أندريه كارباثي يختصر GPT في 243 سطرًا من بايثون الخالص

ثمة نوع خاص من البرمجة أقرب إلى الشعر منه إلى الهندسة. فيه تُختزل منظومة بالغة التعقيد إلى جوهرها المطلق، ويُحذف كل ما هو زائد حتى لا يبقى سوى الرياضيات الخالصة والمنطق. هذا بالضبط ما فعله أندريه كارباثي، أحد مؤسسي OpenAI والرئيس السابق لقسم الذكاء الاصطناعي في Tesla، حين نشر في فبراير 2026 مشروع microGPT، وهو تنفيذ كامل لبنية المحوّل يتدرب ويولّد النصوص في 243 سطرًا من بايثون الخالص.

ولتقدير حجم هذا الإنجاز، لا بد من فهم السياق. النماذج اللغوية الحديثة مثل GPT-4 أو Claude تضم عشرات المليارات من المعاملات، وتحتاج إلى آلاف وحدات GPU وأشهر من التدريب، وتقوم على قواعد شيفرة يعمل عليها مئات المهندسين. وسط هذه القوة الصناعية، يسهل نسيان أن الأساس تركيب رياضي أنيق نسبيًا، وصفته الورقة الشهيرة «Attention Is All You Need» عام 2017. أخذ كارباثي هذا التركيب وبيّن أنه يتسع بالكامل في بضع شاشات من الشيفرة، دون PyTorch ودون NumPy ودون أي مكتبة خارجية.

يطبّق microGPT المكونات الأساسية كلها في بنية المحوّل: التقطيع إلى رموز (tokenization)، والترميز الموضعي، وآلية الانتباه الذاتي (self-attention)، والانتشار الأمامي عبر الطبقات كاملة الاتصال، والتطبيع، والانتشار العكسي للأخطاء لأغراض التدريب. وتُنفَّذ كل عملية رياضية يدويًا: ضرب المصفوفات، ودالة softmax، ودوال التنشيط. وهذا يعني أن أي شخص يملك فهمًا أساسيًا للجبر الخطي وبايثون يستطيع فتح هذا الملف وتتبع المسار كاملًا من النص المُدخَل إلى الرمز المُولَّد، دون أن يصطدم بطبقات التجريد التي تفرضها الأطر البرمجية.

يسمّي كارباثي microGPT بتواضع «مشروعًا فنيًا»، وفي هذا الوصف دقة أكبر مما قد يبدو. فالمشروع ليس أداة للاستخدام العملي؛ والنموذج المدرَّب بهذه الطريقة لن يجري حوارات ذات معنى ولن يحل محل ChatGPT. كما أن أداء بايثون الخالص دون مكتبات محسّنة أدنى بعدة مراتب من الأطر المتخصصة. لكن قيمة المشروع تكمن في مجال مختلف تمامًا. إنه تبسيط يزيل الغموض عن تقنية ترسم ملامح العالم المعاصر.

هذا النهج ليس جديدًا على كارباثي. فقد رسّخ مكانته منذ زمن بوصفه من أفضل من نشروا مفاهيم التعلم العميق للجمهور. وأصبح مساقه عن الشبكات العصبية في جامعة ستانفورد مرجعًا كلاسيكيًا، وساعدت سلسلة فيديوهاته «Neural Networks: Zero to Hero» على YouTube عشرات الآلاف من الناس على فهم الأساسيات. ويواصل microGPT هذا الخط لكنه يرفع السقف: فبعد أن كان كارباثي يشرح البنى باستخدام PyTorch، أزال الآن آخر طبقة من التجريد. لم يعد يفصل القارئ عن رياضيات المحوّل أي شيء.

وتتجاوز تبعات هذه الخطوة حدود التعليم. فصناعة الذكاء الاصطناعي تمر بلحظة متناقضة: التقنية تزداد تأثيرًا وتزداد في الوقت نفسه غموضًا. الشركات تُغلق نماذجها، وتنشر تفاصيل تقنية أقل فأقل، والفجوة بين من يصنعون الذكاء الاصطناعي ومن يستخدمونه تتسع. وفي هذا السياق تؤدي مشاريع مثل microGPT وظيفة بالغة الأهمية، إذ تعيد الفهم الأساسي للتقنية إلى المجال العام. وحين يريد سياسي أو صحفي أو مهندس فضولي من مجال قريب أن يفهم ما هو GPT حقًا، تقدّم 243 سطرًا من الشيفرة جوابًا أصدق من أي وثيقة تسويقية.

وثمة جانب عملي أيضًا. فبالنسبة إلى الباحثين المبتدئين والطلاب، يمثّل microGPT بيئة تجريب مثالية. يمكن تعديل آلية الانتباه ومراقبة ما سيحدث. ويمكن تغيير دالة التنشيط، وتجربة أحجام مختلفة لنافذة السياق، وإضافة نسختك الخاصة من الترميز الموضعي. وحين تكون الشيفرة كلها أمام العين وكل سطر منها مفهومًا، يتحول التجريب من سحر أسود إلى منهج علمي.

وفي المحصلة، يذكّرنا microGPT بأن وراء التقييمات التي تبلغ تريليونات لشركات الذكاء الاصطناعي، وراء الحديث عن الذكاء الفائق الاصطناعي، رياضيات يمكن أن تتسع في بضع صفحات. فالحجم والقدرة الحاسوبية يحوّلان هذه الرياضيات إلى شيء مذهل، لكن جوهرها يظل في المتناول فهمًا. وما دام هناك أمثال كارباثي ممن يكرّسون وقتهم لجعل المعقّد بسيطًا، فأمام الصناعة فرصة لتبقى قوية وشفافة معًا.