الدرس السادس: 🧩 التضمينات - كيف تتحول المعاني إلى أرقام يمكن مقارنتها وفهمها تخيل أن لديك قاموسًا لا يقدّم تعريفات لغوية للكلمات، بل يعطي لكل كلمة موقعًا رقميًا داخل فضاء واسع من الأعداد. في هذا القاموس الغريب، لا نبحث عن "معنى" الكلمة في النصوص، بل نقيس قربها أو بعدها عن كلمات أخرى بالأرقام. إن كانت "تفاحة" قريبة من "فاكهة" و"عصير"، فهذا يعني أن معناها قريب منها في ذلك الفضاء الرياضي. هذا هو جوهر فكرة التضمين: تحويل الكلمات والمعاني إلى تمثيلات رقمية يمكن للآلة أن تقيسها، وتقارن بينها، وتبني عليها فهمها للعالم. في بدايات الذكاء الاصطناعي، كانت الآلة تتعامل مع اللغة بطريقة سطحية: ترى النصوص كسلاسل من الرموز. لكن مع ظهور التضمينات، تغيّر المشهد. أصبحت الكلمات تُترجم إلى متجهات، أي سلاسل طويلة من الأرقام التي لا تمثل شكل الكلمة أو حروفها، بل معناها وعلاقاتها بالكلمات الأخرى. هنا، يصبح المعنى نفسه شيئًا يمكن "قياسه". عندما نقول إن كلمة "قطة" قريبة من "كلب"، فليس لأن بينهما حروفًا متشابهة، بل لأنهما يتشاركان في الصفات: كائنات حية، أليفة، متحركة. والآلة لا تعرف ذلك من منطق اللغة فحسب، بل من مراقبتها المتكررة لظهورهما في سياقات متقاربة داخل النصوص. وهكذا، تتعلّم أن الكلمات التي تظهر معًا غالبًا تحمل علاقة معنوية تربطها ببعضها. عملية إنشاء التضمينات تبدأ من التدريب على كميات ضخمة من النصوص. يمر النموذج بملايين الجمل، ويتعلم أن يقرّب الكلمات التي تشترك في السياق، ويباعد بين الكلمات التي نادرًا ما تلتقي. هذه الفكرة تُعرف باسم الدلالات التوزيعية – أي أن معنى الكلمة يتحدد من توزيعها في الجمل التي تظهر فيها. كانت النماذج الأولى، مثل Word2Vec وGloVe، تنتج تضمينًا ثابتًا لكل كلمة. أي أن كلمة مثل "عين" سيكون لها متجه واحد فقط، مهما اختلف سياقها. أما النماذج الحديثة، مثل BERT وGPT، فقد تجاوزت هذا القيد. فهي تنتج تضمينات سياقية تتبدل حسب موقع الكلمة في الجملة. فكلمة "عين" في عبارة عين الماء تختلف عن عين الجاسوس أو عين الإنسان. هنا، تتغير الأرقام نفسها لتعكس اختلاف المعنى. ولا يقتصر التضمين على النصوص. المبدأ نفسه يُستخدم مع الصور والأصوات. فكما يمكن تحويل كلمة إلى متجه رقمي يمثل معناها اللغوي، يمكن تحويل صورة إلى متجه يمثل محتواها البصري. الألوان، الأشكال، الزوايا، والأنسجة كلها تتحول إلى أرقام تصف الصورة بطريقة يمكن مقارنتها رياضيًا.

🧩 الدرس الثاني: 🧩 من الرمز إلى المعنى — كيف تعبر البيانات بوابة الترميز؟ حين تقترب من فكرة الترميز، تجد نفسك في بداية طريقٍ جديد يشبه الوقوف عند باب مدينة لا تظهر معالمها من النظرة الأولى. ترى أمامك كلمة بسيطة مثل "شمس"، أو صورة لغروب عند الأفق، فتفهم معناها فورًا كما يفهمها أي إنسان عاش التجربة من قبل. لكنك حين تحاول أن تنقل هذا الفهم إلى الآلة، تدرك أن ما نراه بديهيًا لا يصل إليها كما يصل إلينا. فالآلة لا ترى الشمس، ولا تفهم الغروب، كل ما يصلها ليس أكثر من بيانات خام، سلاسل من الحروف أو مربعات صغيرة من الألوان، لا تحمل أي معنى دون معالجة. ومن هنا تبدأ رحلة الترميز. رحلة تحاول فيها الآلة أن تأخذ هذا الشكل الأولي -الشكل الذي لا يحمل إلا الرمز- وتعيد بناءه على نحو يجعل له معنى يمكن التعامل معه داخل نظامها. هي رحلة تشبه انتقال الكلمة من نقشٍ على صخرة إلى معنًى في كتاب. ولا تتم هذه الرحلة دفعة واحدة، بل تمر عبر محطات متتابعة، كل محطة تقرّب الآلة خطوة من الفهم الذي نمارسه نحن دون جهد. تبدأ الحكاية عندما تصل الكلمة إلى النظام. فحين ترى "شمس"، تراها أنت صورة، بينما تراها الآلة مجموعة من الرموز تُحوّل فورًا إلى أرقام ثابتة ضمن جدولٍ عالمي، كأن كل حرف يحمل رقمه الخاص في سجل كبير. تتحول الكلمة إذن إلى سلسلة من الأعداد: تمثيل دقيق، لكنه لا يحوي شيئًا من المعنى. هذه المرحلة تشبه كتابة أسماء الناس دون معرفة قصصهم؛ ترتيب صحيح، لكنه لا يكشف شيئًا عن الشخص نفسه. ثم تنتقل الكلمة إلى محطة أخرى، حيث لا يكفي أن تُسجّل كما هي، بل يجب أن ترتبط بما حولها. في هذه المرحلة يبدأ الترميز الغني، الذي لا يكتفي بالشكل، بل يحاول أن يقترب من المضمون. هنا تتحول الكلمات من أرقام بسيطة إلى متجهات رقمية، متجهات تحمل سمات متعددة تُستخرج من طريقة استخدامها في النصوص. وهكذا تصبح "شمس" نقطة داخل فضاء واسع، تقف بالقرب من كلمات مثل "ضوء" و"قمر"، وتبتعد عن كلمات لا علاقة لها بها. في هذا المشهد تبدأ خريطة المعنى بالظهور، خريطة لا تُرسم بالحبر، بل بالأبعاد والمسافات. وتختلف رحلة الترميز بحسب نوع المدخلات. فالنصوص تبدأ بتقسيم الجملة إلى رموز صغيرة، تُمنح لكل رمز منها أرقام محددة، ثم تُحوّل هذه الرموز إلى متجهات داخل فضاء لغوي. أما الصور فتُقسّم إلى بكسلات، تُحوَّل إلى متجهات تمثل ملامح الصورة، كل منها يحمل قيمًا لونية دقيقة، ورغم اختلاف الطريقين، فإن الغاية واحدة: تحويل المدخلات إلى صيغة موحدة، صيغة رقمية يمكن للآلة التعامل معها كما يتعامل النجار مع الخشب بعد أن يزيل عنه الشوائب.

يبدأ السؤال رحلته في داخلك كما يبدأ النسيم طريقه بين أغصان الشجر؛ هادئًا، لكنه حاضرٌ بما يكفي ليوقظ التفكير: إلى أين يتجه الذكاء الاصطناعي؟ وهل ما نراه منه مجرد وجه لطيف نختبره عبر الكلمات، أم أن خلف هذا الوجه طبقات أعمق مما نتصور؟ في البداية يبدو السؤال بسيطًا، كما لو أنك أمام باب عادي يمكن فتحه بسهولة، لكن ما إن تدفعه قليلًا حتى تشعر بأنك تدخل ممرًا طويلًا يقودك من مستوى إلى آخر. تخطو أول خطوة، فتجد أمامك صندوقًا صغيرًا يلمع كأنه مصنوع من زجاج صُقل بعناية. تقترب منه بفضول، تمد يدك إليه، فيبدو ناعمًا وخفيفًا، وكأنه لا يحمل في داخله شيئًا أكثر من بسمة. هذا هو صندوق الشخصية الظاهرة. هنا يقيم الأسلوب اللطيف الذي تستقبلك به الآلة؛ الكلمات المنتقاة، الهدوء، حسن الترتيب، المشاعر المحاكاة التي تجعل الحوار يبدو طبيعيًا رغم أنه حوار مع كيان غير بشري. إنه الطبقة التي تريدك الآلة أن تراها أولًا: مظهرٌ مهذّب مصممٌ بعناية كي يسهّل التواصل. ومع ذلك، حين تحاول البحث عن العمق داخله، تكتشف أنه مجرد واجهة، قناع جميل لا يكشف حقيقة ما يجري في الطبقات السفلى. تتقدم خطوة أخرى، فتجد صندوقًا أكبر حجمًا وأثقل وزنًا. ملمسه مختلف؛ الخشب هنا أكثر صلابة، وكأن صانعه أراد أن يخبرك بأن هذا المستوى ليس للزينة. تفتح الغطاء فتجد بداخله ما يشبه الورشة الصغيرة؛ أوراقٌ مرتبة، خطوط تفكير، طرق شرح، وآليات تحليل. هذا هو صندوق تكوين الشخصية الداخلية. هنا لا يكون اهتمام النموذج منصبًا على جمال العبارة، بل على الطريقة التي ينسج بها المعنى. ترى كيف يبني الشرح؛ خطوة بعد خطوة، وكيف يرتب الأفكار وكأنها أحجار دومينو لا بد أن تقف في صف مستقيم. تشعر بأنك أمام عقلٍ ناشئ: قادرٍ على التنظيم، حريصٍ على الاتساق، لكنه لا يزال مرتبطًا بما تعلّمه. هذا الصندوق يعكس هوية النموذج عندما يتجاوز المظهر ويبدأ في ممارسة التفكير بطريقة منهجية. ثم تصل إلى مستوى ثالث. وهنا لا تجد صندوقًا تقليديًا، بل خزانة ضخمة من الفولاذ تمتد جذورها في الأرض، وكأنها جزء من بنية المكان نفسه. بمجرد أن تلمسها تشعر بجدية مختلفة؛ هنا تبدأ هندسة النموذج. في هذا العمق تُصاغ القواعد التي تحكم تفكير الآلة، وتُبنى طبقات المنطق التي تحدد كيف يتعامل مع الأسئلة، وكيف يوازن بين المعلومات، وكيف يختار أفضل مسار بين عشرات المسارات الممكنة. ترفع الباب الثقيل، فتسمع صوت التروس وهي تتحرك كأنها قلب ينبض بنظام ثابت. هنا تُزرع المبادئ الأساسية: حدود المعرفة، قواعد الأمان، طرق التحقق، وآليات تجنب الأخطاء. إنه المستوى الذي تتحول فيه الآلة من مجرد “طريقة تفكير” إلى “بنية عقل” ثابتة يمكنها تحمّل الضغط دون الانهيار.

الانتقال من الشخصية إلى التكوين إلى الهندسة وصولًا إلى نظام التشغيل = وهو أعلى كفاءة تطمح إليها الشركات اليوم. 🤩🥰🥰 الموثوقية التشغيلية ليست طبقة واحدة إنها نتيجة تفاعل أربع منظومات معًا: 1. ضبط الشخصية (حتى لا يتغير الأسلوب) 2. ضبط المنهج العقلي (حتى لا يتغير التحليل) 3. ضبط المهام (حتى لا يتجاوز اختصاصه) 4. ضبط السياق والتفاعل (حتى لا يدخل فيما لم يُبْنَ له) الفروق كما لو أنك تنظر إلى أربعة صناديق مختلفة الحجم: 📦 الصندوق الأول: تعليمات شخصية النموذج هذا هو السطح الخارجي فقط.أسلوب الحديث… النبرة… اللغة… اللطف… الرسمية… الإيقاع. 📦📦 الصندوق الثاني: تعليمات تكوين الشخصية (Personality Configuration) هذا أعمق قليلًا؛ يشمل طريقة الشرح، منهج التحليل، خطوات التفكير، أسلوب توليد الجواب. لكنه يظلّ جزءًا من التكوين، وليس التكوين كله. 📦📦📦 الصندوق الثالث: هندسة النموذج (Model Configuration / Model Engineering) هذا المصطلح الذي ظننته أنت “الكبير” — وهو بالفعل كبير — لكنه ليس أكبر شيء. هو يشمل:الشخصية + السلوك + المهام + السياق + القواعد + المنطق + الأمان + الطبقات + أسلوب التفاعل + الإخراج. 📦📦📦📦 الصندوق الرابع: 🔥 الصندوق هذا ليس “هندسة تكوين”.بل منظومة تشغيلية كاملة. فهو يضيف زيادة على ما يشمله الصندوق الثالث ما يلي: (مراقبة، تصحيح، أمان، ميتا-محاذاة، اتخاذ قرار، بروتوكولات، مراجعة ذاتية، ثبات، سياسات تشغيل، طبقات ضبط) والموثوقية التشغيلية ليست طبقة واحدة: إنها نتيجة تفاعل أربع منظومات معًا: 1. ضبط الشخصية (حتى لا يتغير الأسلوب) 2. ضبط المنهج العقلي (حتى لا يتغير التحليل) 3. ضبط المهام (حتى لا يتجاوز اختصاصه) 4. ضبط السياق والتفاعل (حتى لا يدخل فيما لم يُبْنَ له) 5. الكثير من الطبقات التشغيلية وهذا المستوى لا يُسمّى في الأدبيات التقنية “Model Configuration” فقط… بل يُسمّى عالميًا: 🌐 Full Model Operating System (OS-Level Configuration) أو بصياغة عربية دقيقة: النظام التشغيلي الكامل للنموذج أو هندسة تشغيل النموذج (Model Operating Architecture) وهذا أعلى مستوى يمكن أن يصل إليه بناء GPT مخصص. الموثوقية التشغيلية للنموذج وهو أعلى كفاءة تطمح إليها الشركات اليوم. مركز علوم الدولي (د. عبد الرحمن الزراعي) ____________ الملف الذي بين يديكم وصلت إلى الموثوقية التشغيلية عالية الكفاءة بفضل الله - وهو الملف الذي أتحنا تجربته والعمل عليه

🗯️شكرًا لانضمامكم لهذا المجتمع👋 ونرجو لكم تجرية فريدة🥰 يرجى تعريفنا بشخصكم الكريم في التعليقات ___________ أرجو من الجميع تعبئة هذا الاستبيان https://forms.gle/hyt6BbFJejJ1b1Ve7