TI-DPO: منهج جديد لمواءمة الذكاء الاصطناعي عبر تقييم أهمية الرموز

# TI-DPO: كيف نجعل الذكاء الاصطناعي ينصت بانتباه أكبر

في مؤتمر ICLR 2026 قدّم باحثون منهجًا أعاد النظر في طريقة مواءمة النماذج اللغوية الكبيرة. ويعالج TI-DPO (Token Importance Direct Preference Optimization) مشكلة قديمة في التعلم الآلي: فالنظام ينظر إلى الإجابة ككل ويغفل تفاصيل مهمة. تخيّلوا معلّمًا يصحّح اختبارًا فيضع درجة واحدة على الورقة كاملة، بدل أن ينتبه إلى الأخطاء المحددة في المواضع الجوهرية. هذا بالضبط ما كان يحدث مع طريقة DPO التقليدية، ويغيّر النهج الجديد هذا المنطق من أساسه.

قبل شرح آلية عمل TI-DPO، من المفيد فهم ما هو DPO ولماذا نحتاج إليه أصلًا. Direct Preference Optimization خوارزمية تساعد النماذج على التعلم من أمثلة التفضيلات البشرية. فبدل أن نقول للنموذج ببساطة «هذا جيد وهذا سيئ»، يعرض DPO أزواجًا من الإجابات: إحداهما أفضل والأخرى أسوأ. ومع الوقت يبدأ النموذج بمحاكاة تفضيلات البشر. الأمر أشبه بتعليم موسيقي عبر الإصغاء إلى النغمات الأصح في سياق معيّن. لكن هناك عيبًا: يقيّم DPO الإجابة بوزن متساوٍ في جميع المواضع. فإذا أخطأت الشبكة العصبية في بداية الجملة فهذا سيئ، وإذا أخطأت في نهايتها فهذا سيئ أيضًا. أما من منظور الفهم البشري، فالخطأ في الجزء المحوري من النص أخطر بكثير.

يُدخل TI-DPO مفهوم أهمية كل رمز (token)، وهو وحدة النص التي يعالجها النموذج. تحلل الخوارزمية الأجزاء التي تُعدّ حاسمة فعلًا للفهم الصحيح. فالرموز الواقعة في بداية الطرح المنطقي، وفي أسماء الكيانات، وفي الأرقام المفصلية تحصل على وزن أكبر أثناء التدريب. أما الكلمات البسيطة مثل «و» و«أو» و«مع» فوزنها أقل. وهذا يتيح للنموذج تركيز جهده على الأهم. ومن الناحية التقنية يتحقق ذلك عبر الترجيح الديناميكي: يُسند النظام معاملًا لكل رمز بناءً على تحليل السياق ومدى صلته بحل المهمة. وحين يخطئ النموذج في موضع مهم، تكون العقوبة على هذا الخطأ أشد منها على خطأ في موضع أقل أهمية.

تُظهر نتائج الدراسة تقدمًا ملموسًا. فالنماذج المدرَّبة باستخدام TI-DPO تُظهر تحسنًا في عدة مقاييس رئيسية، من منطقية الاستدلال إلى دقة المعلومات الواقعية والأمان. ولا تصبح الإجابات أكثر صحة فحسب، بل أفضل تنظيمًا أيضًا. ويفهم النظام بصورة أفضل أين يركّز لتلبية التوقعات البشرية. ويكتسب ذلك أهمية خاصة في المهام التي قد يفسد فيها خطأ واحد في موضع حاسم الإجابة بأكملها، كالاستشارات الطبية والنصائح القانونية والشروحات العلمية.

بالنسبة إلى القطاع، يمثّل ذلك خطوة طبيعية تالية في تطور أساليب مواءمة الذكاء الاصطناعي. فإذا كان DPO خطوة إلى الأمام مقارنة بـ RLHF، فإن TI-DPO يقدّم أداة أدق. وتجرّب الشركات المطوّرة للنماذج اللغوية الكبيرة نهجًا مماثلة بالفعل، لكن اعتماد المنهج في ICLR يمنحه شرعية في الوسط العلمي ويسرّع تبنّيه. كما يفتح ذلك اتجاهات بحثية جديدة: كيف نحدد أهمية الرموز تحديدًا صحيحًا؟ وكيف نكيّف المنهج مع أنواع مختلفة من المهام؟ وأي الخصائص البنيوية للنص ترتبط أكثر بالتفضيلات البشرية؟

يتواصل تحوّل مقاربة مواءمة الذكاء الاصطناعي. ويبيّن TI-DPO أن الشيطان يكمن في التفاصيل، حرفيًا. فحين يبدأ النظام بالنظر لا إلى النتيجة فحسب، بل إلى جودة كل خطوة تؤدي إليها، يصبح أذكى وأكثر موثوقية وفائدة. وهذه ليست ثورة بل تطور تدريجي، يجعل الذكاء الاصطناعي أداة يمكن للناس أن يثقوا بها حقًا.