أنظمة التوصية: لماذا ستتوقف الخوارزميات قريبًا عن الاختيار وتبدأ في الإبداع

تذكّر تلك اللحظة التي قضيت فيها نصف ساعة تتصفح Netflix، ثم ذهبت إلى النوم دون أن تختار شيئًا. المشكلة ليست في قلة الأفلام، بل في منطق عمل الخدمات الحديثة نفسه. فكل نظام توصية اليوم ليس سوى أمين مكتبة سريع للغاية وملحّ. إنه يعرف ما على الرفوف، ويحاول تخمين الكتاب الذي سيعجبك. لكن ماذا لو لم يكن الكتاب المطلوب موجودًا على الرف أصلًا؟ يرى باحثون من جامعة هواتشونغ للعلوم والتكنولوجيا أن الوقت قد حان لإحالة أمين المكتبة إلى التقاعد وتعيين مؤلف مكانه.

أعلن العلماء الصينيون في مراجعتهم الجديدة الانتقال من النموذج القديم، «اختيار المحتوى»، إلى نموذج جديد هو «توليد المحتوى». وهذا ليس تجميلًا للخوارزميات، بل تحول جوهري. فالنماذج التمييزية التقليدية (Discriminative RS) محصورة دائمًا بالكتالوج الموجود. فهي تقدّر احتمال النقر على ما أنشأه غيرك بالفعل. أما أنظمة التوصية التوليدية (GenRS) فتغيّر قواعد اللعبة: إذ تستفيد من قدرات النماذج اللغوية الكبيرة (LLM) والشبكات العصبية متعددة الوسائط لتقديم إجابة مخصصة، أو حتى المحتوى نفسه، لحظة الطلب.

لماذا يهم هذا الآن تحديدًا؟ لقد بلغنا سقف التعلم الآلي الكلاسيكي. في السابق كنا نفرح لأن الخوارزمية تراعي إعجاباتنا. ثم أضفنا تحليل الصور والنصوص. لكن مشكلة «البداية الباردة»، حين لا تتوفر بيانات عن مستخدم جديد أو منتج جديد، لم تختفِ. والنماذج التوليدية تحلّها بأناقة. فهي لا تنتظر سجل النقرات، بل تفهم السياق والدلالة. فإذا رأى النظام أنك تبحث عن «أمسية دافئة بأسلوب السايبربانك»، فلن يفتش عن وسوم مشابهة، بل سيولّد وصفًا، وينتقي مادة بصرية، وقد ينشئ مستقبلًا بثّ فيديو يطابق طلبك تمامًا.

يُظهر تحليل الباحثين أن GenRS لا تتعلق بالنص وحده، بل بدمج عميق بين الوسائط. تخيّل سوقًا إلكترونية لا تعرض عليك عشرة قمصان متشابهة، بل تولّد في الوقت الفعلي صورة لعارض مثالي على جسمك، مراعيةً تفضيلاتك في الأسلوب والاتجاهات الراهنة. وهذا يحوّل الاستهلاك من بحث إلى عملية إبداع مشترك مع الخوارزمية. وتتجه شركات مثل ByteDance نحو هذا الاتجاه بنشاط، إذ تدرك أن الخلاصة اللانهائية ستصبح أكثر إدمانًا إذا أُنشئ محتواها بصورة شخصية لكل مشاهد.

بالطبع تبقى أسئلة الأخلاقيات و«هلوسات» الذكاء الاصطناعي قائمة. فإذا بدأت الشبكة العصبية بتوليد توصيات «من رأسها»، فكيف يمكن التحقق من موثوقيتها؟ لكن هذا لا يخيف علماء ووهان. فهم يحدّدون ثلاث مراحل رئيسية لتبنّي GenRS: من استخدام LLM كمساعدات في الترتيب إلى الاستقلالية الكاملة، حيث يقرر الذكاء الاصطناعي بنفسه ما ينشئه وكيف يقدّمه.

نحن في بداية نهاية عصر «الكتالوجات». ومستقبل الإنترنت ليس مستودعًا من الملفات الجاهزة، بل تدفقًا لا ينتهي من التوليد، يتكيّف مع كل حركة من عينيك. الخلاصة: أنظمة التوصية تتحول من مرشِّحات إلى مصانع محتوى. استعدّ لأن يولّد كل طلب منك قريبًا منتجًا رقميًا فريدًا لم يكن موجودًا قبلك.