كيف يتعلم الذكاء الاصطناعي منك — وما الذي يعرفه عنك فعلاً
الذكاء الاصطناعي لا يتذكرك — لكنه تعلّم منك ومن ملايين غيرك. داخل المحادثة الواحدة يحتفظ بكل ما قلته. حين تُغلقها ينسى كل شيء. ومحادثاتك — إن أذنت — قد تُشكّل جزءاً من تدريب النسخة المستقبلية، لكن لا النموذج يعرفك كفرد ولا يستطيع قراءة نيّتك. دليل عملي لاستخدام هذا الفهم لتحسين تعاملك مع كلود اليوم.
الذكاء الاصطناعي لا يتذكرك — لكنه تعلّم منك ومن ملايين غيرك. الفرق بين الأمرين جوهري ومهم لفهم ما هذه الأدوات فعلاً.
السؤال الذي يطرحه الجميع بطريقة خاطئة
حين يسأل الناس “هل الذكاء الاصطناعي يتعلم مني؟” يقصدون عادةً أحد شيئين: هل يحفظ ما أقوله ويستخدمه ضدي لاحقاً؟ أو هل يصبح أذكى بسببي شخصياً؟
الجواب عن كلا السؤالين أدق وأكثر إثارةً للاهتمام مما يتوقعه أغلب الناس.
في المقالة السابقة تناولنا ما يحدث ببياناتك من منظور الخصوصية. هذه المقالة تُكمل الصورة من زاوية مختلفة: كيف تُبنى هذه النماذج أصلاً، وما الذي يعني التعلم حقاً في سياق الذكاء الاصطناعي، وكيف يُؤثّر ذلك على طريقة تعاملك معه.
أولاً: كيف تعلّم كلود — من البداية
لفهم كيف يتعلم الذكاء الاصطناعي منك، يجب أن تفهم كيف تعلّم أصلاً.
نماذج اللغة الكبيرة مثل كلود لا تُبنى بتعليمها قواعد — بل بتعريضها لكميات هائلة من النصوص البشرية. نصوص من الإنترنت، كتب، مقالات أكاديمية، حوارات، برمجيات — مئات المليارات من الكلمات. من هذا الكم الهائل يتعلم النموذج الأنماط: كيف تسير الجمل، كيف ترتبط الأفكار، ما الذي يأتي بعد ما.
هذه المرحلة تُسمى التدريب المسبق (Pre-training) وتحدث مرةً واحدة — أو دوراتٍ محدودة — باستخدام قدرات حوسبية ضخمة. بعد انتهائها، النموذج “يعرف” اللغة والعالم بالقدر الذي عكسته تلك النصوص.
ثم تأتي مرحلة ثانية تُسمى الضبط الدقيق (Fine-tuning) حيث يُعلَّم النموذج كيف يُجيب بطريقة مفيدة وآمنة ومتسقة — وهنا تدخل محادثات بشرية حقيقية يُقيّمها مقيّمون بشريون.
ما لا يفهمه كثيرون: حين تتحدث مع كلود اليوم، أنت لا تتحدث مع نموذج “يتعلم في الوقت الفعلي”. النموذج جامد في حدود تدريبه. ما يجري هو أنه يستدعي ما تعلّمه مسبقاً ويُطبّقه على محادثتك.
ثانياً: محادثتك الحالية — ماذا يحدث بها
داخل المحادثة الواحدة، كلود يتذكر كل ما قلته منذ البداية — كل هذا يوجد في ما يُسمى “نافذة السياق” (Context Window). هذا ليس تعلّماً — هو ذاكرة تشغيلية مؤقتة تنتهي حين تنتهي المحادثة.
حين تُغلق المحادثة وتفتح واحدة جديدة، كلود لا يتذكر شيئاً مما قلته في السابقة. كل محادثة تبدأ من الصفر. هذا يختلف جذرياً عن الطريقة التي يتعامل بها الذاكرة البشرية مع العلاقات والحوارات.
الاستثناء: بعض الأدوات والتطبيقات المبنية على كلود تُضيف آليات ذاكرة خارجية — تُخزّن ملخصات المحادثات السابقة وتُضيفها تلقائياً في بداية كل محادثة جديدة. هذه الذاكرة ليست جزءاً من النموذج نفسه، بل هي طبقة هندسية إضافية.
ثالثاً: التعلم على المدى البعيد — هل محادثاتك تُشكّل النماذج المستقبلية؟
هنا يصبح الأمر أكثر دقةً وهو ما يشغل بال كثيرين.
إذا لم توقف خيار استخدام المحادثات للتدريب في إعداداتك، فمحادثاتك يمكن نظرياً أن تُصبح جزءاً من بيانات تدريب نسخة مستقبلية من النموذج. لكن هذا لا يعني أن كلود “يتذكر” ما قلته — يعني أن الأنماط الموجودة في محادثاتك قد تُساهم في تشكيل السلوك العام للنموذج المستقبلي.
المقارنة الأوضح: حين يقرأ مؤلف آلاف الكتب ليكتب كتاباً جديداً، هو لا يتذكر كل جملة قرأها — لكن قراءته شكّلت لغته وأفكاره وأسلوبه. بالمعنى ذاته، محادثاتك قد تُشكّل نماذج المستقبل دون أن تُخزَّن حرفياً فيها.
لهذا السبب تحديداً يهم ما تكتبه، ليس لأنه سيُستخدم “ضدك” بل لأن جودة ما تُدخله تُساهم في جودة ما ستُنتجه النماذج المستقبلية لجميع المستخدمين.
رابعاً: ما يعرفه النموذج عن “نوع” مستخدميه
هناك بُعد آخر للتعلم من المستخدمين يحدث بشكل غير مباشر ويستحق الفهم.
حين تُصدر أنثروبيك نسخةً جديدة من كلود، جزء من تحسيناتها يأتي من تحليل أنواع المشكلات التي طرحها المستخدمون، والأخطاء التي وقع فيها النموذج، والمواضيع التي طُلب فيها أكثر مما أعطى. هذا تعلّم على مستوى السكان (Population-level learning) لا تعلّم فردي.
بمعنى آخر: النموذج لا يعرف أنك محمد أو أنك مترجم في القاهرة — لكن إصداره المستقبلي قد يكون أفضل في مساعدة المترجمين لأن كثيراً من المترجمين استخدموه وأظهرت محادثاتهم نمطاً من الاحتياجات غير المُلبّاة.
خامساً: ما لا يعرفه النموذج عنك — وهذا مهم
بالقدر ذاته الذي يهم فيه فهم ما يتعلمه الذكاء الاصطناعي، يهم فهم حدود هذا التعلم.
لا يعرف نيّتك: كلود لا يستطيع قراءة ما وراء كلماتك. إذا صغت سؤالاً بغموض، سيُجيب على ما قرأه لا على ما قصدته. هذا ليس قصوراً في الذكاء — هو قصور في المعلومات المُعطاة.
لا يعرف سياق حياتك: اليوم الصعب الذي مررت به، الضغط الذي تعمل تحته، القرار الذي تحاول اتخاذه — كل هذا غير موجود لديه ما لم تُخبره. وحتى حين تُخبره، يستوعبه كمعلومة لا كتجربة.
لا يعرف ما تعرفه أنت: النموذج يُقدّم أفضل إجابة وفق ما يعرفه هو — وهو لا يعرف بالضرورة أنك متخصص في مجال بعينه وأن إجابته المبسّطة تحت مستواك. أخبره بمستواك صراحةً.
لا يعرف ما تغيّر بعد تدريبه: كما ناقشنا في مقال حدود الذكاء الاصطناعي، كل ما جرى بعد تاريخ انقطاع التدريب غير موجود في ذاكرته ما لم يُزوَّد بأداة بحث نشطة.
سادساً: كيف تستخدم هذا الفهم لتحسين تعاملك مع كلود
فهم كيف يتعلم النموذج ويعمل له تطبيقات عملية مباشرة:
أعطِه السياق الكافي في كل محادثة: لأنه لا يتذكر ما قبلها. جملة واحدة في البداية — “أنا مترجم قانوني متخصص في العقود التجارية” — تُغيّر جودة الإجابات بشكل ملموس.
صحّح له حين يُخطئ — داخل المحادثة: كلود يستجيب للتصحيح بشكل جيد. إذا قال شيئاً خاطئاً أو غير دقيق، قل له بوضوح: “هذا غير صحيح، الوضع هو كذا” — وسيُعدّل. هذا يُحسّن ما يبقى من المحادثة وإن كان لا يُصحّح النموذج نفسه.
لا تتوقع أن يتذكر تفضيلاتك من جلسة لأخرى: إذا كان لديك تفضيلات ثابتة في الأسلوب أو المصطلحات أو طريقة العمل، ضعها في “برومبت الهوية الثابت” كما ناقشنا في مقال استخدام كلود في كتابة المحتوى — لا تأمل أن يتذكرها من تلقاء نفسه.
ثِق بما يُقرّ بجهله: حين يقول كلود “لا أعرف” أو “لست متأكداً”، هذا علامة جودة لا ضعف. النموذج الذي يُقرّ بحدود معرفته أجدر بالثقة من الذي يُجيب على كل شيء بثقة.
خلاصة: علاقة أكثر وضوحاً — استخدام أكثر ذكاءً
الذكاء الاصطناعي لا يعرفك شخصياً، ولا يتعلم منك كفرد بالمعنى الذي يتعلم به إنسان من حوار مع إنسان. ما يعرفه هو انعكاس لملايين البشر الذين ساهمت نصوصهم في تشكيل ما هو عليه.
هذا الفهم يُحرّرك من وهمَين متعاكسَين: وهم أنه يعرفك ويفهمك أكثر مما يفعل — ووهم أنه غريب تماماً يعمل في الظلام. الحقيقة في المنتصف: أداة قوية تعمل بالأنماط البشرية الجمعية، وتحتاج منك سياقاً شخصياً كافياً في كل مرة تستخدمها لتُعطيك ما تحتاجه فعلاً.
المقالة القادمة تُجيب على سؤال يخصك مباشرة: كيف تستخدم هذه الأدوات لتُسرّع تعلّمك الذاتي في أي مجال؟ الذكاء الاصطناعي في التعلم الذاتي — دليل عملي.
