عندما تبدأ استخدام أدوات الذكاء الاصطناعي في العمل، تواجهك مصطلحات تتكرر في كل نقاش: «التوكن»، و«نافذة السياق»، و«الهلوسة»، و«RAG»، و«الضبط الدقيق». وفهمها ليس ترفاً أكاديمياً، بل يساعدك على اختيار الأداة المناسبة، وتقدير التكلفة، وتجنب الأخطاء المكلفة. في هذا المقال نشرح عشرة مفاهيم أساسية بلغة بسيطة، مع مثال عملي لكل منها.

1. النموذج اللغوي الكبير (LLM)

برنامج تدرب على كميات هائلة من النصوص ليتعلم أنماط اللغة، ثم يولد النص بتوقع الكلمة التالية مرة بعد مرة. ChatGPT وGemini وClaude أمثلة على تطبيقات مبنية على نماذج لغوية كبيرة. المهم أن تفهم أنه يتوقع ما هو محتمل لغوياً، وليس قاعدة بيانات للحقائق.

2. التوكن (Token)

الوحدة التي يقرأ بها النموذج النص ويكتبه، وهي قد تكون كلمة أو جزءاً من كلمة أو علامة ترقيم. وتُحسب تكلفة استخدام النماذج عبر واجهات البرمجة (API) غالباً بعدد التوكنات المدخلة والمخرجة. والنص العربي قد يستهلك توكنات أكثر من نظيره الإنجليزي في بعض النماذج.

3. نافذة السياق (Context Window)

أقصى عدد من التوكنات يستطيع النموذج «رؤيته» في الطلب الواحد، ويشمل تعليماتك والمحادثة السابقة والمستندات المرفقة والإجابة. يمكن تشبيهها بالذاكرة العاملة للنموذج. وعندما تطول المحادثة كثيراً، قد «ينسى» النموذج تعليمات قديمة أو تُقتطع.

ملاحظة عملية: أظهرت دراسة بعنوان «Lost in the Middle» أن نماذج كثيرة تستفيد من المعلومات الموجودة في بداية السياق ونهايته أكثر من المعلومات في منتصفه. لذلك ضع التعليمات المهمة في البداية، وكررها في النهاية عند الحاجة.

4. الهلوسة (Hallucination)

أن يولد النموذج معلومة تبدو مقنعة ومكتوبة بثقة، لكنها خاطئة أو مختلقة: مرجع غير موجود، أو رقم غير صحيح، أو اقتباس لم يقله أحد. وهي ليست «خطأً برمجياً» يُصلح بسطر كود، بل نتيجة لطبيعة التوقع الاحتمالي. والحل العملي: اطلب المصادر، وتحقق منها، واستخدم النموذج مع مستنداتك الموثوقة كما في RAG.

5. هندسة الأوامر (Prompt Engineering)

فن صياغة الطلب بحيث تحصل على أفضل نتيجة: تحديد الدور والسياق والمطلوب وشكل المخرجات، وإعطاء أمثلة. مثال ضعيف: «اكتب عن التسويق». مثال أفضل: «اكتب خطة تسويق من خمس نقاط لمتجر عطور ناشئ في الرياض، ميزانيته الشهرية 3000 ريال، بلغة بسيطة».

6. الاسترجاع المعزز للتوليد (RAG)

تقنية تجعل النموذج يجيب من مستنداتك أنت: يبحث النظام أولاً في قاعدة معرفتك عن المقاطع المرتبطة بالسؤال، ثم يرسلها للنموذج ليبني الإجابة عليها. هذا يقلل الهلوسة، ويتيح استخدام معلومات خاصة أو حديثة لم يتدرب عليها النموذج، مثل سياسات شركتك.

7. التمثيلات المتجهية (Embeddings)

تحويل النص إلى قائمة أرقام (متجه) تعبر عن معناه، بحيث تكون النصوص المتشابهة في المعنى قريبة من بعضها رقمياً. وهي الأساس الذي يقوم عليه البحث بالمعنى في أنظمة RAG، وتُخزن غالباً في ما يسمى «قواعد البيانات المتجهية».

8. الضبط الدقيق (Fine-tuning)

تدريب إضافي لنموذج جاهز على بيانات متخصصة، ليتعلم أسلوباً معيناً أو مهمة محددة. وهو مفيد لتوحيد الأسلوب والشكل، لكنه ليس الطريقة الأفضل غالباً لإضافة معلومات جديدة متغيرة، فهنا يكون RAG أنسب وأرخص.

9. درجة الحرارة (Temperature)

إعداد يتحكم في مقدار العشوائية في اختيار الكلمات. القيم المنخفضة تعطي إجابات أكثر ثباتاً وتحفظاً، والقيم المرتفعة تعطي تنوعاً وإبداعاً أكثر. وللمعلومية، حتى درجة الحرارة صفر لا تضمن تطابق الإجابات تماماً في كل مرة، وشرحنا السبب في مقال مستقل.

10. الوكيل الذكي (AI Agent)

نظام يعطى هدفاً، فيخطط ويستخدم أدوات لتنفيذه على عدة خطوات: البحث، وقراءة الملفات، وتشغيل الكود، وأحياناً التحكم بالمتصفح. قوته في الأتمتة، ومخاطره في الصلاحيات: فكلما زادت الأدوات المتاحة له، زادت أهمية المراقبة البشرية والحماية من «حقن الأوامر».

جدول مختصر

المصطلح	المعنى المختصر	لماذا يهمك؟
التوكن	وحدة النص عند النموذج	يحدد التكلفة والطول
نافذة السياق	ما يراه النموذج في الطلب الواحد	يحدد حجم المستندات الممكنة
الهلوسة	معلومة مختلقة بثقة	تستوجب التحقق دائماً
RAG	الإجابة من مستنداتك	دقة أعلى ومعلومات خاصة
الضبط الدقيق	تدريب إضافي متخصص	لتوحيد الأسلوب والمهام

الخلاصة

فهم هذه المفاهيم العشرة يكفي لتتحدث بلغة مشتركة مع فريقك التقني، وتتخذ قرارات أفضل: متى تستخدم RAG بدل الضبط الدقيق، وكيف تقلل التكلفة بتقليل التوكنات، ولماذا يجب ألا تثق بأي إجابة دون تحقق.

المصادر

• Liu et al. (2023) — Lost in the Middle: How Language Models Use Long Contexts
• Lewis et al. (2020) — Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks
• OWASP — LLM01: Prompt Injection

يرتبط هذا المسار أيضاً بحلول عملية أخرى شرحناها بالتفصيل في متصفحات الذكاء الاصطناعي: هل تغني عن كروم؟ مقارنة عملية بين Comet وEdge وBrave وكروم مع Gemini.