كيف تتعلّم الآلة

داخل كل نظامٍ يتعلّم — من مُرشّح البريد المزعج إلى أكبر نموذجٍ لغوي — تجري الحلقة نفسها، ملايين المرّات. أربع خطوات، لا خامسة لها.

كرّر هذه الحلقة مليارات المرّات على تريليونات الأمثلة، وستحصل على ما نُسمّيه اليوم ذكاءً اصطناعياً. لا سحر في الأمر — صبرٌ حسابي هائل.

البيانات تحكم كل شيء

إن كانت الحلقة واحدةً في كل الأنظمة، فما الذي يُفرّق بين نظامٍ نافع وآخر ضار؟ ما تراه الآلة. البيانات ليست وقوداً محايداً؛ هي المُعلّم. وكل عيبٍ فيها يصير عيباً في النظام، لكنه يخرج مصقولاً بلغةٍ واثقة تُخفي أصله.

ثلاثة عيوبٍ تتكرّر: النقص — فئةٌ غائبة عن البيانات ستكون فئةً يُخطئ فيها النظام دائماً. والميل — إن كانت قرارات الماضي مائلة، تعلّم النظام أن يُكرّر ميلها ويُسمّيه موضوعية. والاختصار الزائف — أن تجد الآلة علامةً سهلة تُصيب الجواب بلا فهم.

الحفظ مقابل التعلّم

الطالب الذي يحفظ أسئلة الامتحان السابقة يُبدع فيها ويسقط في غيرها. والآلة تفعل الشيء نفسه، ونُسمّيه الإفراط في التخصيص (Overfitting): تُتقن بيانات التدريب إتقاناً تاماً وتفشل خارجها. لهذا لا يُقاس أي نظامٍ على البيانات التي تعلّم منها، بل على بياناتٍ لم يرها قط.

وعلامتها العملية بالنسبة لك — وأنت لا تبني النماذج — واحدة: أداءٌ مبهر في العرض التقديمي، وأداءٌ متواضع في يومك الحقيقي. فحين يعرض عليك بائعٌ نظاماً بدقّةٍ عالية، اسأله سؤالاً واحداً: على أي بياناتٍ قِسْتَ هذا الرقم، ومن أين جاءت؟

إلى أين بعد هذا الفصل؟ فهمتَ التعلّم عموماً. الفصل التالي يدخل النوع الذي تستخدمه كل يوم: النماذج اللغوية، وكيف يُنتج توقّعُ كلمةٍ واحدة كل هذا.