الدرس 6 — الملخّص والأسئلة الشائعة
الدروس الخمسة في صفحة واحدة
الدرس 1 — الصعوبة. اللغة غامضة على أربعة مستويات، وكثير من الجمل يحتاج معرفة بالعالم. ولهذا فشلت القواعد اليدوية ونجح تعلّم المعنى من السياق. والعربية تضيف الاشتقاق وغياب التشكيل والالتصاق وتعدّد اللهجات.
الدرس 2 — التقطيع. التقطيع بالكلمات يفجّر المفردات، وبالحروف يضاعف الطول بكلفة تربيعية، والوحدات الفرعية هي الحلّ السائد. وعدد الرموز يحدّد الكلفة وسعة السياق، والنصّ العربي أغلى بالرموز في نماذج كثيرة.
الدرس 3 — التمثيلات. المعنى يصبح موضعاً في فضاء، فيصبح التشابه الدلالي حساب مسافة. والعلاقات تظهر كإزاحات، وكذلك التحيّزات. والقفزة كانت من تمثيل ثابت لكلّ كلمة إلى تمثيل سياقي.
الدرس 4 — المهامّ. التصنيف والاستخراج والبحث الدلالي أكثرها قيمةً وموثوقية، والترجمة والتلخيص الاستخلاصي والإجابة المستندة إلى استرجاع مفيدة مع مراجعة، والتوليد الحرّ والاستدلال هشّان.
الدرس 5 — الحدود. الهلوسة خاصّية لا خلل، والتحيّز موروث، واللغات قليلة الموارد تدفع ثمناً مزدوجاً، والكلفة تُحلّ بالطبقات لا بجودة النموذج.
معجم المصطلحات
| المصطلح | معناه ببساطة |
|---|---|
| الرمز (token) | وحدة نصّية يعالجها النموذج |
| التقطيع | تحويل النصّ إلى رموز |
| BPE | خوارزمية تقطيع إلى وحدات فرعية |
| المفردات (vocabulary) | مجموعة الرموز التي يعرفها النموذج |
| التمثيل المتّجه | متّجه يمثّل معنى رمز أو جملة |
| التشابه الجيبي | مقياس تقارب متّجهين في الاتّجاه |
| التمثيل السياقي | متّجه يُحسب بحسب الجملة لا من قاموس |
| NER | التعرّف على الكيانات المسمّاة |
| التلخيص الاستخلاصي | اختيار جمل من الأصل |
| التلخيص التوليدي | إنتاج نصّ جديد، قابل للاختلاق |
| البحث الدلالي | بحث بالمعنى لا بمطابقة الكلمات |
| RAG | استرجاع مستندات ثم توليد جواب منها |
| الهلوسة | مخرج سلس وواثق وخاطئ |
| كلمات الوقف | كلمات وظيفية صغيرة، لا تُحذف مع النماذج الحديثة |
12 سؤالاً يطرحها الناس فعلاً
1. هل أستخدم نموذجاً لغوياً كبيراً لتصنيف النصوص؟
للتجربة السريعة نعم، وللإنتاج بحجم كبير لا. نموذج صغير مصقول على بياناتك أرخص بمراتب وأسرع وأدقّ في الغالب. والنمط العملي الجيّد: استخدم النموذج الكبير لوسم بيانات أوّلية، ثمّ درّب نموذجك الخفيف عليها.
2. كم مثالاً موسوماً أحتاج لمصنّف نصوص؟
بالصقل على نموذج مدرَّب مسبقاً: من 100 إلى 500 مثال لكلّ فئة يعطي نتيجة مفيدة عادةً، وبضعة آلاف تعطي نتيجة جيّدة. والأهمّ اتّساق الوسم: فئتان متداخلتان في التعريف تفسدان النموذج أكثر من نقص الأمثلة.
3. هل ما زلت أحتاج إلى حذف كلمات الوقف والتجذيع؟
لا مع النماذج الحديثة، وهذا يضرّ. هذه ممارسات لازمة في المقاربات القائمة على تكرار الكلمات. استخدم مقطّع النموذج نفسه، ولا تسبقه بمعالجة تقليدية.
4. بحث دلالي أو بحث بالكلمات المفتاحية؟
الاثنان معاً في الغالب. البحث الحرفي ممتاز للأسماء والأرقام والرموز الدقيقة، والدلالي ممتاز للصياغات المختلفة عن المعنى نفسه. والنظم الجيّدة تدمج النتيجتين وترتّبها.
5. ما جودة النماذج للعربية؟
جيّدة جدّاً في التصنيف والاستخراج، وجيّدة في الترجمة والتلخيص، وأضعف في اللهجات وفي التوليد الطويل مقارنةً بالإنجليزية. والفارق سببه حجم النصوص في التدريب لا صعوبة اللغة، وهو يتقلّص بوضوح.
6. هل أوحّد الحروف وأحذف التشكيل؟
توحيد «أ/إ/آ» و«ى/ي» شائع ومفيد في البحث والمطابقة، ويفقد فروقاً قليلة. أمّا مع نموذج مدرَّب مسبقاً، فالأفضل مطابقة المعالجة التي استُخدمت في تدريبه؛ التوثيق يذكرها عادةً.
7. كيف أقلّل الهلوسة؟
بأربعة إجراءات: الاسترجاع من مستندات حقيق ية، وإلزام النموذج بالاستشهاد بمقتطف، وتضييق المجال، والتحقّق البشري في الحالات المكلفة. ولا يصل أيّ من ذلك إلى صفر.
8. كيف أعالج نصوصاً بلغات مختلطة؟
النماذج متعدّدة اللغات تتعامل مع ذلك بشكل مقبول، خصوصاً في التصنيف. ومع الخلط الكثيف بين العربية والإنجليزية في الجملة نفسها، الاختبار على بياناتك الحقيقية ضروري: النتائج المعلَنة على متون نظيفة لا تتحقّق هنا.
9. ما الفرق بين BERT ونموذج توليدي؟
BERT مصمَّم للفهم: ينتج تمثيلات تُستخدم في التصنيف والاستخراج، ويقرأ الجملة كاملةً في الاتّجاهين. والنموذج التوليدي مصمَّم لإنتاج نصّ يتوقّع الرمز التالي. للتصنيف، الأول أخفّ وأنسب؛ وللتوليد، الثاني.
10. كيف أقيس جودة نظام تلخيص؟
بمزيج: مقياس آلي للمتابعة، وتقييم بشري على عيّنة بمعايير واضحة (الأمانة للمصدر، التغطية، الإيجاز)، وفحص خاصّ للاختلاق. والمقياس الآلي وحده يعاقب الصياغة الجيّدة ولا يكشف المعلومة المختلَقة.
11. هل أستطيع تشغيل نموذج داخل مؤسّستي؟
نعم. النماذج مفتوحة الأوزان تُنزَّل وتعمل على عتادك، وهذا الخيار الصحيح إذا كانت البيانات حسّاسة. والثمن عبء تشغيلي: عتاد، وتحديثات، ومراقبة.
12. إلى أين أذهب بعد هذه الدورة؟
إلى النماذج اللغوية الكبيرة لمتابعة القصّة، أو الذكاء الاصطناعي التوليدي للتوليد بالتفصيل، أو أخلاقيات الذكاء الاصطناعي للتحيّز والخصوصية.
الكتالوج المدفوع يعطيك معالجة اللغة عملياً: تصنيف، استخراج، بحث دلالي، صقل نماذج، مع شهادة قابلة للتحقّق بعد اختبار من 40 سؤالاً. مشمول في كلّ الخطط المدفوعة.
الخطوة الأخيرة — اجتز الاختبار واكتشف شهادتك ←