بالتعليمات

هنا يعرض المطورون على النموذج أمثلة مكتوبة بعناية: سؤال، ثم إجابة جيدة عنه. الهدف أن يتعلم النموذج شكل الحوار المفيد، فيتبع التعليمات، ويلتزم بالمطلوب، ويرتب إجابته.

المرحلة الثالثة: التحسين بالتقييم البشري

يولد النموذج أكثر من إجابة للسؤال نفسه، ويختار مقيّمون بشريون الأفضل بينها. تستخدم هذه التفضيلات بعد ذلك لتوجيه النموذج نحو إجابات أنفع وأكثر أمانًا. هذه الطريقة تعرف اختصارًا بـ RLHF، أي التعلم المعزز من التغذية الراجعة البشرية.

الرموز ونافذة السياق: مفهومان ستسمع عنهما كثيرًا

النموذج لا يقرأ الكلمات كما نقرؤها نحن. النص يُقسَّم أولًا إلى قطع صغيرة تسمى الرموز (Tokens). قد يكون الرمز كلمة كاملة، أو جزءًا من كلمة، أو علامة ترقيم. الكلمات الشائعة في الإنجليزية غالبًا تكون رمزًا واحدًا، بينما تُقسَّم كلمات كثيرة في العربية إلى أكثر من رمز بسبب الاشتقاق والسوابق واللواحق. لهذا قد تلاحظ أن النص العربي يستهلك رموزًا أكثر من نص إنجليزي بالطول نفسه في بعض النماذج.

أما نافذة السياق فهي أقصى عدد من الرموز يستطيع النموذج أن «يراه» في وقت واحد: رسالتك، والمحادثة السابقة، وأي مستند ألصقته، ثم الإجابة التي يكتبها. إذا طالت المحادثة كثيرًا وتجاوزت النافذة، قد «ينسى» النموذج ما قيل في بدايتها. لذلك عندما تعمل على مهمة طويلة، من المفيد أن تلخص ما اتفقتما عليه وتعيد تقديمه في رسالة جديدة.

المحولات: الفكرة التي غيرت كل شيء

معظم نماذج اللغة الكبيرة الحالية مبنية على بنية تسمى المحوِّل (Transformer)، وقد قُدمت في ورقة بحثية عام 2017 بعنوان «Attention Is All You Need». الفكرة المحورية فيها آلية الانتباه: عندما يعالج النموذج كلمة ما، ينظر إلى بقية الكلمات في النص ويقرر أيها أهم لفهمها. في جملة «وضع أحمد الكتاب على الطاولة لأنه كان ثقيلًا»، تساعد آلية الانتباه النموذج على ربط الضمير في «لأنه» بالكتاب لا بالطاولة.

إذا أردت أن ترى هذه الفكرة بصريًا، فالفيديو التالي من قناة 3Blue1Brown من أوضح الشروحات المتاحة، وهو باللغة الإنجليزية ويمكنك تفعيل الترجمة التلقائية:

لماذا يخطئ النموذج أحيانًا بثقة؟

من أهم ما يجب أن تعرفه أن النموذج لا «يبحث» عن الحقيقة في قاعدة بيانات، بل يولد نصًا محتملًا بناءً على ما تعلمه. في أغلب الأحيان يكون النص المحتمل صحيحًا، لأن المعلومات الصحيحة تتكرر كثيرًا في بيانات التدريب. لكن عندما يُسأل عن تفاصيل نادرة، أو أرقام دقيقة، أو مراجع بعينها، قد يولد إجابة تبدو مقنعة تمامًا وهي غير صحيحة. تسمى هذه الظاهرة الهلوسة (Hallucination).

كيف تحمي نفسك من الهلوسة؟

• اطلب المصدر ثم تحقق منه بنفسك: إذا ذكر النموذج كتابًا أو دراسة، ابحث عنها. أحيانًا تكون المراجع نفسها مختلقة.
• لا تعتمد عليه في الأرقام الحساسة: الإحصاءات والتواريخ والأسعار راجعها من مصدرها الرسمي.
• أعطه النص بدل أن تسأله من ذاكرته: إذا ألصقت المستند وطلبت الإجابة منه فقط، تقل الأخطاء كثيرًا. هذه هي الفكرة التي تقوم عليها تقنية الاسترجاع المعزز التي نشرحها في مقال الاسترجاع المعزز (RAG).
• اسأله أن يذكر ما لا يعرفه: عبارة مثل «إذا لم تكن متأكدًا فقل ذلك صراحة» تحسن النتائج في كثير من الحالات.

استخدامات عملية بحسب دورك

إذا كنت طالبًا

استخدم النموذج كمعلم صبور يشرح المفهوم بأكثر من طريقة، أو يولد لك أسئلة مراجعة، أو يراجع أسلوب كتابتك. لكن احذر من أن يكتب عنك الواجب بالكامل؛ فالهدف من الواجب أن تتعلم أنت، ولن يكون النموذج بجانبك في الامتحان. طريقة مفيدة: اكتب إجابتك أولًا، ثم اطلب منه أن يشير إلى نقاط الضعف فيها دون أن يعيد كتابتها.

إذا كنت معلمًا

يمكن للنموذج أن يساعدك في إعداد خطط الدروس، وتنويع الأمثلة، وصياغة أسئلة بمستويات صعوبة مختلفة. تبقى مراجعتك ضرورية لضمان الدقة العلمية وملاءمة المحتوى لأعمار طلابك وثقافتهم.

إذا كنت صاحب عمل

تستفيد الشركات الصغيرة من النماذج في كتابة المسودات الأولى للمحتوى، والرد على الأسئلة المتكررة، وتلخيص الاجتماعات. قاعدة ذهبية هنا: لا تدخل بيانات عملائك الشخصية أو أسرار عملك في أداة لا تعرف سياسة الخصوصية الخاصة بها.

كيف تبدأ رحلتك في هذا المجال؟

فهم نماذج اللغة مدخل ممتاز إلى عالم الذكاء الاصطناعي، لكنه ليس النهاية. الخطوة التالية الطبيعية هي تعلم كتابة الأوامر بإتقان، وهو ما نشرحه بالتفصيل في مقال هندسة الأوامر. بعدها يمكنك أن تتعرف على وكلاء الذكاء الاصطناعي الذين ينفذون مهام متعددة الخطوات. وإذا أردت خطة مرتبة من البداية، فاقرأ خريطة تعلم الذكاء الاصطناعي للمبتدئين، أو جرّب أداة اكتشف مسارك لتحصل على خطة تناسب مستواك واهتماماتك.

وفي كورس الذكاء الاصطناعي في أكاديمية بدر التعليمية ننتقل من الفهم النظري إلى التطبيق العملي: تجربة النماذج، وبناء أدوات صغيرة، ومعرفة متى تستخدم الذكاء الاصطناعي ومتى لا تستخدمه. كما تجد في المكتبة التعليمية مصادر مختارة تكمل ما تتعلمه.