طلب الأذونات يستطيع تشات جي بي تي الآن الوصول إلى أكبر عدد ممكن من المصادر والمراجع من خلال ضبط الأذونات وتفعيل خيار «السماح دائمًا» وهذا يعني أن المتصفح السحابي يستطيع فتح الصفحات العامة في هذه المواقع دون طلب موافقتك في كل مرة. لكنه لا يجعل المواقع مصادر مفضلة، ولا يفهرس محتواها كاملًا، ولا يتجاوز الاشتراكات أو تسجيل الدخول أو القيود التي تفرضها المواقع على التصفح الآلي. وتوضح OpenAI أن بعض المواقع قد تمنع الوصول الآلي، وأن بعض المهام المرتبطة بتسجيل الدخول قد لا تكون متاحة. أوسع حزمة عملية منتقاة للوصول إلى الدراسات السابقة والمراجع العربية والأجنبية، دون إدخال المواقع الإخبارية أو العامة. تشمل قواعد المحتوى العربي، ومنصات المجلات الوطنية، والرسائل الجامعية، ومحركات الاكتشاف، وفهارس الاستشهادات، والمستودعات المفتوحة، والناشرين الأكاديميين. وتُعد دار المنظومة ومعرفة والمنهل وشمعة من المحاور الأساسية للمحتوى العربي، مع أهمية المكتبة الرقمية السعودية والمنصات الوطنية العربية. هذه قائمة المواقع يُرجّح أن تتيح لتشات جي بي تي الوصول إلى النص الكامل أو ملفه المباشر، والمواقع التي تخدم اكتشاف المصدر والتحقق من بياناته. المكتبة الشاملة والدرر السنية ومنصات المجلات الوطنية تتقدم لوجود نصوص قابلة للبحث أو ملفات PDF مباشرة. أولًا: الوصول إلى النص والنقل الحرفي والتوثيق المباشر 1. المكتبة الشاملة https://shamela.ws/ 2. الجامع للكتب الإسلامية https://aljam3.com/ 3. الموسوعة الحديثية بالدرر السنية https://dorar.net/hadith 4. المجلات العلمية المصرية https://journals.ekb.eg/ 5. المنصة الجزائرية للمجلات العلمية https://asjp.cerist.dz/ 6. المجلات الأكاديمية العراقية https://iasj.rdd.edu.iq/journals/ 7. بوابة المجلات العلمية المغربية https://revues.imist.ma/ 8. مؤسسة هنداوي للكتب https://www.hindawi.org/books/ 9. المكتبة الوقفية https://waqfeya.net/ 10. أرشيف الإنترنت https://archive.org/ 11. منصة قطر العلمية

تبدأ هذه الوحدة عندما ينتقل المستخدم من الاستخدام الفردي المتوازن إلى الاستخدام الممتد عبر مهام متعددة وسياقات مختلفة. في هذه المرحلة لا يكون التحدي في التفكير أو التفاعل أو التحقق، بل في تراكم الخبرة وكيفية تحويلها إلى معرفة قابلة للنقل. تظهر الحاجة هنا إلى توثيق ما ينجح، وحفظ ما يتكرر، وبناء ذاكرة استخدام لا تضيع مع تغيّر الجلسات أو تبدّل المهام. يدرك المستخدم أن التفاعل الناجح لا ينبغي أن يُعاد اكتشافه في كل مرة. فالصيغ الجيدة، والتعليمات الفعّالة، وتسلسلات الحوار التي أثبتت جدواها، كلها أصول معرفية يمكن حفظها وإعادة استخدامها. عند غياب هذا التوثيق تضيع الجهود، ويُهدر الوقت في إعادة البناء من الصفر، رغم أن الحلول كانت قد جُرّبت ونجحت سابقًا. في هذا المستوى يبدأ المستخدم ببناء ما يشبه “ذاكرة تشغيلية” خاصة به. قد تكون ملاحظات مختصرة، أو تعليمات محفوظة، أو أنماط تفاعل جاهزة تُستدعى عند الحاجة. هذه الذاكرة لا تُستخدم لنسخ الحوار حرفيًا، بل لتوفير نقطة انطلاق ثابتة تقلّل التشتت وتضمن حدًا أدنى من الجودة. يتعلّم المستخدم أيضًا أن التوثيق لا يعني الجمود. فما يُحفظ اليوم قد يُعدَّل غدًا، وما ينجح في سياق قد يحتاج إعادة ضبط في سياق آخر. لذلك تصبح عملية المراجعة الدورية جزءًا من هذا المستوى، حيث تُنقَّح الصيغ، وتُحدَّث التعليمات، ويُحذف ما لم يعد مناسبًا. ومع الوقت يظهر أثر هذا التراكم بوضوح. يقلّ الجهد الذهني في البدء، وتزداد سرعة الوصول إلى نتائج مرضية، ويصبح المستخدم قادرًا على الانتقال بين المهام بثقة أكبر. لا يعود النجاح مرتبطًا بالحظة إلهام، بل بنظام استخدام متراكم الخبرة. في هذه المرحلة يتغيّر موقع المستخدم مرة أخرى. لم يعد مجرد مستخدم واعٍ أو ناقد أو متوازن، بل أصبح مديرًا لتجربته مع النموذج. يعرف ما يحتفظ به، وما يطوّره، وما يتخلّى عنه، ويحوّل التفاعل من نشاط لحظي إلى أصل معرفي طويل الأمد. تنتهي هذه الوحدة عند قناعة عملية: القيمة الحقيقية لا تكمن في أفضل إجابة، بل في أفضل طريقة متكرّرة للوصول إلى إجابات جيّدة. ومع هذا الفهم يصبح التفاعل مع النموذج جزءًا من نظام معرفي شخصي، يتراكم، ويتحسّن، ويخدم المستخدم بكفاءة أعلى مع مرور الوقت. -------------- ما وجهة نظرك حول الموضوع - شاركنا رأيك في التعليقات

عندما نبدأ باستخدام نماذج الذكاء الاصطناعي مثل ChatGPT، قد نعتقد أن أفضل طريقة للعمل هي إنشاء نموذج ذكي لكل مهمة نحتاجها: نموذج للتصميم، وآخر للتحليل، وثالث للكتابة، وهكذا. وهذا التفكير يبدو منطقيًا في البداية، لأنه يركّز على جعل كل نموذج جيدًا في عمله الخاص. لكن مع الوقت، نكتشف أن كثرة النماذج قد تسبّب ارتباكًا، خاصة عندما تبدأ هذه النماذج في العمل على موضوع واحد دون وجود نظام يجمعها أو ينسّق بينها. من هنا يظهر سؤال مهم وبسيط في ظاهره: هل الأفضل أن ننشئ عدة نماذج ذكية منفصلة، أم أن نبني مشروعًا واحدًا يجمع كل هذه الأدوار داخل إطار منظم وواضح؟ هذا الحوار يحاول الإجابة عن هذا السؤال خطوةً خطوة، وبأسلوب بسيط، حتى تتضح الصورة كاملة. ---------------- 👨‍🎓 الطالب 😊: أنا بصراحة ما زلت محتارًا. لماذا كل هذا الجهد في بناء مشروع واحد بتعليمات مخصّصة وتعليمات معرفة، بينما يمكنني ببساطة إنشاء عدة نماذج GPT، وكل نموذج أضع له تعليماته الخاصة ويؤدي دوره؟ 🤖 ChatGPT 🤔: سؤالك في مكانه تمامًا، وهو السؤال الذي يبدأ منه معظم الباحثين والمطوّرين. دعنا نبدأ من الفكرة الأبسط: تخيّل أن لديك فريق عمل، وكل شخص في الفريق ممتاز في تخصصه، لكن لا يوجد مدير واحد، ولا نظام عمل مشترك، ولا ترتيب واضح لمن يتخذ القرار النهائي. 👨‍🎓 الطالب 😮: تقصد أن كل نموذج GPT مستقل يشبه شخصًا يعمل بمفرده؟ 🤖 ChatGPT 🙂: بالضبط. النموذج المستقل، حتى لو كانت تعليماته ممتازة، يفكّر داخل عالمه فقط. هو لا يعلم: ماذا قرّر النموذج الآخر قبله. هل هذا القرار نهائي أم قابل للتغيير. هل له أولوية أم لا. كل نموذج يتصرّف وكأنه “العقل الأعلى” في لحظته. 👨‍🎓 الطالب 🤨: لكن أليس من الممكن أن أكتب تعليمات قوية لكل نموذج، وأطلب منه ألا يتجاوز دوره؟ 🤖 ChatGPT 🧠: يمكنك ذلك، وهذا ما يفعله الكثيرون. لكن هنا نصل إلى نقطة دقيقة جدًا: أنت في هذه الحالة تضع الانضباط في رأسك أنت، لا داخل النظام. بمعنى آخر: النظام لا يمنع التجاوز. النظام لا يضبط التعارض. النظام لا يعرف ترتيب الأولويات. إذا أخطأ نموذج، فلن يمنعه شيء داخليًا من “الاجتهاد”. 👨‍🎓 الطالب 😅: يعني المشكلة ليست في جودة النموذج، بل في غياب الإطار الذي يجمعهم؟ 🤖 ChatGPT ✔️: أحسنت. هذه خلاصة مهمة جدًا. النماذج المستقلة قد تكون: ذكية جدًا دقيقة جدًا ممتازة في مهامها الفردية

مواضع أنواع البرومبت وعلاقتها بتعليمات التكوين والنماذج تعليمات النظام System Prompt يُقصد به الطبقة النظامية الحاكمة التي تضبط السلوك العام للنموذج قبل أي طلب لاحق، ويتمثل دوره في تحديد الهوية العامة، والأولويات، والحدود، والسياسات العليا للاستجابة، ويُعَدّ أقرب مصطلح تقني إلى تعليمات التكوين الداخلية الحاكمة، لا إلى طلبات المستخدم اليومية. التعليمات الرئيسية Master Prompt يُقصد به برومبت مركزي جامع يُصاغ بوصفه إطارًا تشغيليًا شاملًا لمشروع أو نموذج أو مهمة ممتدة، يجمع عادةً: الدور، والهدف، والنطاق، والقيود، وآلية التنفيذ، ومعايير الجودة، وشكل الإخراج، ولا يُعدّ اسمًا طبقيًّا تقنيًّا ثابتًا دائمًا بقدر ما يُعدّ بناءً هندسيًّا جامعًا للتوجيه. تعليمات السياق Context Prompt يُقصد به السياق المساند الذي يساعد النموذج على فهم البيئة التي يعمل داخلها، ويدخل فيه: وصف المشروع، والمصطلحات المعتمدة، والملفات المرجعية، والخلفية المعرفية، والمحادثات السابقة ذات الصلة، وتكمن وظيفته في تقليل الغموض ورفع دقة الفهم، لا في تأسيس هوية النموذج من الأصل. تعليمات المهام Task Prompt يُقصد به الطلب التنفيذي المباشر المرتبط بالمهمة الحالية، ومن أمثلته: حلّل هذا النص، ابنِ خطة بحث، لخّص هذا الفصل، قارن بين هذين المنهجين، وتكمن وظيفته في تحديد ما المطلوب الآن، داخل الإطار الذي سبق ضبطه بالتعليمات الأعلى. التعليمات المقيّدة Format Prompt / Constraints Prompt يُقصد بهما التعليمات التي تضبط شكل المخرج وحدوده، فيدخل في ذلك: عدد الفقرات، والبنية النهائية، ووجود الخلاصة، وذكر مستوى الثقة، ومنع الجداول، ومنع التوسع، وتحديد اللغة والنبرة، ويُفضَّل أن يُوضَع الجزء الثابت منها في التعليمات الحاكمة، وأن يُترك الجزء المتغير للرسالة التنفيذية بحسب المهمة. تعليمات التقويم Evaluation Prompt يُقصد به برومبت المراجعة أو التقويم الذي يُستخدم لفحص جودة الناتج بعد إنتاجه، ويتناول مثلًا: الاتساق، والدقة، وعدم التعارض، واستيفاء المطلوب، ودرجة الجودة النهائية، ويجوز أن يكون ثابتًا داخل تعليمات المشروع إذا أُريد له الاستمرار، أو خاصًّا بمهمة بعينها إذا وُضع داخل الرسالة التنفيذية. الخلاصة: يكون System Prompt داخل المشروع في الطبقة النظامية الأعلى، وهو ليس عادةً ما يملأه المستخدم داخل المشروع. ويكون Master Prompt داخل تعليمات المشروع إذا كان خاصًّا بذلك المشروع، أو داخل التعليمات العامة للحساب إذا كان ثابتًا في جميع الأعمال.

تبدأ هذه الوحدة من لحظة بسيطة مألوفة: يجلس المستخدم أمام واجهة النموذج، يكتب سؤالًا، ثم ينتظر جوابًا يبدو في كثير من الأحيان ذكيًا، متماسكًا، وأقرب ما يكون إلى إجابة إنسان خبير. في هذه اللحظة بالذات يتكوّن الوهم الأول؛ وهم أن ما يحدث هو فهم حقيقي، أو تفكير واعٍ، أو تحليل شبيه بما يجري في العقل البشري. من هنا تنطلق الحاجة إلى الوعي، لأن الاستخدام قبل الفهم يشبه القيادة قبل معرفة الطريق. يعتمد النموذج اللغوي في جوهره على عملية واحدة متكررة: توقّع الكلمة التالية. لا يستحضر معنى السؤال كما يفعل الإنسان، ولا يراجع الحقائق، ولا يقارن بين الصواب والخطأ، بل ينظر إلى النص بوصفه سلسلة من الرموز، ويحسب – حسابًا رياضيًا دقيقًا – أي كلمة يُرجَّح أن تأتي بعد الأخرى بناءً على أنماط لغوية تعلّمها سابقًا. لذلك فإن النص الناتج قد يبدو منطقيًا ومقنعًا، لكنه في حقيقته نتيجة ترجيح احتمالي لا عملية فهم واعٍ. يفهم الإنسان لأنه يربط الكلام بالتجربة، والسياق، والذاكرة، والواقع. حين يخطئ، يدرك خطأه، وحين يجهل، يستطيع أن يقول: لا أعلم. أما النموذج فلا يمتلك تجربة ولا وعيًا ولا إحساسًا بالخطأ أو الصواب. هو لا يعرف أنه يعرف، ولا يدرك أنه يجهل. كل ما يفعله أنه يواصل التوليد ما دام السياق يطالبه بذلك. هذا الفرق الجوهري هو ما يصنع الفجوة بين الفهم البشري والتوليد الاحتمالي. عند هذه النقطة يظهر أثر الصياغة اللغوية بوضوح. فالسؤال لا يُستقبل بوصفه فكرة، بل بوصفه بنية لغوية. تغيير كلمة واحدة، أو إضافة قيد صغير، قد يقلب مسار الإجابة بالكامل. سؤال عام يولّد إجابة عامة، وسؤال غامض يولّد نصًا مرتبكًا، بينما الصياغة الدقيقة تفتح المجال لمخرج أكثر تنظيمًا واتساقًا. لذلك لا تكون جودة الإجابة دليلًا على ذكاء النموذج بقدر ما تكون انعكاسًا مباشرًا لجودة السؤال. يستخدم بعض الناس النموذج استخدامًا عشوائيًا؛ يطرح سؤالًا واحدًا، يقرأ أول جواب، ثم يبني عليه قرارًا أو قناعة. هذا النمط من الاستخدام يُضخّم أخطار الخطأ، لأنه يتعامل مع المخرج بوصفه حقيقة نهائية. في المقابل، يتعامل المستخدم الواعي مع الإجابة كنقطة اختبار، يعيد الصياغة، ويقارن النتائج، ويراقب كيف يتغيّر المخرج بتغيّر المدخل. عندها يبدأ بفهم النموذج لا بوصفه مصدر معرفة، بل أداة لغوية تحتاج إلى قيادة واعية. ومن هنا يظهر مفهوم الهلوسة، وهي ليست حالة استثنائية أو خللًا نادرًا، بل نتيجة طبيعية لطبيعة النموذج. تحدث الهلوسة عندما يُسأل النموذج عن شيء لا يملك عنه نمطًا واضحًا، أو يُطلب منه الربط بين عناصر لا رابط حقيقي بينها، أو يُدفع إلى الإجابة بدل التوقف. في هذه الحالات لا يختار الصمت، بل يملأ الفراغ بأقرب تركيب لغوي ممكن، فتخرج معلومة غير صحيحة في قالب لغوي واثق. الخطر هنا ليس في الخطأ نفسه، بل في أن الخطأ يأتي متزيّنًا بلغة مقنعة.