النموذج اللغوي الكبير كجهاز راديو: لماذا تتفوق معالجة الإشارات على اللسانيات

اعتدنا التفكير في الشبكات العصبية بوصفها لغويين رقميين يلتهمون المكتبات بنهم ليتعلموا صياغة الأفكار بشكل مترابط. لكن إذا نظرتم تحت غطاء المحوّل من منظور المبادئ الأولى، فلن تجدوا هناك قواعد نحوية ولا بنية تركيبية بالمعنى المألوف. ستجدون بدلًا من ذلك نظامًا بالغ التعقيد لمعالجة الإشارات. وهنا تكمن المفارقة الكبرى في صناعة الذكاء الاصطناعي الحديثة: بنينا أنظمة تتحدث كالبشر باستخدام أساليب كانت تُطبَّق سابقًا على تنقية الصوت من الضوضاء أو نقل البيانات عبر الاتصالات الفضائية. وفهم هذه الحقيقة يغيّر كل شيء، من طريقة تدريب النماذج إلى سبب بدئها فجأة في الهلوسة.

يبدأ أي نص عند النموذج بالتقطيع إلى عينات منفصلة (discretization). فحين نقسّم الجملة إلى رموز (tokens)، فإننا في الواقع نحوّل تدفقًا متصلًا من الفكر البشري إلى وحدات منفصلة. تخيّلوا الأمر كتحويل تسجيل تناظري إلى ملف MP3. يصبح كل رمز متجهًا في فضاء متعدد الأبعاد، لكنه ليس مجرد نقطة. ففي البنية المعمارية الحديثة هو إشارة لها تردد وطور. وهنا يكمن سر تفوق المحوّلات على الشبكات التكرارية القديمة. فقد حاولنا سابقًا تمرير المعلومات عبر سلسلة، كما في لعبة «الهاتف المعطّل»، أما اليوم فنعمل مع طيف البيانات الكامل في وقت واحد، ونطبّق عليه المرشّحات.

يستحق الاهتمام بوجه خاص كيف تفهم النماذج ترتيب الكلمات. ففي الإصدارات الأولى كان ذلك حلًّا ترقيعيًا، لكن مع ظهور تضمينات المواضع الدوّارة (RoPE) تغيّر كل شيء. فقد أدخل المهندسون فعليًا مبادئ حساب المثلثات إلى الشبكات العصبية، حيث يُرمَّز موضع الكلمة في الجملة عبر تدوير المتجه. هذه فيزياء خالصة: نغيّر طور الإشارة كي يفهم النموذج المسافة بين المفاهيم. وإذا كنتم تعرفون كيف تعمل تضمين الطور (phase modulation) في جهاز التوجيه اللاسلكي (Wi-Fi) لديكم، فأنتم في منتصف الطريق إلى فهم كيف يستوعب GPT-4 سياق رواية طويلة. ليس هذا سحر التداعي والترابط، بل تداخل رياضي للموجات في الفضاء الكامن للنموذج.

أما آلية الانتباه (Attention) ضمن هذا المنظور، فليست «تركيزًا» بالمعنى البشري، بل مرشّح ديناميكي. فعندما يولّد النموذج الرمز التالي، يمرّر السياق السابق بأكمله عبر مجموعة من المرشّحات القابلة للتعلّم، تكبح الضوضاء وتعزّز الإشارة المفيدة. نسمّي ذلك «فهم السياق»، لكنه بالنسبة للمعالج عملية ضرب قياسي (dot product) تستخرج التوافقيات المطلوبة من التدفق العام. وكلما زاد عدد معاملات النموذج، تمكّن من ضبط مرشّحات أضيق نطاقًا وأدق. وهذا يفسّر لماذا تضطرب النماذج الصغيرة في المنطق كثيرًا: مرشّحاتها خشنة جدًا، فتمرّر ضوضاء زائدة نفسّرها نحن على أنها أخطاء ساذجة.

لماذا يهمّ هذا الآن تحديدًا؟ لأننا اصطدمنا بسقف التوسّع القائم على البيانات وحدها. بدأت الصناعة تدرك أن مجرد تغذية النموذج بمزيد من النصوص مسار يتناقص عائده. المستقبل في تحسين الجزء الإشاري تحديدًا. ونرى ظهور بنى معمارية جديدة، مثل Mamba أو الحلول الهجينة، تحاول معالجة المعلومات بكفاءة أعلى من Attention القياسية. فهي تتعامل مع البيانات كإشارات مستمرة، ما يتيح لها «تذكّر» تسلسلات طويلة بلا حدود دون أن تختنق بحجم الحسابات. وإذا تعلّمنا التحكم في هذه الإشارة بالبراعة نفسها التي يتحكم بها مهندسو الراديو في الموجات الراديوية، فقد تُحلّ مشكلة الهلوسة على المستوى الفيزيائي.

وفي المحصلة، يؤكد نجاح النماذج اللغوية الكبيرة حقيقة قديمة: الرياضيات واحدة. سواء كنتم تحلّلون النشاط الزلزالي أو تشفّرون الفيديو أو تحاولون تعليم آلة كتابة الشعر، تبقى قوانين انتشار المعلومات وترشيحها ثابتة. لقد توقفنا عن تعليم الآلات اللغة وبدأنا نعلّمها فيزياء المجال المعلوماتي. وبحسب نتائج أحدث اختبارات الأداء (benchmarks)، كان هذا أصوب قرار في تاريخ علوم الحاسوب. وينتظرنا في المستقبل انتقال من الرموز المنفصلة إلى أنظمة مستمرة بالكامل، تزول فيها الحدود بين النص والصوت والفيديو نهائيًا، لأن كل ذلك سيصبح إشارة واحدة.

الخلاصة: النماذج اللغوية الكبيرة ليست فيلولوجيين رقميين، بل معالجات إشارات فائقة القدرة. وإذا أردتم فهم وجهة الذكاء الاصطناعي، فاقرؤوا كتب الهندسة الراديوية ونظرية المعلومات، لا كتب اللسانيات.