النماذج اللغوية الكبيرة (LLM)

ومن الصياغات اللافتة لذلك: النموذج اللغوي الكبير دالة قرأت من النصوص ما لا يستطيع إنسان قراءته في ألف عمر، فضغطت في معاملاتها قدرا هائلا من انتظامات اللغة، ومن خلالها انتظامات العالم.

ولماذا يكتسي ذلك أهمية بالغة؟ لسببين عمليين جدا:

• نافذة السياق (context window) هي العدد الأقصى من الرموز التي يستطيع النموذج «استحضارها في ذهنه» في آن واحد. وتتفاوت الأحجام كثيرا بحسب النماذج: فكثير منها يقع في عام 2026 بين 128 000 و256 000 رمز (ما يعادل كتابا ضخما)، وعدد كبير من نماذج الطليعة يبلغ اليوم المليون رمز، بل أكثر. وخارج حدود نافذته لا «يرى» النموذج بداية المحادثة أو المستند؛ وعمليا، تتراجع قدرته على استثمار سياق طويل جدا في الغالب قبل بلوغ هذا الحد بكثير.
• السعر يُحتسب بالرموز. فاستخدام النموذج عبر واجهة برمجة التطبيقات (API) يُفوتَر بحسب كل مليون رمز مستهلَك، في الإدخال (ما نرسله إليه) وفي الإخراج (ما يولّده). وتذهب شركة NVIDIA المصنِّعة للشرائح إلى حد وصف الرموز بأنها «لغة الذكاء الاصطناعي وعملته»: وقد صار خفض التكلفة لكل رمز رهانا صناعيا كبيرا (الفصلان 8 و9).

لكن هذه النماذج تعاني عيبا مشهورا: الهلوسة. فالنموذج يؤكد، بالثقة الهادئة نفسها التي يقول بها الحقيقة، معلومات خاطئة: اقتباسا مختلقا، أو مرجعا قانونيا لا وجود له، أو واقعة مغلوطة. والسبب بنيوي: النموذج اللغوي الكبير مهيَّأ لإنتاج نص مقبول ظاهريا، لا نص صحيح. وليس لديه، بحكم بنائه، مفهوم داخلي لعبارة «لا أعرف»؛ فإذا واجه ثغرة ملأها بما يشبه أكثر من غيره إجابة معقولة.

وقد تكون العواقب وخيمة (أخطاء طبية، وسوابق قضائية زائفة يُستشهد بها أمام المحكمة). وتوجد وسائل وقاية عدة، وهي في تقدم:

• التوليد المعزز بالاسترجاع (RAG، انظر الفصل 2): يُزوَّد النموذج بمستندات موثوقة تُسترجع آنيا، وعليه أن يستند إليها.
• استخدام الأدوات: إسناد الحساب إلى آلة حاسبة، والوقائع الحديثة إلى محرك بحث (الفصل 6).
• الاستشهادات القابلة للتحقق، والتحسين المتواصل للتدريب.
• الاستدلال الصريح (القسم التالي)، وهو يقلل بعض الأخطاء.

عندئذ درّبت المختبرات نماذج استدلال (أو نماذج «thinking»): وهي نماذج تنتج تفكيرا داخليا طويلا قبل تقديم إجابتها، بتخصيص قدر أكبر من الحساب لحظة الإجابة (ويسمى ذلك test-time compute، أي الحساب وقت الاستدلال). فبدلا من الرد الفوري، «يأخذ النموذج وقته في التفكير»، ويستكشف مسارات، ويصحح نفسه.

وقد نقل هذا التحول حدود الأداء: فلم يعد الكسب يتحقق بتكبير التدريب المسبق وحده، بل كذلك عبر ترك النموذج يفكر مدة أطول. وكانت أولى نماذج هذا الجيل سلالة o1 ثم o3 من OpenAI (أواخر 2024 و2025) والنموذج المفتوح DeepSeek-R1 (مطلع 2025)، الذي ترك أثرا بالغا ببلوغه مستوى ممتازا في الاستدلال بتكلفة منخفضة جدا. وفي عام 2026، تقدّم العائلات الكبرى كلها (Claude و Gemini و GPT و Grok) نمطا للاستدلال.

واقع الحال في نهاية سبتمبر 2026. القمة موضع تنافس محتدم، والترتيب يتغير كل شهر تقريبا؛ وما يلي لقطة آنية. في الجانب الأمريكي، تتنافس تنافسا متقاربا عائلة Claude من Anthropic، وسلالة GPT من OpenAI (التي انتقلت إلى جيل GPT-6 في سبتمبر 2026)، ونموذج Gemini 3 من Google DeepMind، ونموذج Grok من SpaceXAI (xAI سابقا، وهي شركة تابعة لـ SpaceX، الفصل 7). وفي الجانب الصيني، تبلغ نماذج كثيرا ما تكون ذات أوزان مفتوحة وبتكلفة منخفضة جدا، مثل DeepSeek و Qwen (Alibaba)، مستوى قريبا من الطليعة. وفي الجانب الأوروبي، ترفع الشركة الفرنسية Mistral راية السيادة. وكانت بعض الاتجاهات الواضحة قد تبلورت في منتصف 2026، وهو تاريخ آخر رصد للتصنيفات المعتمدة هنا: ففي ساحات التفضيل البشري، احتلت نسخ Claude المراكز الأولى في جزء كبير من السنة؛ وفي الشيفرة (SWE-bench)، كانت الصدارة موضع تنازع بين Claude و Grok و GPT؛ وكان Gemini يتألق في عدة اختبارات استدلال وفي تعدد الوسائط؛ وكانت النماذج ذات الأوزان المفتوحة تقدم بالفعل جودة شبه مكافئة بجزء يسير من السعر، مما يهز اقتصاد القطاع كله.

والدرس الأكبر لعام 2026، وسنعود إليه في الفصل 7، يُختصر في جملة واحدة: لم يعد هناك «أفضل نموذج» على الإطلاق، بل أفضل نموذج لكل مهمة. فأكثر المؤسسات تقدما تمارس «التوجيه» (routing): أي إسناد كل طلب إلى النموذج الأنسب من حيث الجودة والسرعة والتكلفة. وكل تصنيف ينبغي أن يُقرأ بوصفه صورة فوتوغرافية، صالحة في لحظة بعينها.

---

خلاصة الفصل (الفصل 4)

• إن النموذج اللغوي الكبير هو Transformer مدرَّب على نطاق واسع على التنبؤ بالرمز التالي؛ ومن هذا الهدف تنبثق المحادثة والترجمة والشيفرة والاستدلال.
• تعمل النماذج بوحدة الرموز (أجزاء الكلمات)، وهذا ما يحدد نافذة السياق وكذلك السعر (المفوتَر لكل مليون رمز).
• يختلف التدريب (استثمار واحد وضخم) عن مرحلة الاستدلال (تكلفة متكررة عند كل طلب)؛ وينتج التقطير نسخا خفيفة ورخيصة.
• المادة الخام، أي النص البشري الجيد، قد تنضب نحو 2026-2032 («جدار البيانات»)، ومن هنا اللجوء إلى التراخيص وإلى تعدد الوسائط وإلى البيانات الاصطناعية.
• ظاهرة الهلوسة بنيوية (النموذج يستهدف المقبول ظاهريا لا الصحيح)؛ وتُخفَّف بوساطة RAG واستخدام الأدوات والاستدلال، من دون القضاء عليها.
• إن نماذج الاستدلال «تفكر» مدة أطول لحظة الإجابة، فتنقل حدود الأداء نحو الحساب وقت الاستدلال.
• تقيس المعايير القياسية التقدم لكنها تعاني التشبع والتلوث وأثر غودهارت. وفي عام 2026، الطليعة موضع تنافس بين فاعلين أمريكيين وصينيين وأوروبيين، بلا فائز وحيد.

صارت لدينا الآن رؤية كاملة عن «كيفية العمل». ويتواصل الجزء II بتوسيع النظرة: ما وراء النص، نماذج العالم وتعدد الوسائط (الفصل 5)، ثم الانتقال إلى الفعل مع الوكلاء (الفصل 6)، قبل رسم خريطة الفاعلين (الفصل 7).

---