أنظمة التوصيات: لماذا ستتوقف الخوارزميات عن الاختيار وتبدأ في الخلق قريباً

تذكّر تلك اللحظة عندما قضيت نصف ساعة في التمرير عبر Netflix وانتهى بك الحال بالذهاب للنوم دون اختيار أي شيء. المشكلة ليست أن الأفلام قليلة. المشكلة تكمن في منطق عمل الخدمات الحديثة نفسها.

اليوم، أي نظام توصيات هو ببساطة أمين مكتبة سريع جداً ومُلحّ. يعرف ما يوجد على الرفوف ويحاول تخمين أي كتاب ستحبه. لكن ماذا إذا كان الكتاب الذي تحتاجه ببساطة غير موجود على الرف؟ يعتقد الباحثون من جامعة هوازونغ للعلوم والتكنولوجيا أن الوقت قد حان لإحالة أمين المكتبة للتقاعد وتعيين كاتب بدلاً منه.

في مراجعتهم الحديثة، أعلن العلماء الصينيون الانتقال من النموذج القديم "لاختيار المحتوى" إلى نموذج جديد — "توليد المحتوى". هذا ليس مجرد إصلاح تجميلي للخوارزميات، بل تحول جذري. النماذج التمييزية التقليدية (Discriminative RS) دائماً ما تكون محدودة بالكتالوج الموجود.

تقيّم احتمالية النقر على شيء تم إنشاؤه بالفعل من قبل شخص آخر. أنظمة التوصيات التوليدية (GenRS) تغيّر قواعد اللعبة: فهي تستخدم قوة نماذج اللغة الكبيرة (LLM) والشبكات العصبية متعددة الأنماط لإنشاء استجابات مخصصة أو حتى محتوى نفسه في لحظة الطلب. لماذا هذا مهم الآن؟ وصلنا إلى سقف التعلم الآلي الكلاسيكي.

في السابق كنا سعداء بأن الخوارزمية تأخذ في الاعتبار إعجاباتنا. ثم أضفنا تحليل الصور والنصوص. لكن مشكلة "البداية الباردة"، عندما لا توجد بيانات ببساطة لمستخدم جديد أو منتج جديد، لم تختفِ.

النماذج التوليدية تحل هذا بأناقة. لا تحتاج للانتظار لسجل النقرات، فهي تفهم السياق والدلالة. إذا رأى النظام أنك تبحث عن "مساء مريح بأسلوب سايبربانك"، فلن يبحث عن علامات مشابهة، بل سيركّب وصفاً، ويختار محتوى بصرياً وبالتالي سينشئ تدفق فيديو يطابق طلبك تماماً.

يُظهر تحليل الباحثين أن GenRS ليس فقط عن النصوص. إنها تتعلق بالتكامل العميق للأنماط. تخيّل سوقاً تجارية لا تعرض لك عشر قمصان متشابهة، بل تُنتج صورة للنموذج المثالي على شكل جسدك في الوقت الفعلي، مع الأخذ في الاعتبار تفضيلات أسلوبك والاتجاهات الحالية.

هذا يحول الاستهلاك من بحث إلى عملية تعاون خلّاق مع الخوارزمية. شركات مثل بايتدانس تنظر بالفعل بنشاط في هذا الاتجاه، مدركة أن التيار اللامنتهي سيصبح أكثر إدماناً إذا تم إنشاء المحتوى فيه شخصياً لكل مشاهد. بالطبع، تبقى أسئلة حول الأخلاقيات وهلوسات الذكاء الاصطناعي.

إذا بدأت الشبكة العصبية في توليد توصيات "من العدم"، كيف يمكنك التحقق من صحتها؟ لكن العلماء من ووهان لا يخافون من هذا. يُسلّطون الضوء على ثلاث مراحل رئيسية لتنفيذ GenRS: من استخدام LLM كمساعدين في الترتيب إلى الاستقلالية الكاملة، حيث يقرر الذكاء الاصطناعي بنفسه ما يجب إنشاؤه وكيفية تقديمه. نحن في بداية نهاية عصر "الكتالوجات".

مستقبل الإنترنت ليس مستودعاً من الملفات الجاهزة، بل تدفقاً لا نهائياً من التوليد، يتكيف مع كل حركة عينيك. الخلاصة: أنظمة التوصيات تتحول من مرشحات إلى مصانع محتوى. استعد لحقيقة أنه قريباً كل طلب تقدمه سيولّد منتجاً رقمياً فريداً لم يكن موجوداً من قبل.