تفتح نفس نافذة الدردشة التي استخدمتها الثلاثاء الماضي، فيلتقط الذكاء الاصطناعي الخيط من حيث توقفت تماماً. يشير إلى تعليماتك السابقة، ويحاكي نبرتك الساخرة، ويسألك عما إذا كنت قد أنهيت ذلك التقرير. للحظة، تشعر وكأنك تعمل مع زميل ينتبه إليك حقاً. ثم تبدأ محادثة جديدة، فيختفي كل شيء. تصبح النبرة فاترة. تختفي تفاصيل المشروع. يناديك باسم خاطئ. ماذا حدث؟

الآلة لم تنسَك. هي لم تعرفك من الأساس.

وهم الذاكرة

نحن مبرمجون لرؤية الذاكرة في كل مكان. عندما يتذكر روبوت الدردشة أنك تفضل النقاط الموجزة أو أنك تعمل في مجال الرعاية الصحية، فإنه يحفز نفس الغريزة التي يشعر بها المرء عندما يتذكر النادل طلبك المعتاد. لكن هذه خدعة تصميم، وليست إدراكاً. النماذج اللغوية الكبيرة لا تخزن حقائق عنك داخل أوزانها (weights). ليس لديها مذكرات يومية لتفاعلاتك. لا يمكنها التطلع في مجلد بعنوان "تفضيلات المستخدم" لأنه لا يوجد مجلد كهذا.

ما يبدو وكأنه ذاكرة هو ببساطة نص موجود في نافذة السياق (context window). يقرأ النموذج سجل الدردشة الأخير، ومطالبتك (prompt) الحالية، وأي تعليمات نظام أضافها المطور. يعالج كل هذا بنظرة واحدة، ويتنبأ بالكلمة التالية، ثم يستجيب. عندما يختفي هذا النص، تختفي "الذاكرة" أيضاً. يعود النموذج إلى سلوكه الأساسي، والذي غالباً ما يكون واثقاً، وعاماً، ومتحمساً أكثر من اللازم. يتحطم الوهم لأن السياق قد تغير، وليس لأن الذكاء الاصطناعي أصيب بفقدان الذاكرة.

ما يستخدمه الذكاء الاصطناعي فعلياً

إذا كنت تريد نتائج موثوقة، فأنت بحاجة إلى فهم المصادر الأربعة التي تأتي منها المعلومات فعلياً:

  • سجل الدردشة (Chat history): الأخذ والرد الأخير في موضوعك الحالي. هذا أمر مؤقت؛ ابدأ موضوعاً جديداً وسيختفي.
  • تعليمات محددة في المطالبة (Specific instructions in the prompt): أي شيء تكتبه أو تلصقه في المربع الآن. هذا هو الشكل الأكثر مباشرة للتحكم.
  • مستندات من قاعدة معرفية (Documents from a knowledge base): ملفات أو قواعد بيانات يمكن للنظام البحث فيها وحقنها في المطالبة. يتطلب هذا خطوة استرجاع (retrieval)، وهذه الخطوة قد تفشل بصمت.
  • بيانات يتم جلبها من سير العمل (Data fetched from a workflow): استدعاءات API، أو عمليات البحث في قواعد البيانات، أو ميزات الذاكرة التي تضيفها تطبيقات الطرف الثالث. جودتها تعتمد فقط على جودة الكود الذي يربطها.

لا شيء من هذا يمثل ذاكرة عضوية؛ إنها مجرد عمليات ربط تقنية (plumbing). إذا انقطع أنبوب أو تم سحب المستند الخاطئ إلى المطالبة، فلن يحذرك الذكاء الاصطناعي. سيكتفي باستخدام ما يراه ويقدم إجابة مصقولة، ومقنعة، وخاطئة تماماً.

عندما ينكسر السياق: مثال واقعي

تخيل فريق تسويق يطلب من الذكاء الاصطناعي صياغة رسائل بريد إلكتروني للعملاء. يوم الاثنين، تبدأ سارة دردشة وتلصق دليلاً قصيراً للأسلوب: "استخدم لغة هادئة ورزينة. تجنب علامات التعجب. اختم باسم الشركة فقط". يتبع الذكاء الاصطناعي الدليل بدقة، ويعجب الفريق بالمسودات.

يوم الأربعاء، يفتح جيك دردشة جديدة تماماً. يكتب: "صغ رسائل البريد الإلكتروني للمتابعة مع العملاء". لا يلصق دليل الأسلوب. الذكاء الاصطناعي، لعدم وجود تعليمات تخالف ذلك، يعود تلقائياً إلى أسلوب الكتابة التسويقية المليء بالحيوية. تتطاير علامات التعجب، ويقترح: "لنكتسح هذا السوق!". يتذمر الفريق ويتساءلون: "لماذا نسي الذكاء الاصطناعي؟".

لم ينسَ. لم يكن هناك شيء لينساه. فشل جيك في تضمين دليل الأسلوب في نافذة السياق الجديدة، ولم يكن لدى النموذج أي وسيلة لمعرفة أن الفريق قد وضع قاعدة قبل يومين في محادثة مختلفة. كان الإحباط حقيقياً، لكن السبب كان بشرياً وليس ميكانيكياً. توقع الفريق ذاكرة مستمرة، بينما لم توفر الأداة سوى مسودة مؤقتة.

الاختبار الحقيقي: راقب ما تراه الآلة

أسرع طريقة لتحسين نتائجك هي التوقف عن سؤال "هل يتذكر الذكاء الاصطناعي هذا؟" والبدء في سؤال "ما هو السياق الذي يتلقاه فعلياً الآن؟". اختبر إعداداتك من خلال ثلاثة أسئلة:

ما الذي يحتاج الذكاء الاصطناعي لمعرفته في كل مرة؟ هذا هو سياقك غير القابل للتفاوض. صوت العلامة التجارية، سياسات السلامة، تنسيقات المخرجات، وقيود الامتثال. إذا كان الأمر بالغ الأهمية، فيجب أن يكون موجوداً في مستند مرجعي يتم حقنه في كل مطالبة ذات صلة، وليس في سلسلة دردشة من ثلاثة أسابيع مضت.

ما الذي يمكنك تخزينه للاسترجاع لاحقاً؟ ملاحظات المشروع التاريخية، أو مواصفات المنتج، أو الأبحاث السابقة يمكن أن توجد في ملف منظم أو قاعدة بيانات. لكن التخزين وحده لا يكفي. يجب أن تعرف بالضبط كيف يقرر النظام أي جزء من ذلك التخزين سيقوم بسحبه إلى المحادثة. إذا كان الاسترجاع يعتمد على مطابقة الكلمات المفتاحية، فقد تؤدي صياغة مختلفة قليلاً في مطالبتك إلى جلب الصفحة الخاطئة.

ما الذي يجب على الشخص التحقق منه يدويًا؟ عندما تكون تكلفة الخطأ باهظة — مثل الأرقام المالية، أو الملخصات الطبية، أو الصياغات القانونية، أو الإعلانات الموجهة للعملاء — فلا تثق في مسار العمل (pipeline) بشكل أعمى. يحتاج الإنسان إلى التحقق من أن الذكاء الاصطناعي استخدم النسخة الصحيحة من المستند وأن المخرجات منطقية في العالم الحقيقي. لا يمكن للنموذج أن يخبرك بأنه استشهد للتو بقائمة أسعار العام الماضي؛ فهو لا يعرف السنة الحالية ما لم تذكر ذلك في الأمر (prompt).

بناء سير عمل يعتمد على السياق أولاً

العمل الموثوق بالذكاء الاصطناعي يعتمد في الغالب على بنية معلومات جيدة. إليك كيفية بنائها.

ضع قواعدك الثابتة في مستند مرجعي. هذا هو مصدرك الوحيد للحقيقة. عندما تتغير القواعد، قم بتعديل هذا الملف وحده. لا تشتت التعليمات عبر عشرات محادثات الدردشة.

مرر الأجزاء ذات الصلة فقط من ذلك المستند إلى المهمة الحالية. إن إلقاء دليل مكون من مائة صفحة في الأمر (prompt) أمر مكلف ومشتت. استرجع الصفحتين المهمتين لهذا السؤال تحديدًا. الدقة تتفوق على الكمية.

احتفظ بالتفاصيل قصيرة المدى في الأمر (prompt) النشط. إذا كنت تقوم بعصف ذهني لعناوين منشور مدونة حول الدراجات الكهربائية، فاذكر "الدراجات الكهربائية" في الأمر. لا تفترض أن النموذج يعرف ما تفكر فيه لمجرد أنك ذكرته بالأمس.

استعن بإنسان لمراجعة المخرجات عندما تكون الأخطاء مكلفة. لن يشعر الذكاء الاصطناعي بالإحراج أبدًا؛ سيرسل فاتورة خاطئة أو اعتذارًا غير لائق بنفس الثقة التي يظهر بها في كل شيء آخر. يجب أن يكون هناك شخص ما للتحقق من المنطق (sanity check).

فكر في طبقات

من المفيد تصور معلومات الذكاء الاصطناعي كأربع طبقات متراكمة، لكل منها موثوقيتها ومخاطرها الخاصة.

السياق المباشر هو الأمر (prompt) الحالي. هذا تحت سيطرتك بنسبة 100%، ولكن فقط إذا تكبدت عناء كتابته. الأوامر الغامضة تعطي نتائج غامضة.

السياق المخزن هو المعلومات التي قمت بحفظها في مكان ما: مثل ويكي Notion، أو قاعدة بيانات متجهة (vector database)، أو مجلد من ملفات PDF. هي موجودة، لكن الذكاء الاصطناعي لا يمكنه رؤيتها حتى يقوم شيء ما بسد الفجوة.

السياق المسترجع هو البيانات التي يتم سحبها من التخزين إلى الأمر (prompt) بواسطة منطق البحث، أو الكود، أو إضافة (plugin). هنا تحدث معظم الإخفاقات الصامتة؛ فقد يجلب النظام عقدًا قديمًا بدلًا من العقد المعدل، أو يسحب لقطة شاشة بدلًا من جدول البيانات.

السياق البشري هو حكمك الخاص على ما هو صحيح، وما هو مهم، وما يبدو غير منطقي. هذه هي الطبقة الوحيدة التي تعرف ما إذا كانت الإجابة قديمة، أو ما إذا كان المصدر جديرًا بالثقة، أو ما إذا كانت النبرة مناسبة للموقف. لا توكل هذه الطبقة لغيرك.

الفرق التي تحصل على أفضل النتائج لا تستخدم نماذج أذكى، بل تبني أنظمة يكون فيها السياق مرئيًا، ومؤرخًا بالإصدارات، وسهل التحقق منه. هم يعلمون أن الذكاء الاصطناعي الذي يمتلك سياقًا مثاليًا سيتفوق على نموذج عبقري يعمل بناءً على معلومات سيئة في كل مرة.

لذا توقف عن معاملة هذه الأدوات كمتدربين نسايين يحتاجون إلى توبيخ. عاملها كعدسات؛ فهي لا تظهر لك إلا ما تضعه أمامها. عوّد نفسك على فحص العدسة قبل أن تلوم الرؤية.

انضم إلى مجتمع GyaanSetu لتعلم الذكاء الاصطناعي: https://t.me/GyaanSetuAi