إنتقل إلى المحتوى الرئيسي

الفصل 1: نماذج اللغة الكبيرة (LLMs)

فهم الذكاء الاصطناعي وراء توليد النصوص​

نماذج اللغة الكبيرة هي التقنية التي تشغل ChatGPT وClaude وعمليًا كل نظام حديث لتوليد النصوص. فهم ما هي وكيف تعمل هو أمر أساسي لاستخدامها بفعالية.

ما الذي يجعل نموذج اللغة "كبيرًا"؟​

المعلمات​

يشير "الكبير" في LLM بشكل أساسي إلى عدد المعلمات—القيم القابلة للتعديل التي تخزن ما تعلمه النموذج.

النموذجالمعلماتالحجم النسبي
BERT (2018)340 مليونصغير
GPT-2 (2019)1.5 مليارمتوسط
GPT-3 (2020)175 ملياركبير
GPT-4 (2023)~1.7 تريليونضخم
Llama 3 (2024)حتى 405 ملياركبير

بيانات التدريب​

يشير "الكبير" أيضًا إلى بيانات التدريب—تيرابايت من النصوص من:

  • الكتب والمنشورات
  • المواقع والمقالات
  • مستودعات الأكواد
  • المحادثات والمنتديات
  • الأوراق الأكاديمية

موارد الحوسبة​

يتطلب التدريب آلاف وحدات معالجة الرسومات (GPUs) التي تعمل لأسابيع أو أشهر.

كيف تولد LLMs النصوص​

العملية الأساسية: توقع الرمز التالي​

في جوهرها، تتوقع LLMs "ما الذي يأتي بعد" بالنظر إلى النص السابق:

النموذج لا يسترجع المعلومات—بل يولد النص بناءً على الأنماط المتعلمة.

رمز برمز​

يحدث التوليد رمزًا واحدًا في كل مرة:

Step 1: "The weather today is" → "sunny"
Step 2: "The weather today is sunny" → "and"  
Step 3: "The weather today is sunny and" → "warm"
...continues until complete

القدرات الرئيسية لـ LLMs​

1. فهم اللغة الطبيعية​

يمكن لـ LLMs:

  • تحليل الجمل المعقدة
  • فهم السياق والدقة
  • تحديد الشعور والنبرة
  • استخراج المعلومات الرئيسية

2. توليد النصوص​

يمكن لـ LLMs إنتاج:

  • فقرات ومقالات متماسكة
  • أنماط ونغمات مختلفة
  • محتوى تقني وإبداعي
  • لغات متعددة

3. اتباع التعليمات​

يمكن لـ LLMs الحديثة:

  • الاستجابة لطلبات محددة
  • اتباع التعليمات متعددة الخطوات
  • تكييف تنسيق المخرجات
  • طرح أسئلة توضيحية

4. التعلم في السياق​

يمكن لـ LLMs:

  • التعلم من الأمثلة في الموجّه
  • تطبيق الأنماط من أمثلة قليلة
  • التكيف بدون إعادة تدريب

المعلمات المهمة للمستخدمين​

درجة الحرارة​

تتحكم في العشوائية/الإبداع:

درجة الحرارةالتأثيرالأفضل لـ
0.0 - 0.3متوقع جدًا، مركزمحتوى واقعي، أكواد
0.4 - 0.7متوازنكتابة عامة
0.8 - 1.0+إبداعي، متنوعالعصف الذهني، الكتابة الإبداعية

الحد الأقصى للرموز​

يحدد الطول الأقصى للاستجابة.

Top-P (الاختيار النووي)​

بديل لدرجة الحرارة—يعتبر فقط الرموز الأكثر احتمالًا التي تصل إلى احتمال P.

عقوبات التكرار/الوجود​

يقلل التكرار عن طريق معاقبة الرموز التي ظهرت بالفعل.

نافذة السياق: حد الذاكرة​

تحدد نافذة السياق مقدار النص الذي يمكن للنموذج "تذكره" في محادثة.

أحجام نافذة السياق​

النموذجنافذة السياقالكلمات التقريبية
GPT-3.516K tokens~12,000 words
GPT-4128K tokens~100,000 words
Claude 3200K tokens~150,000 words
Gemini 1.51M+ tokens~750,000 words

لماذا السياق مهم​

  • تبقى المحادثات الطويلة متماسكة
  • يمكن تحليل المستندات بالكامل
  • الرجوع إلى المعلومات من السابق
  • فهم أفضل للمواضيع المعقدة

القدرات مقابل القيود​

ما تتفوق فيه LLMs ✅​

  1. الكتابة والتحرير

    • توليد المسودات
    • تحسين الأسلوب
    • تصحيح القواعد

  2. التلخيص

    • تحويل المستندات الطويلة إلى نقاط رئيسية
    • ملاحظات الاجتماعات
    • الأوراق البحثية

  3. الترجمة

    • ترجمات طبيعية
    • الوعي بالسياق الثقافي
    • أزواج لغوية متعددة

  4. مساعدة الأكواد

    • كتابة الأكواد
    • تصحيح الأخطاء
    • الشرح

  5. التحليل

    • مراجعة المستندات
    • تحليل الشعور
    • تحديد الأنماط

ما تواجه LLMs صعوبة فيه ❌​

  1. الدقة الواقعية

    • يمكن أن تتخيل الحقائق
    • لا توجد معلومات في الوقت الحقيقي
    • قد تخلط بين التفاصيل

  2. الاستدلال الرياضي

    • الحسابات المعقدة غير موثوقة
    • الألغاز المنطقية غير مؤكدة
    • يجب التحقق منها

  3. الذاكرة المتسقة

    • محدودة بنافذة السياق
    • لا توجد ذاكرة طويلة الأمد حقيقية
    • يمكن أن تتناقض مع نفسها

  4. الأحداث الحالية

    • تاريخ قطع المعرفة
    • لا توجد بيانات في الوقت الحقيقي
    • قد تكون قديمة

  5. فهم العالم المادي

    • الاستدلال المكاني ضعيف
    • السببية الفيزيائية غير واضحة
    • العواقب الواقعية

أهمية الموجّهات​

تعتمد جودة المخرجات بشكل كبير على مدخلاتك.

خصائص الموجّه الجيد​

❌ سيء: "اكتب شيئًا عن الذكاء الاصطناعي"

✅ جيد: "اكتب مقدمة لمقال مدونة من 300 كلمة 
    تشرح الذكاء الاصطناعي لأصحاب الأعمال الصغيرة. 
    استخدم لغة بسيطة، واذكر مثالًا واحدًا من 
    العالم الواقعي، واختم بسؤال لجذب القراء."

مكونات الموجّه​

  1. المهمة: ما تريد القيام به
  2. السياق: المعلومات الخلفية
  3. التنسيق: كيف يجب أن تبدو المخرجات
  4. الأمثلة: أمثلة للمدخلات/المخرجات
  5. القيود: القيود أو المتطلبات

فهم "الهلوسة"​

يمكن لـ LLMs توليد معلومات واثقة ولكن غير صحيحة.

لماذا يحدث ذلك​

  • يتوقع النموذج نصًا معقولًا، وليس حقائق مؤكدة
  • قد تحتوي بيانات التدريب على أخطاء
  • النموذج ليس لديه طريقة للتحقق من الحقيقة

كيفية التخفيف​

  • تحقق من الحقائق المهمة بشكل مستقل
  • اطلب المصادر (على الرغم من أنها قد تكون مخترعة)
  • استخدم للمسودات، وليس كسلطة نهائية
  • قارن مع مصادر موثوقة

النقاط الرئيسية​

✅ LLMs "كبيرة" بسبب المعلمات وبيانات التدريب والحوسبة

✅ تولد النص بتوقع الرمز التالي

✅ تتحكم درجة الحرارة والإعدادات الأخرى في خصائص المخرجات

✅ نافذة السياق تحدد مقدار ما يمكن للنموذج اعتباره

✅ تتفوق في الكتابة والتلخيص والتحليل

✅ تواجه صعوبة مع الحقائق والرياضيات والمعلومات في الوقت الحقيقي

✅ جودة الموجّه تؤثر بشكل كبير على جودة المخرجات

الخطوات التالية​

الآن دعونا نقارن بين المنصات الرئيسية في الفصل 2: ChatGPT وClaude والمنافسون.