كيف يعمل الذكاء الاصطناعي حقًا؟ شرح مبسّط لآلياته الداخلية

الذكاء الاصطناعي حاضر في كل النقاشات، لكن لا أحد تقريبًا يستطيع شرح ما يحدث فعليًا في داخله. يتحدث الناس عن «الصندوق الأسود»، و«الدماغ الاصطناعي»، و«الآلة التي تفكّر». والنتيجة: كثير من المسؤولين المغاربة يترددون في خوض التجربة، خوفًا من ألّا يفهموا ما يشترونه.

الخبر السار هو أن آليات الذكاء الاصطناعي بديهية إلى حد مدهش بمجرد مقارنتها بشيء نتقنه جميعًا: الطريقة التي يتعلّم بها الإنسان. في هذا الدليل، سنفكّك الآلية قطعةً قطعة، دون معادلة رياضية واحدة، بالاستعانة بتشبيه متّصل سيبقى عالقًا في ذهنك طويلًا بعد القراءة.

نقطة الانطلاق: طفل يتعلّم التعرّف على القطة

تخيّل طفلًا في الثانية من عمره لم يرَ قطةً قط. أنت لا تعطيه تعريفًا علميًا للقطة («ثديي من فصيلة السنّوريات، رباعي القوائم، بهذا الحجم، له شوارب وأذنان مثلّثتان»). بل تُريه قططًا. في الشارع بالرباط، في صورة، في رسوم متحركة. وفي كل مرة تقول: «انظر، قطة».

في البداية يُخطئ الطفل. يسمّي الكلب الصغير «قطة»، والأرنب أحيانًا، بل وحتى دمية محشوّة. لكنك تصحّح له: «لا، هذا كلب». وشيئًا فشيئًا، يلتقط دماغه الأنماط المتكررة: شكل الأذنين، طريقة المشي، الشوارب، المواء. لم يكتب له أحد القاعدة. لقد استنتجها من الأمثلة.

هكذا تمامًا يعمل الذكاء الاصطناعي الحديث. فحيث تعمل الحوسبة التقليدية وفق قواعد مكتوبة يدويًا («إذا طلب الزبون أكثر من 1000 درهم، فطبّق خصم 10٪»)، فإن الذكاء الاصطناعي يتعلّم هذه القواعد بنفسه انطلاقًا من آلاف الأمثلة. هذا هو جوهر تغيّر النموذج، وهو المفتاح لفهم بقية القصة.

الركيزة الأولى: البيانات، أو «التجارب المعيشة»

بالنسبة إلى طفلنا، البيانات هي كل المرات التي رأى فيها قطة. وبالنسبة إلى الذكاء الاصطناعي، الأمر مماثل تمامًا: البيانات هي تجربته الوحيدة عن العالم. فالذكاء الاصطناعي لم يرَ ولم يسمع ولم يعش شيئًا خارج ما زوّدناه به.

عمليًا، يمكن لهذه البيانات أن تكون:

• نصوصًا: ملايين الصفحات على الويب والكتب والمقالات (لمساعد يكتب أو يجيب).
• صورًا: صور موسومة بـ«قطة»، «فاتورة»، «صورة بالأشعة».
• بيانات مؤسسة: سجلّ مبيعاتك، تذاكر دعم زبنائك، فواتيرك السابقة.
• صوتًا: تسجيلات صوتية، مفيدة لنسخ أو فهم الدارجة.

وهنا النقطة الأهم، تلك التي يجب على كل مسؤول أن يحفظها: جودة الذكاء الاصطناعي تعتمد بنحو 80٪ على جودة البيانات. إذا أريتَ طفلًا قططًا سوداء فقط، فسيصعب عليه التعرّف على قطة شقراء. وبالطريقة نفسها، فإن ذكاءً اصطناعيًا مدرّبًا على بيانات منحازة سينتج نتائج منحازة. وهذا ما تُلخّصه العبارة الشهيرة: garbage in, garbage out (نفايات في المدخلات، نفايات في المخرجات).

بالنسبة إلى مؤسسة مغربية، لهذا أثر مباشر: روبوت محادثة يُفترض أن يجيب بالدارجة سيكون ضعيفًا إن لم يكن قد «رأى» الدارجة تقريبًا أثناء تعلّمه. ومن هنا تأتي أهمية عمل دمج ملائم للسياق المحلي.

الركيزة الثانية: التدريب، أو «التكرار الذي يصحّح»

امتلاك البيانات لا يكفي. لا بدّ من مرحلة تتعلّم فيها الآلة من هذه البيانات. هذا هو التدريب، وهو قلب المفاعل.

لنعد إلى الطفل. عند كل خطأ («أرنب» بدل «قطة»)، يكون هناك تصحيح. وهذا التصحيح يعدّل إدراكه تعديلًا طفيفًا جدًا. تدريب الذكاء الاصطناعي هو هذه الدورة نفسها بالضبط، مكرّرة ملايين، بل أحيانًا مليارات المرات:

1. يقوم الذكاء الاصطناعي بتنبؤ: نُريه صورة فيقترح «كلب».
2. نقارن بالإجابة الصحيحة: كانت في الواقع قطة. إذن هناك خطأ.
3. نعدّل الإعدادات الداخلية: تغيّر الآلة معاملاتها تغييرًا طفيفًا جدًا لتقليل هذا الخطأ في المرة المقبلة.
4. نعيد الكرّة مع مثال آخر.

تخيّل ملايين الأزرار الصغيرة للضبط (يُطلق عليها غالبًا «المعاملات») نديرها قيد شعرة عند كل خطأ. في البداية يكون كل شيء عشوائيًا ويُخطئ الذكاء الاصطناعي في كل الأحيان تقريبًا. وبعد مليارات التعديلات، تستقر هذه الأزرار في وضعيات تمنح إجابات صحيحة. لم يضبط أحد هذه الأزرار يدويًا: عملية التدريب هي التي وضعتها في مكانها تلقائيًا.

ولهذا أيضًا يكون تدريب النماذج الضخمة جدًا مكلفًا ويتطلب قدرة حسابية هائلة. وخبر سار للمقاولات الصغرى والمتوسطة: نادرًا ما تحتاج إلى تدريب نموذج من الصفر. ننطلق من نماذج مدرّبة سلفًا (OpenAI وClaude وغيرها) ثم نكيّفها مع مجال عملك، ما يخفّض التكاليف بشكل كبير.

الركيزة الثالثة: النموذج، أو «ذاكرة الأنماط»

بمجرد انتهاء التدريب، ماذا يتبقّى؟ ليست البيانات نفسها. ما يتبقّى هو النموذج: مجموع كل أزرار الضبط هذه مثبّتة في وضعيتها الصحيحة. النموذج هو، بشكل ما، الذاكرة المكثّفة لكل ما تعلّمته الآلة.

بالنسبة إلى الطفل الذي صار راشدًا، «النموذج» هو قدرته الفورية على التعرّف على قطة دون تفكير، حتى قطة لم يرها في حياته قط. هو لم يحفظ كل قطة من طفولته؛ بل استخلص جوهر القطة، النمط العام.

هذا تمامًا ما يفعله نموذج الذكاء الاصطناعي. فهو لا يخزّن نسخة من الإنترنت. بل استخلص أنماطًا وعلاقات وانتظامات بين الكلمات، بين البكسلات، بين السلوكيات. ولهذا يستطيع مساعد مثل ChatGPT الإجابة عن سؤال لم يرَه قط مصاغًا بهذه الطريقة بالضبط: فهو يُعمّم انطلاقًا من الأنماط التي تعلّمها.

وهنا تحديدًا تولد أسطورة الصندوق الأسود. إذا فتحنا نموذجًا، فلن نجد قائمة قواعد مقروءة («إذا شوارب، إذن قطة»). بل سنجد ملايين الأرقام، تلك الأزرار الشهيرة للضبط، لا يعني أي منها شيئًا بمفرده. الصندوق ليس أسود بدافع إخفاء شيء: بل هو كذلك لأن الذكاء موزّع على ملايين الإعدادات الدقيقة التي لا يستطيع أي دماغ بشري متابعتها واحدًا واحدًا. ليس الأمر سرًا، بل مسألة حجم وقياس.

كيف «يجيب» الذكاء الاصطناعي: التنبؤ بالأرجح

يبقى السؤال الكبير: حين تطرح سؤالًا على مساعد ذكاء اصطناعي، كيف يولّد إجابته؟ قد تفاجئك الإجابة، وهي تغيّر كل شيء في طريقة استخدامه.

نموذج اللغة (مثل ذلك الذي يقف وراء ChatGPT أو Claude) يعمل، في جوهره، مثل إكمال تلقائي فائق القوة. تعرف اقتراح الكلمات في هاتفك: تكتب «مرحبًا، كيف…» فيقترح «حالك». يفعل الذكاء الاصطناعي الشيء نفسه، لكن على نطاق مهول: يتنبأ، كلمةً بعد كلمة، بـالكلمة الأرجح بالنظر إلى كل ما سبق وإلى كل ما تعلّمه.

لهذا ثلاث نتائج كبرى، حاسمة للاستخدام المهني:

• الذكاء الاصطناعي لا «يفهم» المعنى. بل يحسب احتمالات. وحين يجيب بشكل صحيح، فلأن الإجابة الصحيحة كانت أيضًا الأرجح إحصائيًا.
• يمكن للذكاء الاصطناعي أن «يهلوس». إذا طلبت منه معلومة لا يعرفها، فلن يقول بالضرورة «لا أعرف». بل سينتج التتمة الأكثر معقولية، التي قد تكون خاطئة تمامًا، لكنها مصاغة بثقة. فهو لا يميّز بين «المعرفة» و«التخمين».
• الذكاء الاصطناعي حسّاس للصياغة. سؤال مطروح جيدًا (prompt جيد) يوجّه بقوة جودة الإجابة، لأنه يغيّر ما هو «أرجح».

لهذا تحديدًا لا يكتفي أي ذكاء اصطناعي مؤسسي جاد بالنموذج الخام أبدًا. بل نؤطّره: نربطه ببياناتك الحقيقية (تقنية تُسمى RAG، تُجبر الذكاء الاصطناعي على البحث عن الإجابة في مستنداتك بدل اختلاقها) ونُبقي إشرافًا بشريًا على الحالات الحسّاسة. وهذا تحديدًا نوع الدمج المُفصّل الذي أصمّمه للمؤسسات المغربية، لتحويل نموذج عام إلى مساعد موثوق يتحدّث عن نشاطك أنت.

ما الذي يتغيّر فعليًا لمؤسسة مغربية

فهم هذه الآليات ليس ترفًا فكريًا: بل هو ما يفصل مشروع ذكاء اصطناعي ناجح عن تبديد للميزانية. وإليك كيف يترجَم هذا الفهم إلى قرارات ملموسة.

• تعرف ما الذي ينبغي تحضيره. ما دام كل شيء يقوم على البيانات، فإن أي مشروع جاد يبدأ بتحديد بياناتك المتاحة: سجلات الزبناء، الأسئلة الشائعة، الكاتالوج، الفواتير. وكلما كانت أنظف، قلّت تكلفة المشروع.
• تضع توقعات واقعية. روبوت محادثة لخدمة الزبناء متعدد اللغات (الفرنسية، العربية، الدارجة) يكلّف عمومًا بين 3000 و15000 درهم حسب التعقيد، في حين أن أتمتة عملية (عروض أسعار، تذكيرات، مواعيد) أو دمجًا مهنيًا مُفصّلًا يقع غالبًا ضمن مجالات أعلى. وفهمك أن الذكاء الاصطناعي «يتنبأ» وليس معصومًا من الخطأ يجنّبك الوعد بأتمتة 100٪ بلا إشراف.
• تطرح الأسئلة الصحيحة على مقدّم الخدمة. «على أي بيانات يستند النموذج؟»، «كيف تتجنّبون الهلوسات؟»، «هل هناك إنسان ضمن الحلقة؟». هذه الأسئلة، صرت الآن تعرف لماذا هي مهمة.

عيادة طبية بالرباط، أو تاجر إلكتروني بالدار البيضاء، أو محل قرب من الزبائن، ليست لهم الحاجات نفسها. لكن الجميع يستفيد من الانطلاق من تشخيص بدل الانسياق وراء الضجيج. إذا رغبت في تأطير مشروع واقعي، فإن خدماتي في أتمتة الذكاء الاصطناعي والدمج المُفصّل تنطلق دائمًا من سياقك الحقيقي، لا من حل عام مفروض على نشاطك.

خلاصة: سحر أقل، وتحكّم أكثر

الذكاء الاصطناعي ليس دماغًا سحريًا، ولا تهديدًا غير مفهوم. إنه نظام يتعلّم بالمثال (البيانات)، ويصحّح نفسه بالتكرار (التدريب)، ويكثّف ما تعلّمه في ذاكرة أنماط (النموذج)، ويولّد إجابات بالتنبؤ بالأرجح (التنبؤ).

يبقى تشبيه الطفل الذي يتعلّم التعرّف على القطة أفضل مرجع لك: قدّم أمثلة جيدة، صحّح الأخطاء، فتحصل على ذكاء قادر على التعميم، دون أن تُكتب أي قاعدة يدويًا. الصندوق الأسود الشهير ليس سوى مسألة حجم، لا لغز.

بالنسبة إلى مؤسسة مغربية، هذا الوضوح ميزة تنافسية: فهو يتيح تبنّي الذكاء الاصطناعي بتمييز، في المكان الصحيح، وبالميزانية المناسبة. وهنا تحديدًا يصنع المواكبة المحلية والخبيرة كل الفرق.

أسئلة شائعة

هل يجب إتقان البرمجة لفهم كيفية عمل الذكاء الاصطناعي؟

لا. المبادئ الأساسية (التعلّم بالمثال، رصد الأنماط، التنبؤ بالتتمة الأرجح) تُفهم دون أي كفاءة تقنية. والكود ليس سوى أداة لتجسيد هذه الأفكار. فهم المنطق يكفي تمامًا لقيادة مشروع ذكاء اصطناعي في مؤسسة ولطرح الأسئلة الصحيحة على مقدّم الخدمة.

هل يفكّر الذكاء الاصطناعي حقًا مثل الإنسان؟

لا، وهذا تمييز جوهري. يحاكي الذكاء الاصطناعي نتائج التفكير البشري بالاعتماد على الإحصاء، لكنه لا يملك وعيًا ولا نيّة ولا فهمًا حقيقيًا للمعنى. حين يجيب روبوت محادثة بشكل صحيح، فهو يحسب تتمة الكلمات الأرجح، ولا 'يعرف' شيئًا بالمعنى الذي نقصده.

لماذا يُخطئ الذكاء الاصطناعي أحيانًا بكل هذه الثقة؟

لأنه يتنبأ دائمًا بالإجابة الأرجح وفق ما تعلّمه، حتى حين لا يملك المعلومة الصحيحة. هذه هي ظاهرة الهلوسة: الآلة لا تميّز بين 'أعرف' و'أخمّن'. ومن هنا أهمية تأطير ذكاء اصطناعي مؤسسي ببيانات موثوقة (تقنية RAG) وإشراف بشري.

هل تحتاج مقاولة مغربية صغرى أو متوسطة إلى ذكاء اصطناعي مُفصّل أم إلى أداة جاهزة؟

ذلك يتوقف على الحاجة. للإجابة عن الزبناء أو أتمتة مهام بسيطة، غالبًا ما تكفي أدوات جاهزة مقرونة بإعداد جيد (ميزانيات من بضعة آلاف من الدراهم). أما للاستخدام المهني الدقيق (بيانات داخلية، لغة الدارجة، عمليات خاصة)، فيصبح الدمج المُفصّل ذا جدوى. والتشخيص المسبق يجنّب الدفع الزائد.