إيه اللي بيحصل بين سؤالك والرد؟
تطلب من المساعد شرح فكرة، فيشرحها كويس. تسأله عن معلومة تخص شغلك، فيرد بثقة رغم إنك لسه ما اديتوش تفاصيلها. الموقفين بيخلّونا نسأل: هو عارف إيه أصلا؟ وإيه اللي بيعمله بالمعلومات اللي بنديها له؟
مش محتاج تبقى مبرمج عشان تفهم الصورة الأساسية. اللي هنفهمه هنا هيساعدك تجهّز طلبك، وتختار المعلومات اللي ترفقها، وتعرف إمتى تحتاج مصدر أو تجربة فعلية. هنبدأ من فكرة التعلّم، وبعدها نوصل للنموذج اللي بتتكلم معاه.
خلّينا نستخدم مثال افتراضي: عايزين نظام يفرّق بين رسائل استفسار عن ورشة ورسائل شكوى.
من تعليمات بنكتبها لأمثلة بيتعلّم منها
ممكن تكتب قاعدة: لو الرسالة فيها «ميعاد الورشة» اعتبرها استفسار. القاعدة واضحة، لكن فيه شخص هيكتب «هتبدأوا إمتى؟»، وشخص تاني هيكتب «بقالي يومين بسأل عن الميعاد ومحدش بيرد». وجود كلمة واحدة مش كفاية يوضح المقصود.
في التعلّم الآلي، بدل كتابة كل الحالات بإيدك، ممكن ندرّب نموذج على أمثلة. في مثال التصنيف، الأمثلة فيها نص الرسالة والتصنيف الصحيح. أثناء التدريب، النموذج بيعدّل أرقام داخلية بتأثر على توقعاته، بحيث يقلّل الخطأ على مهمة التدريب.
ده مش معناه إن أي نموذج بيتعلّم من أي رسالة بنفس الطريقة، أو إنه بقى فاهم العملاء زي شخص تعامل معاهم. شكل البيانات وطريقة التدريب والمهمة بيختلفوا. وكلمة «ذكاء اصطناعي» مظلة فيها طرق كتير، مش اسم طريقة واحدة لعمل كل حاجة.
يعني إيه شبكة عصبية؟
الشبكة العصبية نوع من النماذج، جواها حسابات كتير مترابطة في طبقات. الكلام اللي بتكتبه بيتحول لأرقام، والأرقام دي بتعدّي على الطبقات لحد ما يطلع الرد. «التعلّم العميق» معناه شبكة فيها طبقات كتير.
اسمها مستوحى من فكرة الخلايا العصبية، لكنه مش معناه إننا نسخنا المخ البشري في الكمبيوتر. التشبيه يساعدك تبدأ، وبعده لازم نفصل بين نظام حسابي وبين تجربة الإنسان ووعيه.
في مثال الرسائل، النموذج ممكن يلتقط أنماط مرتبطة بالسياق وطريقة التعبير. لكن لو أمثلة التدريب كلها مكتوبة بلغة رسمية، ما نضمنش نفس الأداء مع رسايل مصرية قصيرة فيها أخطاء واختصارات. شكل البيانات اللي شافها بيأثر على اللي يقدر يعمله بعد كده.
نجاحه في الأمثلة القديمة مش كفاية
لو نظام صنّف رسائل التدريب صح، لسه محتاجين نجرّبه على رسائل ما اتدرّبش عليها. المطلوب إنه يستفيد من الأنماط في حالات جديدة، وده معنى التعميم. ساعات نموذج يلتقط تفاصيل خاصة ببيانات التدريب زيادة عن اللزوم، فيبان ممتاز عليها وأضعف على الجديد، ده من صور Overfitting.
إحنا كمستخدمين مش بنعيد تدريب النموذج في كل محادثة، لكن فيه فكرة عملية نقدر نستفيد منها: ما تعتمدش طريقة شغل لأنها نجحت على مثال واحد. جرّبها على نص قصير وطويل، وطلب واضح وطلب ناقص، ومثال من نوع مختلف.
النموذج اللغوي بيتعامل مع الكلام إزاي؟
النص بيتقسم لوحدات أصغر اسمها Tokens. الوحدة ممكن تبقى كلمة، أو جزء من كلمة، أو علامة. الأجزاء دي بيبقى ليها تمثيل رقمي يقدر النموذج يعالج العلاقات فيه. عشان كده عدد التوكنز مش هو عدد الكلمات، ومينفعش نفترض نفس النسبة لكل اللغات.
في نماذج لغوية كتير، جزء أساسي من التدريب هو توقّع التوكن التالي من السياق. ومع التدريب بتتكوّن تمثيلات وأنماط تسمح بقدرات زي الشرح والترجمة والكتابة. النماذج الحديثة ممكن تمر كمان بمراحل تدريب إضافية، وتستخدم أدوات وقت الشغل، فالتطبيق اللي قدامك أوسع من حكاية إكمال جملة قصيرة.
ومن الأفكار المهمة في معمارية Transformer آلية الانتباه: طريقة حسابية تربط أجزاء من النص ببعض وهي بتبني التمثيل. مثلا كلمة «عين» في كلام عن عضو الجسم محتاجة سياق مختلف عن نفس الكلمة في كلام عن مكان مية.
المعلومات اللي بتديهاله بتفرق في إيه؟
لما ترفق ملف الورشة وتقول «اعتمد عليه»، إنت بتضيف معلومات للمهمة الحالية. ولما تحفظ تفضيل أو تنظم ملفات مشروع، بتسهّل وصول المساعد للسياق المناسب حسب طريقة المنتج. ولما تستخدم مهارة، بتديله طريقة شغل يقدر يرجع لها. الحاجات دي مرتبطة، لكن مش نفس العملية.
| الجزء | فكرته ببساطة | في مثال الورشة |
|---|---|---|
| التدريب | بناء قدرات النموذج وتعديل أوزانه | القدرة العامة على معالجة اللغة |
| سياق المهمة | المعلومات المتاحة وهو بيشتغل | ملف تفاصيل الورشة والرسائل |
| المهارة | تعليمات وموارد لطريقة متكررة | صنّف الرسالة، وبيّن الناقص، وجهّز مسودة |
| الربط بتطبيق | وسيلة للوصول لمعلومات أو تنفيذ فعل مدعوم | قراءة الرسالة من مكانها بدل رفعها كل مرة |
ما تعتبرش رفع ملف تدريب دائم للنموذج على شغلك، وما تفترضش إنه قرأ كل الملفات لمجرد وجودها في المشروع. اسأله اعتمد على أنهي مواد، وراجع الإجابة. طريقة حفظ المعلومات واستخدامها بتختلف حسب الخدمة وإعداداتها.
الكلام المرتب مش دليل كفاية على صحته
المساعد ممكن يطلع شرح متماسك، لكنه يخلط اسمين أو يخترع تفصيلة أو يكمّل معلومة ناقصة. ده من المشاكل اللي بنسميها الهلوسة. طلب «ما تغلطش» ما يلغيش المشكلة، وربط مصدر بيخلي المراجعة أسهل لكنه مش ضمان وحده.
في مثالنا، لو ملف الورشة ما ذكرش ميعاد البداية، المفروض الناتج يوضح إن الميعاد ناقص. ما نعتمدش تاريخ لمجرد إنه مكتوب بثقة. ولو المساعد بحث، نفتح الصفحة الأصلية ونشوف هل بتخص نفس الورشة ونفس الفترة. ولو أنشأ ملف، نجرب الملف، وصفه للي عمله مش بديل عن فتحه.
المطلوب منك يتغير حسب المهمة: في اقتراح أفكار هتراجع الملاءمة، وفي تلخيص هتقارن بالمصدر، وفي حساب هتراجع المدخلات والإجماليات. ومعرفة تخصصك بتساعدك تختار السؤال المناسب وتلقط الخطأ، سهولة استخدام الأداة ما بتلغي قيمة الفهم.
اختبر الفرق بين المعلومة والتخمين
جهّز وصف قصير لخدمة أو درس إنت فاهمه. سيب فيه معلومة ناقصة عمدا، زي المدة أو الموعد. اطلب من المساعد يجاوب عن اللي موجود ويحدد الناقص، وبعدها راجع: هل فصل بين النص اللي اديته له وبين اقتراحه؟
طلبات الشرح والكتابة تقدر تجرّبها على أي واحد من دول. قراءة الملفات والتنفيذ والربط بتختلف حسب المتاح في حسابك.
انسخ الطلب زي ما هو، أو خصّصه بتفاصيلك الأول.
خصّص الطلب على شغلكاختياري: اكتب تفاصيلك والطلب يتظبط لوحده
عرض الطلب كامل
لو نجح في تجربة، غيّر صياغة السؤال أو استخدم مادة تانية. الهدف تتعلم تجهّز سياق وتراجع استجابة، مش تثبت من تجربة صغيرة إن المساعد دقيق في كل حاجة.