الذكاء ليس سحراً.. بل هو رياضيات
ابدء تعلم الذكاء الصناعي من الصفر
عندما تتحدث اليوم مع “تشات جي بي تي” (ChatGPT) أو غيره من النماذج المتطورة، قد ينتابك شعور غريب بأن هناك “طيفاً” من الوعي يكمن خلف الشاشة. إجابات دقيقة، نبرة متعاطفة أحياناً، وقدرة مذهلة على ربط الأفكار.
هذا الانبهار طبيعي، لكنه يخفي حقيقة أكثر برودة.. وأكثر عظمة في آن واحد.
ما نراه “ذكاءً” ليس إلا سيمفونية هائلة من الأرقام. الآلة لا تفهم، ولا تشعر، ولا تفكر بالطريقة التي نفعلها نحن.
الآلة “تحسب”.
في هذا المقال، سنفكك هذا السحر، لنكتشف كيف استطاع الإنسان تحويل المعادلات الجامدة.. إلى أنظمة تحاكي العقل.
١. الوهم الجميل: هل تفكر الآلة حقاً؟
لنتخيل للحظة أنك تشاهد رساماً مبدعاً يرسم لوحة مذهلة أمام عينيك. أنت ترى الفن، والجمال، والإبداع. لكن لو نظرت إلى الأمر من منظور فيزيائي بحت، فالأمر لا يعدو كونه توزيعاً لمواد كيميائية (أصباغ) على سطح قماشي بنسب وتدريجات معينة.
الذكاء الاصطناعي هو ذلك الرسام، لكن أدواته ليست الألوان، بل الاحتمالات.
عندما تسأل الذكاء الاصطناعي سؤالاً، هو لا يبحث في عقله عن إجابة كما تفعل أنت.
هو يقوم بعملية رياضية معقدة للتنبؤ بـ “الكلمة التالية” الأكثر احتمالاً بناءً على مليارات النصوص التي قرأها سابقاً. هو لا يعرف أن “السماء زرقاء” كحقيقة وجودية، بل يعرف إحصائياً أن كلمة “زرقاء” تأتي غالباً بعد كلمة “السماء”.
إنه ليس وعياً.. إنه تنبؤ إحصائي فائق الدقة.
٢. الخلية العصبية.. من البيولوجيا إلى الجبر
القصة بدأت بمحاولة تقليد الطبيعة.
دماغنا البشري يتكون من مليارات الخلايا العصبية (Neurons) المتشابكة. عندما تتعلم شيئاً جديداً، تتغير قوة الاشتباك بين هذه الخلايا.
العلماء أخذوا هذا المبدأ وحولوه إلى معادلة رياضية. في عالم الذكاء الاصطناعي، الخلية العصبية هي ببساطة دالة رياضية تستقبل مدخلات (بيانات)، وتضربها في “أوزان” (Weights).
الوزن (Weight): هو أهم مفهوم هنا. هو الذي يحدد أهمية المعلومة.
إذا كنت تتخذ قراراً بشراء منزل، فإن “السعر” قد يكون له وزن عالٍ (تأثير كبير)، بينما “لون الباب” له وزن منخفض.
الشبكة العصبية (Neural Network) ما هي إلا ملايين، وأحياناً مليارات، من هذه المعادلات المرتبطة ببعضها البعض في طبقات متتالية. البيانات تدخل من جهة، تمر عبر مصفوفات من الضرب والجمع، وتخرج من الجهة الأخرى كقرار أو إجابة.
٣. كيف تتعلم الآلة؟ (لغز الهبوط المتدرج)
هنا يكمن السحر الحقيقي. كيف تعرف الآلة الأوزان الصحيحة؟
كيف تعرف أن “السعر” أهم من “اللون” دون أن نبرمجها يدوياً؟
الجواب يكمن في عملية تسمى “التدريب” (Training).
تخيل شخصاً معصوب العينين يقف على قمة جبل وعر، ومهمته هي الوصول إلى أدنى نقطة في الوادي (حيث الخطأ في أدنى مستوياته).
هذا الشخص لا يرى الطريق، لكنه يستطيع تحسس ميل الأرض تحت قدميه. في كل خطوة، يختبر الاتجاه الذي ينحدر للأسفل قليلاً، ويخطو نحوه.
هذا ما تفعله الآلة عبر خوارزمية تسمى “الانحدار المتدرج” (Gradient Descent).
الآلة تخمن الإجابة (في البداية تكون تخمينات عشوائية خاطئة).
نقيس حجم الخطأ (الفرق بين إجابة الآلة والإجابة الصحيحة).
نستخدم الرياضيات (التفاضل والتكامل) لتعديل “الأوزان” قليلاً لتقليل هذا الخطأ في المرة القادمة.
تتكرر هذه العملية ملايين المرات حتى تصل الآلة إلى أدنى نسبة خطأ ممكنة.
الذكاء هنا ليس إلهاماً..
بل هو عملية “تحسين” (Optimization) مستمرة لا تكل ولا تمل.
٤. اللغة كخريطة: عندما تتحول الكلمات إلى أرقام
قد تتساءل: الرياضيات تتعامل مع الأرقام، فكيف تتعامل مع الكلمات والأشعار والمشاعر؟
الذكاء الاصطناعي لا يقرأ الكلمات كما نقرأها.
هو يحول كل كلمة إلى قائمة من الأرقام تسمى “المتجه” (Vector). تخيل خريطة ضخمة متعددة الأبعاد. كل كلمة لها “إحداثيات” على هذه الخريطة.
الجمال في هذه الرياضيات هو أنها تلتقط المعنى. في هذه الخريطة الرقمية، ستجد أن إحداثيات كلمة “ملك” قريبة جداً من “ملكة”، وكلمة “تفاحة” قريبة من “برتقالة” وبعيدة عن “سيارة”.
المعادلة الشهيرة التي أذهلت العلماء كانت: (ملك) - (رجل) + (امرأة) = (ملكة)
نعم، الآلة تستطيع إجراء عمليات طرح وجمع على المفاهيم اللغوية لأنها حولتها إلى مسافات واتجاهات رياضية. بالنسبة للنموذج، اللغة هي هندسة فراغية، وكتابة المقال هي رحلة تنقل بين إحداثيات هذه النقاط.
٥. الانبثاق: عندما تتحول الكمية إلى نوعية
إذا كانت كل هذه مجرد معادلات ضرب وجمع، لماذا تبدو النماذج الحديثة (مثل GPT-4) ذكية جداً ومختلفة عما سبق؟
السر يكمن في الحجم.
في الماضي، كانت الشبكات العصبية صغيرة.
اليوم، نتحدث عن نماذج تحتوي على “تريليونات” من المعاملات (Parameters).
عندما تزداد سعة الشبكة وكمية البيانات بشكل هائل، تحدث ظاهرة يسميها العلماء “الانبثاق” (Emergence). القدرات المعقدة (مثل البرمجة، التلخيص، وحتى النكات) لم تكن مبرمجة بشكل صريح، بل “ظهرت” فجأة نتيجة لتعقيد النظام الرياضي وضخامة البيانات التي تدرب عليها.
إنه يشبه الفرق بين قطرة ماء ومحيط. القطرة لا تملك موجاً ولا تياراً، لكن اجمع تريليونات القطرات معاً، وستحصل على نظام جديد بخصائص فيزيائية مختلفة تماماً.
خلاصة القول
نحن لا نصنع عقولاً في المختبرات.. نحن نبني خرائط.
الذكاء الاصطناعي هو انتصار للرياضيات وللبيانات الضخمة. هو مرآة رقمية عملاقة، عكست ذكاءنا البشري، ولغتنا، ومنطقنا، وأعادت تشكيلها بصيغة احتمالية.
عندما تستخدم الذكاء الاصطناعي في المرة القادمة، تذكر أنك لا تتحدث مع كائن سحري. أنت تتفاعل مع واحدة من أجمل وأعقد المعادلات الرياضية التي صاغها العقل البشري في تاريخه.
الذكاء ليس حكراً على البيولوجيا.. والرياضيات ليست مجرد أرقام على ورق.. بل هي لغة الكون التي بدأنا أخيراً في تعلم كيفية التحدث بها مع الآلة.
هل أنت مستعد للغوص أعمق؟
في مقالنا القادم، سننتقل من النظرية إلى التطبيق، لنفهم كيف تشكلت هذه “الشبكات العصبية” لتصنع الثورة التي نعيشها اليوم.