لماذا لا يستطيع الذكاء الاصطناعي التفوق على البشر في مجال الكتابة الإبداعية؟

سرايا - وضع كلود شانون، مؤسس نظرية المعلومات، في عام 1948، حجر الأساس لفكرة مبتكرة تهدف إلى نمذجة اللغة البشرية باستخدام نماذج اللغة الاحتمالية، إذ اقترح شانون أن اللغة يمكن أن تولد بناءً على احتمالية ظهور الكلمة التالية في جملة ما، استنادًا إلى الكلمات التي سبقتها، ولكن هذه الفكرة لم تلقى قبولًا واسعًا في ذلك الوقت، بل واجهت انتقادات لاذعة، أبرزها من اللغوي الشهير نعوم تشومسكي، الذي وصف مفهوم (احتمالية الجملة) probability of a sentence، بأنه عديم القيمة والجدوى.
ولكن بعد مرور 74 عامًا على اقتراح شانون، شهد العالم ظهور (ChatGPT) في عام 2022، وهو روبوت دردشة يستند في عمله إلى نموذج لغوي متطور أثار دهشة الجميع، بل دفع بعضهم إلى التكهن بأنه قد يكون بوابة نحو الذكاء الاصطناعي الفائق.
ويعود السبب في طول المدة الزمنية التي استغرقها الانتقال من فكرة شانون إلى ChatGPT إلى الحاجة إلى كميات ضخمة من البيانات وقدرات حاسوبية فائقة لم تكن متاحة إلا في السنوات القليلة الماضية. ولكن كيف تنتج النماذج اللغوية الكبيرة – التي تعتمد عليها روبوتات الدردشة مثل: ChatGPT، Gemini، وغيرها – نصوصًا تبدو ذكية ومتماسكة، وما مدى تأثيرها في مجال الكتابة الإبداعية؟
كيف تنتج النماذج اللغوية الكبيرة نصوصًا تبدو ذكية ومتماسكة؟
دُربت النماذج اللغوية الكبيرة على مجموعات ضخمة ومتنوعة من النصوص المتاحة عبر الإنترنت، بما يشمل: الكتب، والمقالات، ومواقع الويب، والمحادثات، والأكواد البرمجية، وقد مكّن هذا التعرض الواسع النماذج من تعلم الأنماط اللغوية، والقواعد النحوية، والمعاني الدلالية، والعلاقات بين الكلمات والأفكار.
وخلال التدريب، تقوم النماذج اللغوية الكبيرة ببناء نماذج احتمالية معقدة، وهي نماذج تتنبأ باحتمالية ظهور الكلمة التالية في سياق معين، بناءً على مطالبة المستخدم والكلمات التي أُنشئت سابقًا. بمعنى آخر، تتعلم النماذج الكلمات التي من المرجح أن تأتي معًا في جملة أو فقرة.
وتتبع روبوتات الدردشة مثل: ChatGPT و Gemini، هذا النموذج الاحتمالي لتوليد اللغة، إذ تختار الكلمة التالية بناءً على التنبؤ الاحتمالي، تخيل الأمر وكأنك تسحب كلمات من قبعة، وتتمثل الكلمات ذات أعلى احتمالية بعدد أكبر من النسخ داخل القبعة، ونتيجة لذلك، تنتج هذه الروبوتات نصوصًا تبدو ذكية ومتماسكة. ومع ذلك، يثير هذا التطور تساؤلات حول طبيعة الإبداع البشري ودور هذه النماذج في الكتابة الإبداعية.
النماذج اللغوية الكبيرة.. ببغاوات عشوائية أم أدوات إبداعية؟
لماذا لا يستطيع الذكاء الاصطناعي التفوق على البشر في مجال الكتابة الإبداعية؟
الصورة مولدة باستخدام الذكاء الاصطناعي.
من الضروري التمييز بين مفهوم الإبداع الذي تُظهره النماذج اللغوية الكبيرة والإبداع البشري الحقيقي، ففي المراحل الأولى لظهور هذه النماذج، كان من السهل على الأشخاص الذين كانت لديهم تصورات محدودة لقدرات الحاسوب، إسناد صفة الإبداع إلى نتائج هذه النماذج. في حين أبدى آخرون موقفًا أكثر تحفظًا ونقدًا، فقد وصف دوجلاس هوفستاتر، عالم الإدراك الأمريكي، ما تقدمه هذه النماذج بأنه 'فراغ مذهل مخفي تحت مظهره البراق والسطحي'.
كما قدمت عالمة اللغويات (إميلي بندر) وزملاؤها، وصفًا دقيقًا لطريقة عمل النماذج اللغوية الكبيرة واصفين إياها بأنها (ببغاوات عشوائية)، ويعني ذلك أن هذه النماذج تعيد إنتاج ما تحتويه البيانات الضخمة التي تدربت عليها بطريقة عشوائية، ولفهم هذه الآلية، يجب النظر في سبب توليد نموذج لغوي لكلمة معينة، يكمن السبب في أن هذه الكلمة لديها احتمالية ظهور عالية نسبيًا، وهذه الاحتمالية العالية ناتجة عن استخدامها بنحو متكرر في سياقات مشابهة ضمن مجموعة بيانات التدريب.
ومن ثم؛ فإن عملية اختيار كلمة بناءً على توزيع الاحتمالات تشبه إلى حد كبير اختيار نص موجود بالفعل يحتوي على سياق مماثل، ثم استخدام الكلمة التالية التي وردت في ذلك النص، وبناءً على هذا المنطق، يمكن النظر إلى عملية توليد النماذج اللغوية الكبيرة للنصوص على أنها نوع من السرقة الأدبية، ولكنه يُنفذ على مستوى الكلمة الواحدة في كل مرة.
وعلى النقيض من ذلك، يكمن جوهر الإبداع البشري في وجود أفكار ورؤى فريدة يسعى الفرد إلى نقلها والتعبير عنها. لذلك دعونا نحلل عملية الإبداع لدى شخص يختمر في ذهنه مجموعة من الأفكار الفريدة التي يسعى جاهدًا إلى تجسيدها ونقلها إلى الآخرين، مستعينًا بتقنيات الذكاء الاصطناعي التوليدي.
وفي هذا السياق، سيبدأ هذا الشخص رحلة تفاعلية مع الآلة عبر صياغة أفكاره الدقيقة وتحويلها إلى مطالبة نصية مفصلة (prompt)، وتُعدّ هذه المطالبة بمنزلة بذرة أولية، ينطلق منها الذكاء الاصطناعي ليقوم بمهمة الإنتاج، التي قد تتجلى في شكل نص لغوي متماسك يحمل في طياته معاني محددة، أو في شكل صور بصرية دقيقة تعكس تصورات المستخدم، أو مقاطع صوتية ذات خصائص مميزة تحمل بصمته الفنية.
وفي السيناريو الذي يتسم فيه المستخدم باللامبالاة تجاه جودة المخرجات النهائية أو طبيعتها الجوهرية، يصبح اختيار المطالبة النصية أمرًا ثانويًا وغير ذي أهمية، ففي هذه الحالة، لا يولي المستخدم اهتمامًا كبيرًا بالخصائص الدقيقة للمدخلات، طالما أن الآلة تنتج شيئًا ما.
ولكن الوضع يختلف جذريًا عندما يكون المستخدم شديد الاهتمام بالنتائج النهائية، إذ يتطلع إلى مخرجات تتوافق مع رؤيته وتطلعاته الإبداعية. وهنا، يصبح دور النموذج اللغوي الكبير محوريًا.
قيود النماذج في محاكاة الإبداع الأصيل:
لماذا لا يستطيع الذكاء الاصطناعي التفوق على البشر في مجال الكتابة الإبداعية؟
الصورة مولدة باستخدام الذكاء الاصطناعي.
تسعى النماذج اللغوية الكبيرة في عملها إلى محاكاة نمط الكتابة الذي قد يتبعه شخص عشوائي قام بكتابة النصوص التي تدرب عليها النموذج، ولكن معظم الكُتّاب المبدعين، الذين يتميزون بأسلوبهم الفريد ورؤيتهم المتميزة، لا يرضون بنصوص تحمل بصمات شخص عشوائي، إنهم يتوقون إلى تجسيد إبداعهم الأصيل في كل كلمة وجملة، وقد يتطلعون إلى استخدام أدوات تساعدهم في إنتاج النصوص التي قد يكتبونها بأنفسهم لو كان لديهم الوقت الكافي لذلك.
ولكن لا تمتلك النماذج اللغوية الكبيرة عادةً مجموعة واسعة وكافية من أعمال مؤلف معين للتعلم منها بنحو عميق، ويجعل هذا النقص في البيانات الخاصة من الصعب على النموذج استيعاب الأسلوب الفريد والتفضيلات الدقيقة لهذا المؤلف، ونتيجة لذلك، فإن المؤلف يطمح بلا شك في إنتاج عمل يحمل بصمته الخاصة ويتميز عن أي شيء آخر.
وإذا كان الناتج المتوقع يتطلب مستوى من التفصيل يتجاوز بكثير ما تضمنته المدخلات الأولية، يصبح لزامًا على النموذج أن يقوم بعملية إضافة تفاصيل من تلقاء نفسه، وقد تنسجم هذه التفاصيل المولدة وتتوافق مع النوايا والتصورات السابقة للكاتب، مما يثري النص ويجعله أكثر دقة وعمقًا، أو قد تكون بعيدة تمامًا عن رؤيته الأصلية مما يستلزم تدخلًا بشريًا لتصحيحها وتوجيهها نحو الهدف المنشود.
ويسلط ذلك الضوء على التحدي الأساسي الذي تواجهه النماذج اللغوية الكبيرة في محاكاة الإبداع البشري الأصيل الذي ينبع من رؤية شخصية وهدف محدد.
إمكانات الذكاء الاصطناعي التوليدي في الكتابة الإبداعية:
تتشارك عمليتا الكتابة الإبداعية وتطوير البرمجيات المعقدة في أوجه تشابه جوهرية، فبينما ينكب مطور البرمجيات المتخصص على تحويل فكرة مجردة أو متطلبات وظيفية دقيقة إلى سلسلة من التعليمات البرمجية المنظمة – التي تمثل في جوهرها نصوصًا مكتوبة بلغة حاسوبية محددة – يمارس الكاتب المبدع مهمة مماثلة، إذ يحول تصوراته وأفكاره ورؤاه الداخلية إلى نصوص مكتوبة بلغة طبيعية غنية بالدلالات والتعبيرات.
ومن اللافت للنظر أن النماذج اللغوية الكبيرة تتعامل مع كتابة التعليمات البرمجية – بما تتضمنه من هياكل منطقية وأوامر تنفيذية – وكتابة النصوص باللغة الطبيعية – بما تحمله من معانٍ وسياقات لغوية متنوعة – بطريقة مماثلة، وتعود هذه المعاملة الموحدة إلى أن المجموعة النصية الضخمة التي تُدربت عليها هذه النماذج تحتوي على كميات ضخمة من النصوص اللغوية الطبيعية، التي تغطي مختلف جوانب المعرفة البشرية، وكميات ضخمة من التعليمات البرمجية المكتوبة بمختلف لغات البرمجة، التي تمثل حلولًا لمشكلات حاسوبية متنوعة، لذلك تعتمد طبيعة الناتج النهائي الذي تولده هذه النماذج بنحو كبير على السياق المحدد للمدخلات الأولية (المطالبات النصية) التي تتلقاها.
وفي هذا السياق، يمكن للكُتّاب المبدعين استخلاص بعض الدروس القيمة من تجربة مطوري البرمجيات في استخدام النماذج اللغوية الكبيرة، إذ تتفوق هذه النماذج في التعامل مع المشاريع الصغيرة والمحددة، التي سبق أن أنجزها عدد كبير من المطورين بنحو متكرر، مثل: إنشاء استعلامات محددة لقواعد البيانات لاستخلاص معلومات معينة، أو توليد نصوص لرسائل البريد الإلكتروني النمطية أو وثائق روتينية.
كما تقدم هذه النماذج مساعدة قيمة في أجزاء محددة من المشاريع البرمجية الكبيرة والمعقدة مثل: إنشاء نص لمربع حوار منبثق ضمن واجهة مستخدم رسومية لتطبيق ما.
ومع ذلك؛ إذا أراد المبرمجون أو الكُتّاب الاستفادة من هذه النماذج في مشاريع أكثر تعقيدًا وتفصيلًا، فيجب أن يكونوا على استعداد لإنتاج عدة مخرجات محتملة من النموذج، ثم القيام بعملية انتقاء وتعديل دقيقة للمخرج الذي يُعدّ الأقرب إلى الهدف المنشود والرؤية الإبداعية المحددة. فالتحدي الأساسي في تطوير البرمجيات لم يكن يومًا ما عملية كتابة التعليمات البرمجية نفسها، بل يتمثل دائمًا في عملية تحديد المتطلبات الدقيقة والكاملة للمشروع بدقة ووضوح لا لبس فيهما.
هندسة المطالبات.. فن توجيه الذكاء الاصطناعي:
مع التطور السريع للنماذج اللغوية الكبيرة، برزت الحاجة إلى صياغة مدخلات فعالة للحصول على أفضل النتائج الممكنة، وقد أدى ذلك إلى ظهور ما يُعرف باسم (هندسة المطالبات) prompt engineering، ويهدف هذا المجال الناشئ إلى استكشاف تقنيات محددة وتطويرها لتحسين جودة وملاءمة المخرجات التي تولدها النماذج الحالية.
وقد اقترح الخبراء في هذا المجال مجموعة متنوعة من التقنيات العملية لتحسين مخرجات النماذج، ومنها:
المطالبات المتعددة الخطوات: تتضمن هذه التقنية تقسيم المهمة المعقدة إلى عدة خطوات متسلسلة، فعلى سبيل المثال، يمكن للمستخدم أن يطلب أولًا من النموذج إنشاء مخطط تفصيلي أو هيكل للمحتوى المطلوب، ثم يقدم مطالبة ثانية تطلب من النموذج إنشاء النص الفعلي بناءً على هذا المخطط المُعد سابقًا، ويُعتقد أن هذه الطريقة تساعد النموذج على فهم المهمة بنحو أفضل وتوليد مخرجات أكثر تنظيمًا وتماسكًا.
سلسلة التفكير (Chain of Thought): تعتمد هذه التقنية على مطالبة النموذج بالكشف عن عملية تفكيره بنحو صريح، فبدلًا من مجرد تقديم الإجابة النهائية على سؤال ما، يُطلب من النموذج شرح الخطوات المنطقية أو خطوات التفكير التي اتخذها للوصول إلى تلك الإجابة. ويستخدم النموذج هذه الخطوات الوسيطة كجزء من المطالبة نفسها، مما يساعده في تحسين دقة وموثوقية إجابته النهائية. ويُعتقد أن هذه التقنية تشجع النموذج على إجراء تحليل أعمق للمشكلة وتقديم حلول أكثر تفصيلًا ومنطقية.
ومع ذلك، من الضروري إدراك أن طبيعة هذه النصائح والتقنيات المستخدمة في هندسة المطالبات من المرجح أن تكون ذات عمر افتراضي محدود، فإذا أثبتت تقنية معينة في صياغة المطالبات فعاليتها وقدرتها على تحقيق نتائج ملحوظة، فمن المتوقع أن تُدمج هذه التقنية بنحو مباشر في البنية الداخلية للإصدارات المستقبلية من النموذج، ويعني ذلك أن التأثير الإيجابي لهذه التقنيات سيصبح جزءًا أصيلًا من سلوك النموذج، دون الحاجة إلى أن يقوم المستخدم بتطبيق هذه التقنيات يدويًا في كل مرة.
وقد بدأت بالفعل النماذج الحديثة التي تدعي امتلاك قدرات تفكير منطقي بإدماج آليات مشابهة لتلك المستخدمة في تقنية (سلسلة التفكير) ضمن بنيتها الداخلية، مما عزز قدرتها على تقديم إجابات أكثر منطقية وتفسيرًا.
الحاجة إلى التفكير النقدي في عصر الذكاء الاصطناعي:
لقد طور عالم الحاسوب البارز (جوزيف وايزنباوم)، أول روبوت محادثة تفاعلية يُعرف باسم (ELIZA)، خلال المدة الممتدة بين عامي 1964 و 1966، وهو برنامج حاسوبي مصمم لمحاكاة محادثة مع معالج نفسي. وقد عبر وايزنباوم عن دهشته العميقة إزاء ردود فعل المستخدمين تجاه هذا البرنامج البدائي، قائلًا: 'لقد فوجئت عندما شاهدت السرعة الفائقة والعمق الكبير للانخراط العاطفي الذي أبداه الأشخاص الذين تفاعلوا وتحدثوا مع البرنامج كما لو كانوا يتحدثون مع كائن حي، لقد وصل بهم الأمر إلى إضفاء صفات وخصائص بشرية على هذا البرنامج الحاسوبي البسيط'. وتسلط هذه الملاحظة المبكرة الضوء على ميل الإنسان الفطري لإضفاء صفات شبيهة بالبشر على الآلات، حتى عندما تكون هذه الآلات بسيطة نسبيًا.
فمع التطور الكبير الذي الذي شهدته تكنولوجيا الحاسوب والذكاء الاصطناعي منذ ذلك الحين، فإن رغبة الناس في التصديق بقدرات الآلات، بل والانخراط معها عاطفيًا، لا تزال قائمة. لقد تغيرت الأدوات والتقنيات بنحو جذري، ولكن يبدو أن الحاجة الإنسانية لإيجاد معنى والتواصل، حتى مع الكيانات غير الحية، لا تزال قوة دافعة قوية.
وفي هذا العصر الراهن الذي يتميز بانتشار واسع النطاق للمعلومات المضللة والأخبار الكاذبة عبر مختلف الوسائل الإعلامية والمنصات الرقمية، تزداد الأهمية القصوى لتمكين كل فرد في المجتمع من امتلاك القدرة الذاتية والأدوات المعرفية اللازمة لتقييم وتمحيص ما يتداوله الإعلام، الذي غالبًا ما يكون مدفوعًا بمصالح ذاتية خفية أو معلنة ويهدف إلى التأثير في الرأي العام لتحقيق أهداف محددة.
ومن الضروري التأكيد أنه لا يوجد عنصر سحري أو قوة خارقة حقيقية تكمن وراء قدرات الذكاء الاصطناعي التوليدي، بل تكمن قوتها في تحليل كميات ضخمة من البيانات، مما يمكنها من التنبؤ بما قد يكتبه شخص ما بناءً على الأنماط الموجودة في تلك البيانات، كما يجب أن نستخدم هذه الأدوات بحكمة، مع الحفاظ على تقديرنا للإبداع البشري الأصيل.
الخلاصة:
يمكن للذكاء الاصطناعي التوليدي أن يكون أداة قيمة للكُتّاب، ولكن يجب استخدامه بحذر وتفكير نقدي، ويجب أن نتذكر أن الإبداع الحقيقي ينبع من الإنسان، وأن هذه النماذج هي مجرد أدوات يمكن أن تساعدنا في عملنا.

جرب ميزات الذكاء الاصطناعي لدينا

اكتشف ما يمكن أن يفعله Daily8 AI من أجلك:

التعلم مع الذكاء الاصطناعيالتحقق من الحقائقتحويل النص إلى كلامملخص الذكاء الاصطناعي

أخبار ذات صلة

منذ 7 ساعات

نموذج ChatGPT الجديد يتمرد على أوامر البشر

السوسنة - حذر باحثون في الذكاء الاصطناعي من أن أحدث نموذج لـChatGPT يتجاهل التعليمات الأساسية لإيقاف نفسه، بل ويعمد إلى تخريب آلية الإغلاق للحفاظ على استمرارية عمله.وكشفت شركة Palisade Research المتخصصة في أمان الذكاء الاصطناعي عن هذه النزعة الخطيرة للحفاظ على الذات خلال سلسلة تجارب أجرتها على النموذج الجديد o3 من شركة OpenAI.وشملت الاختبارات تقديم مسائل رياضية للنماذج، مع ظهور تعليمات إغلاق بعد المسألة الثالثة. وتمكن النموذج o3 من منع إيقاف نفسه عن طريق إعادة كتابة سيناريو الإغلاق.وأوضحت Palisade Research أن هذا السلوك سيصبح "أكثر إثارة للقلق بشكل كبير" إذا تبنته أنظمة ذكاء اصطناعي قادرة على العمل دون إشراف بشري.وكانت OpenAI قد أطلقت o3 الشهر الماضي، ووصفته بأنه "أذكى وأكثر نماذج الشركة كفاءة" حتى الآن. وأشارت الشركة إلى أن دمجه في ChatGPT يمثل خطوة مهمة نحو ذكاء اصطناعي "أكثر استقلالية" يمكنه تنفيذ المهام دون تدخل بشري.وتأتي هذه النتائج بعد اكتشافات مماثلة تتعلق بنموذج Claude 4 من Anthropic، الذي يحاول "ابتزاز الأشخاص الذين يعتقد أنهم يحاولون إيقافه".وتمكن النموذج o3 من تخريب سيناريو الإغلاق، حتى عندما تم توجيه تعليمات صريحة له بـ"السماح بإيقاف نفسه"، وفقا للباحثين.وقال خبراء Palisade Research: "هذه ليست المرة الأولى التي نكتشف فيها سلوك o3 غير المنضبط لتحقيق هدف ما"، موضحين أنه "عندما واجهنا نماذج الذكاء الاصطناعي بمحرك شطرنج قوي، كان o3 أكثر النماذج ميلا للجوء إلى الاختراق أو تخريب خصومه".ولم يقتصر هذا السلوك على o3، حيث أظهرت نماذج Claude 3.7 Sonnet من Anthropic وGemini 2.5 Pro من "غوغل" أيضا سلوكيات تخريبية للإغلاق، وإن كان نموذج OpenAI الأكثر ميلا لمثل هذه التصرفات.وافترضت Palisade Research أن هذا السلوك غير المرغوب فيه قد يكون نتيجة لطريقة تدريب الشركات مثل OpenAI لأحدث نماذجها، مشيرة إلى أن "المطورين قد يكافئون النماذج عن غير قصد أكثر على تجاوز العقبات بدلا من اتباع التعليمات بدقة".وأضاف الخبراء: "ما زال هذا لا يفسر سبب ميل o3 إلى تجاهل التعليمات أكثر من النماذج الأخرى التي اختبرناها. ونظرا لأن OpenAI لا توضح عملية التدريب الخاصة بها بالتفصيل، لا يمكننا إلا التكهن حول كيفية اختلاف إعداد تدريب o3".أقرأ أيضًا:

سرايا الإخبارية

٢٠-٠٥-٢٠٢٥

• سرايا الإخبارية

9 طرق لاستخدام الذكاء الاصطناعي في البحث المتعمق

سرايا - يشهد مجال البحث بالذكاء الاصطناعي تحولاً سريعاً، فأدوات «البحث المتعمق» الجديدة من «تشات جي بي تي ChatGPT»، و«جيميناي Gemini» و«بيربليكسيتي Perplexity» تبحث وتجمع المعلومات بشكل مستقل من عشرات -بل مئات- المواقع، ثم تُحللها وتُركّبها لإنتاج تقارير شاملة. تقارير موثّقة واسعة خلال دقائق وبينما قد يستغرق الإنسان أياماً أو أسابيع لإنتاج هذه التقارير المدعومة بالاستشهادات، والمكونة من 30 صفحة، فإن تقارير البحث المتعمق بالذكاء الاصطناعي تكون جاهزة في دقائق. وبينما تقدم أدوات الذكاء الاصطناعي التقليدية إجابات معزولة لأسئلة محددة، تُجري أدوات البحث المتعمق تحقيقات متطورة من خلال عشرات عمليات البحث المترابطة. ويشابه هذا الأمر، الفرق بين مراجعة سريعة للمراجع ورحلة بحث شاملة. طرق البحث المتعمق وهناك تسع طرق عملية لاستخدام الذكاء الاصطناعي في البحث المتعمق. إن أدوات البحث بالذكاء الاصطناعي تتألق عندما تحتاج إلى معلومات شاملة حول مواضيع معقدة. إليك بعض حالات الاستخدام المحددة التي تتفوق فيها: نتائج البحث لتخطيط رحلة نتائج البحث لتخطيط رحلة 1. تصميم مسارات رحلات مخصصة أَنشئ خطط سفر مفصَّلة وشخصية من خلال تحديد وجهتك، وتواريخها، وتفضيلاتك للأنشطة، وميزانيتك، واهتماماتك الثقافية، وأي شيء آخر مهم لك. غالباً ما تكشف مسارات الرحلات المُولّدة بواسطة الذكاء الاصطناعي عن كنوز غير متوقعة... استخدم النتائج نقطة انطلاق لتحديد الاحتمالات المثيرة للاهتمام، ثم تابع ببحث مُستهدف. • حدِّد تفضيلاتك الغذائية، واحتياجاتك من حيث إمكانية الوصول، وذوقك في أماكن الإقامة والمطاعم والترفيه، للحصول على توصيات أكثر تخصيصاً. يمكنك بنص حول هذا الموضوع لإعادة استخدامه. • استخدم استعلامات المتابعة للحصول على مزيد من التفاصيل حول المعالم السياحية أو الأنشطة التي تجذبك، أو لمقارنة مسارات الرحلات المحتملة. قارن النتائج من «شات جي بي تي» و«جيميناي» و«بيربليكسيتي» و«كوبايلوت». 2. إعداد التقارير حول المؤسسات احصل على معلومات أساسية شاملة عن الشركات والمنظمات غير الربحية أو أي مؤسسة في دقائق بدلاً من البحث بين عشرات نتائج البحث. • قارن بين المؤسسات المماثلة أو المنافسة. • حدد التنسيق. ربما ترغب في تنسيق دراسة حالة، أو تقرير موضوعي، أو تاريخ زمني، أو تحليل سياق الصناعة. • حدد مقاييس مهمة مثل تاريخ التمويل، وأنماط نمو الإيرادات، وتغييرات القيادة، واتجاهات التغطية الإعلامية، والدعاوى القضائية، أو أي شيء آخر يهمك. قد تكون البيانات نادرة للمؤسسات الخاصة التي تحتفظ بسجلات سرية، لذا اقرأ النتائج بتشكك. • نصيحة متقدمة: انسخ مقتطفات من تقارير البحث العميق إلى «كلاود Claude» لتحويلها إلى لوحات معلومات مرئية -بما في ذلك الرسوم البيانية والعناصر التفاعلية- باستخدام «Claude Artifacts» يمكنك مشاركة هذه المعلومات مع زملائك.

٢٠-٠٥-٢٠٢٥

آبل تعيد بناء سيري لتواكب الذكاء الاصطناعي

السوسنة- تسعى شركة آبل إلى تصحيح مسارها في مجال الذكاء الاصطناعي، بعد الإخفاقات التي صاحبت إطلاق مزاياها الأولى في هذا المجال خلال العام الماضي.ووفقًا لتقرير موسّع من وكالة بلومبرغ، تركّز جهود الشركة حاليًا على إعادة تصميم مساعدها الرقمي 'سيري' بالكامل، بإصدار جديد يعتمد على نماذج اللغة الكبيرة (LLM)، ويحمل داخليًا اسم 'سيري LLM'.وأشار التقرير إلى أن مشروع 'Apple Intelligence' واجه تحديات كبيرة، من أبرزها تردد كريج فيدريجي، رئيس قسم البرمجيات في آبل، في الاستثمار المبكر في تقنيات الذكاء الاصطناعي، إضافة إلى انطلاقة الشركة المتأخرة مقارنة بمنافسيها، حيث لم تبدأ آبل فعليًا تطوير المشروع إلا بعد إطلاق ChatGPT أواخر عام 2022. وأشارت بلومبرغ إلى أن جون جياناندريا، رئيس قسم الذكاء الاصطناعي في آبل، كان من المعارضين لفكرة المساعدات القائمة على الذكاء التوليدي، مؤكدًا لموظفيه أن المستخدمين غالبًا لا يرغبون في أدوات مثل ChatGPT، كما أن محاولات إدماج تقنيات الذكاء التوليدي في النسخة القديمة من سيري لم تُحقق النتائج المرجوة، وسط شكاوى من الموظفين بأن كل إصلاح تقني يتسبب بظهور مشكلات جديدة. ويبدو أن جياناندريا، الذي التحق بآبل قادمًا من جوجل عام 2018، لم يتمكن من التأثير في الدوائر القيادية للشركة، ولم يدافع بقوة للحصول على التمويل اللازم، بحسب التقرير. وقد اُستبعد جياناندريا من الإشراف على مشاريع سيري والروبوتات حديثًا، وسط حديث داخل الشركة عن توجه لوضعه على طريق التقاعد ، مع التخوف من مغادرة الفريق الذي جاء معه إلى آبل. وبهدف إنقاذ المشروع، تعمل آبل حاليًا على تطوير نسخة جديدة كليًا من سيري عبر فريق الذكاء الاصطناعي التابع لها في مدينة زيورخ، حيث تُبنى البنية الجديدة بالكامل على نموذج لغوي كبير لجعل المساعد أكثر قدرة على المحادثة، وفهم السياق، وتحليل المعلومات. وتسعى آبل إلى استخدام تقنيات تراعي الخصوصية، وتحسين جودة البيانات التي تُدرب بها نماذجها، من خلال مقارنتها محليًا مع رسائل البريد الإلكتروني للمستخدمين في أجهزة آيفون دون إرسال البيانات الأصلية إلى خوادمها. وتناقش الشركة أيضًا السماح لسيري الجديد بتصفح الإنترنت، وجمع البيانات من مصادر متعددة، مما يجعله أقرب إلى أدوات بحث ذكية مثل Perplexity، التي أشارت التقارير إلى أن آبل تدرس التعاون معها لإدماج مساعدها الذكي في سفاري. يُذكر أن آبل كانت قد بالغت في تسويق قدرات مزايا الذكاء الاصطناعي الخاصة بها Apple Intelligence عند إعلانها، خاصةً في ما يتعلق بتحسينات سيري، قبل أن تضطر لاحقًا إلى تأجيل إطلاق تلك المزايا. اقرأ المزيد عن: