الدرس الثالث: 🧩 من الخوارزميات إلى النماذج – الجسر الذي تغيّر شكله عندما نحاول تتبّع رحلة النماذج، لا نراها كقفزات مفاجئة بقدر ما نراها كخطوات متتابعة، يتحرك كل منها في أثر الآخر كما تتحرك طبقة طين فوق طبقة في يد نحّاتٍ يعرف أن الشكل لا يولد دفعة واحدة. يبدأ كل شيء من نقطةٍ بسيطة: تجريب خطّ يمكن أن يربط بين الأرقام، أو قاعدة يمكن أن تضبط مسار القرار. كانت النماذج الأولى تشبه رسّامًا يقف أمام لوحة بيضاء، يحاول أن يرسم الخط الأساسي الذي يحمل الشكل. خطّ مستقيم يلتقط علاقة، أو معادلة بسيطة تجيب عن سؤال: هل هذا ينتمي أم لا ينتمي؟ كانت واضحة، شفافة، تستطيع أن ترى المنطق كلّه في صفحة واحدة، لكن وضوحها كان أيضًا اعترافًا بحدودها؛ فهي لا تحلّق فوق المشهد إلا بقدر الخطّ الذي رسمته لها. ومع الوقت، بدا أن العالم أكبر من أن يُختصر في خطّ، وأن الحقيقة ليست دائمًا محصورة داخل معادلةٍ ناعمة الحواف. حاول العلماء عندها الاقتراب من المنطق البشري ذاته: إذا حدث كذا فافعل كذا. قواعد مباشرة، لكنّها لا تعرف الطرق الملتوية؛ تعمل بصرامة، وتتوقف عند أول حالة لا تناسب قالبها. ومع ذلك، كان فيها شيء من الأمان: كل نتيجة يمكن تفسيرها. غير أنّ هذا الأمان كان ثمنه الجمود، وعدم القدرة على العبور نحو المشكلات التي تتطلب مرونة أو احتمالاً أو تقديرًا يخرج عن حدود الصرامة. ثم جاء زمنٌ بدا فيه الجمع بين العالمين ضرورة لا ترفًا. لم تعد القاعدة وحدها تكفي، ولا الإحصاء وحده يُشبع حاجات المشهد، فظهرت النماذج الهجينة، كأنك تمسك بيدين مختلفتين وتحاول أن تجعلهما تعملان بتناغم واحد. يدٌ تضبط القواعد، ويدٌ تستكشف العلاقات الخفية التي لا تُرى بالعين وحدها. رأينا هذا في الطب، في الصناعة، في كل مجال تعجز القواعد وحدها عن أن تُمسك بكل التفاصيل، ويعجز الإحصاء وحده عن تفسير الحالات الشاذة. بدا الأمر خطوة إلى الأمام، لكنه كان أيضًا بابًا إلى تعقيدٍ جديد؛ فكل جزء من النموذج يحتاج إلى صيانة، وكل خيط يحتاج إلى ضبط حتى لا يتشابك مع غيره. ثم حدث شيء مختلف تمامًا، شيء لا يشبه الخطّ ولا القاعدة ولا المزيج بينهما. كأنّ أحدهم قرّر أن يتوقف عن تعليم الآلة كيف تفكر، وأن يتركها تجرب وحدها. فظهرت الشبكات العصبية. لم تعد القواعد مكتوبة، ولم تعد العلاقات تُفرض عليها من الخارج. أصبح النموذج يجلس أمام آلاف الأمثلة، يتعلّم من ملاحظتها شيئًا فشيئًا. طبقةٌ ترى خطًا، وأخرى ترى لونًا، وثالثة ترى شكلًا كاملاً. ثم تأتي طبقات أعلى تجمع كل ذلك، لتكوّن فهمًا لا يشبه ما كتبه أحد، بل ما استخرجته الآلة من التجربة نفسها. كان الأمر أقرب إلى انتقال الفكر من سطح الورقة إلى عمق المشهد.

الدرس الثاني: من الفكرة إلى البنية التي تتعلّم في هندسة البيانات تعلّمنا كيف نُحوِّل الواقع إلى أرقام منظمة تُعبّر عن ظواهر العالم الحقيقي. وفي هندسة الخوارزميات اكتشفنا كيف تمرّ تلك الأرقام عبر سلسلة خطوات دقيقة للوصول إلى نتيجة منطقية. لكن سؤالًا جوهريًا ظلّ معلقًا: أين تُخزَّن هذه المعرفة؟ وكيف تتصرّف الخوارزمية عندما تواجه مشكلة جديدة لم ترها من قبل؟ وهنا هنا يظهر مفهوم النموذج. النموذج هو الكيان الرقمي الذي يحتفظ بنمط التعلّم ذاته، بحيث لا نحتاج لإعادة الحساب من الصفر في كل مرة. إنه أشبه بعقلٍ متدرّبٍ يكتسب الخبرة من الماضي ليحكم على المستقبل، يتذكّر الأنماط التي تعلّمها ويُسقطها على المواقف الجديدة بكفاءة متزايدة. تبدو الخوارزمية والنموذج متشابهين في المظهر، لكن بينهما فرق جوهري. فالخوارزمية هي الوصفة التي تحدد طريقة العمل، أما النموذج فهو النتيجة المتعلّمة التي خرجت من تكرار تطبيق تلك الوصفة على البيانات. يمكن تشبيه الخوارزمية بخطوات خبزٍ دقيقة: أوزان محددة، أوقات مضبوطة، وتسلسل معروف. لكن النتيجة الحقيقية لا تظهر إلا بعد التجربة المتكررة، عندما يصبح الخبّاز خبيرًا يقرأ العجين بعينيه ويعدّل المكونات وفق خبرته السابقة. ذلك الخبّاز هو النموذج: عقل متمرّس تعلّم من التجربة كيف يُحسِّن أداءه دون أن يُعاد تعليمه من البداية. في عالم الذكاء الاصطناعي، تلعب الخوارزمية دور طريقة التدريب، مثل "الانحدار الخطي" أو "الشبكات العصبية"، بينما النموذج هو الكيان النهائي الذي ينتج عنها بعد أن يتدرّب على آلاف البيانات ويستخلص منها قواعده الخاصة. يتكوّن أي نموذج ذكي من أربعة عناصر رئيسة تشكّل بنيته الداخلية: - البنية (Architecture): وهي الشكل العام للنظام؛ مثل عدد الطبقات في شبكة عصبية أو نوع الاتصالات بينها. إنها الهيكل الذي يُبنى عليه كل شيء. - المعلمات (Parameters): وهي القيم أو الأوزان التي يتعلّمها النموذج أثناء التدريب. هي الذاكرة الداخلية التي تختزن التجربة السابقة. - دالة الهدف (Objective Function): وهي المعيار الذي يُحدّد نجاح النموذج؛ كأن يسعى لتقليل الخطأ أو زيادة الدقة أو تحقيق توازنٍ بين الاثنين. - آلية التعلم (Learning Process): وهي الطريقة التي تتغير بها المعلمات في كل دورة تدريب. هي القلب النابض الذي يجعل النموذج ينمو ويتحسن مع الوقت. يمكن تشبيه النموذج بآلة موسيقية: البنية هي تصميم الآلة، والمعلمات هي أوتارها المشدودة، ودالة الهدف هي اللحن الذي نريد عزفه، أما آلية التعلم فهي التمرين اليومي الذي يُتقن به العازف أداته مع مرور الوقت.

الدرس الأول: من الخوارزميات إلى النماذج – الجسر الخفي - كيف تمهّد الخوارزميات الطريق لولادة النماذج الذكية؟ تبدأ القصة بخوارزمية صغيرة: خطوات رياضية محددة تنفّذ مهمة بعينها بدقة وصرامة. لكن الخوارزمية، مهما بلغت من الإتقان، تظل عقلًا في طور التصميم؛ لا تفكر، ولا تتعلم، ولا تتجاوز ما كُتب لها. ولهذا كان لا بد من مرحلة جديدة تنقل الذكاء الاصطناعي من الحساب إلى التكوين، من الوصفة إلى الكيان، من المنطق إلى الفعل. تلك المرحلة هي مرحلة النماذج. النموذج هو الشكل الحيّ للخوارزمية بعد أن تتغذّى بالبيانات وتتمرّن على فهمها. إنه ليس برنامجًا جامدًا ولا معادلة منعزلة، بل منظومة ديناميكية تتغيّر مع كل تجربة. فحين تُعرض عليها آلاف الأمثلة، لا تحفظها كما هي، بل تبني منها شبكة من العلاقات الداخلية، أشبه بخارطة مفاهيم ضخمة تتسع كلما زادت خبرتها. ومع مرور الوقت، تتشكل داخله صورة إحصائية للعالم، صورة لا ترى الأشياء بأعين البشر، لكنها تُقدّر العلاقات بينها بلغة الاحتمال. يمكن القول إن الخوارزمية هي بذرة هذا التكوين، لكنها لا تكفي وحدها. النموذج هو ما تنبت عنه تلك البذرة حين تُروى بالبيانات وتُختبر بالتكرار. كل إدخال جديد يُعدّل داخله شيئًا صغيرًا، يغيّر وزنًا هنا أو اتصالًا هناك، حتى يصبح أداؤه أكثر دقة واستجابة. هكذا تتكوّن شخصيته الرياضية الخاصة: فهو لا يعيد إنتاج البيانات كما هي، بل يستنتج منها نمطًا عامًا يتيح له التعامل مع الجديد والمجهول. وهنا تظهر نقطة التحوّل الجوهرية: فالخوارزمية تعرف كيف "تحسب"، أما النموذج فيعرف كيف "يتعلّم". الأولى تتبع الخطوات، أما الثانية فتتجاوزها متى وجدت ما هو أفضل. وفي هذا التجاوز يكمن معنى "الذكاء" الذي جعل النماذج اللغوية الحديثة مثل تشات جي بي تي قادرة على الحوار، والتحليل، والتأليف، وتوليد المعنى بأسلوب يبدو طبيعيًا. إن ولادة النموذج هي لحظة انتقال الفكر الرياضي إلى حيز التجربة. فما كان في الخوارزمية معادلة صار في النموذج استجابة. وما كان احتمالًا مجردًا صار قرارًا مبنيًا على سياق. النموذج، في جوهره، هو عقل إحصائي يتعلم من التكرار ويُحسّن ذاته بالخطأ. كل مرة يُخطئ فيها، تُعيد خوارزميات التدريب ضبط أوزانه الداخلية حتى يقترب أكثر من الصواب، فيتحسن أداؤه تدريجيًا كما يتحسّن الإنسان بالممارسة. ومع اتساع البيانات وتنوعها، لا يبقى النموذج مجرد أداة تقنية، بل يتحوّل إلى نظام معرفي يصوغ فهمه الخاص للعالم. فهو لا "يحفظ" الجمل التي قرأها، بل "يعيد بناءها" على نحو جديد، يوازن بين المعنى والسياق، ويختار التعبير الذي ينسجم مع النمط الذي تعلمه من قبل. إنه لا يفكر كما نفكر، لكنه ينتج أثرًا قريبًا من التفكير. يستجيب كما لو أنه يعي، رغم أن وعيه لا يتجاوز حدود الإحصاء والتنبؤ.

https://www.skool.com/zraiee-3956/classroom/38fd1c1d?md=59c2717367114c48973eb82a33dd383c بعد الدخول من خلال الضغط على الرابط في الأعلى تنزل لأسفل القائمة ثم تضغط على خيار (محاضرات منصة سكول) تنسدل لك بعد ذلك قائمة من المحاضرات المتسلسلة

الدرس الثاني عشر: مستقبل الخوارزميات: كيف تتطور لغة الحلول في عصر الأنظمة الذكية؟ حين تصل إلى ختام هذا المرتكز، وتعيد النظر في الطرق التي قطعتها بين البحث والتحسين والبناء الداخلي والتفكير الفلسفي، تكتشف أن الخوارزميات ليست طرقًا تنتهي، بل طرقًا تتسع. تشبه الطريق الذي تمشي فيه بثقة في أوله، ثم تنظر أمامك فتراه يتحول شيئًا فشيئًا من ممر مستقيم إلى شبكة متشعبة، ثم يتحول أمامك إلى أفق مفتوح لا يمكن رسم حدوده بسهولة. وحين تسأل نفسك: إلى أين تتجه الخوارزميات؟ تجد أن الجواب يشبه النظر إلى هذا الأفق؛ لا تراه ثابتًا، بل في نموّ دائم. وتبدأ أول ملامح هذا المستقبل من فكرة تبدو بسيطة لكنها تغيّر المشهد كله، وهو أن الخوارزميات لم تعد تكتفي بالثبات القديم. لقد كانت في الماضي أشبه بطريق لا يتغير، طريق تعرف فيه أين تبدأ وأين تنتهي، وتعرف كل منعطف فيه قبل السير. أما اليوم فقد بدأت تظهر خوارزميات قادرة على تعديل خطواتها أثناء الحركة نفسها؛ تعيد ترتيب مراحلها، وتغيّر سرعة بحثها، وتحوّل اتجاهها عند ظهور معلومة جديدة. إنها لا تزال خوارزميات واضحة، لكنها تتخلص تدريجيًا من صلابتها القديمة، وتتبنى مرونة تشبه مرونة السائر الذي يقرأ الطريق أثناء المشي، لا قبل أن يبدأ. ومع تقدّمك في النظر إلى هذا الأفق ترى مظهرًا ثانيًا من ملامح المستقبل: الخوارزميات الهجينة. في الماضي كان المصمّم يبني خوارزمية واحدة لمشكلة واحدة، كما يبني مهندس جسراً واحدًا لا يؤدي إلا إلى جهة واحدة. أما اليوم فقد بدأ التفكير يميل إلى الجمع بين منهجيات عدة داخل خوارزمية واحدة؛ مزيج من البحث والتقسيم واتخاذ القرار والتحسين، تعمل كلها معًا داخل منظومة مرنة تتغيّر مهامها بحسب المرحلة. أصبح الطريق نفسه يتغير من نقطة إلى نقطة، كما لو كنت تمشي داخل مدينة تتنوع شوارعها بين المستقيم والملتوي والواسع والضيّق. الهدف من هذا الدمج ليس التعقيد، بل الوصول إلى خوارزميات أسرع وأكثر اتساقًا، قادرة على التعامل مع المشكلات المتغيرة دون أن تتوقف عند كل منعطف. وحين تتابع النظر إلى الأفق ترى ملامح ثالثة تتعلق بعالم البيانات الذي يتسع بسرعة تفوق سرعة الطرق نفسها. فبعد سنوات من بناء خوارزميات تبحث في كل الاحتمالات، اكتشف الباحثون أن المعرفة الكاملة لم تعد في متناول اليد، وأن المعلومة التي تصل في اللحظة الأولى قد تتغير في اللحظة التالية. لهذا ظهرت خوارزميات تعتمد على التقدير الذكي، لا على الحساب الكامل. تضع الأولوية للمسارات الأكثر وعدًا، وتغضّ الطرف عن الاحتمالات غير المفيدة، وتقلّص مساحة البحث، وتصل إلى حلول دقيقة بما يكفي، حتى لو لم تكن مثالية. إنها لا تتخلى عن الدقة، لكنها تتبنى فلسفة جديدة: أن السرعة المدروسة قد تكون أكثر قيمة من الإحاطة الكاملة. وهكذا يصبح الحل "الأفضل الممكن" أهم من "الأفضل المطلق".