انحراف الاستدلال في الذكاء الاصطناعي: كيف يتدهور النموذج بينما تعمل الخدمة؟

انحراف الاستدلال كمشكلة تشغيلية خفية

اشتعل نقاش على Reddit حول Claude: شكاوى من البطء، وتراجع جودة الكود، وفقدان الاتساق، وإجابات منقوصة، وحالات رفض غريبة. ومع ذلك، تعمل الخدمة رسميًا بشكل طبيعي — فالإجابات تصل، والاشتراك فعّال، والواجهة لا تتعطل. والانطباع السائد هو أن النموذج يستسلم أسرع، ويحتفظ بالسياق بشكل أضعف، ويقدّم حلولًا منقوصة بوتيرة متزايدة.

وقد تأكد هذا الانطباع بإشارة أكثر جدية: ظهرت على GitHub قضية (issue) مفصّلة حول Claude Code تصف تدهورًا في الجودة، وقد رُبطت هذه القضية بستيلا لورينزو، مديرة فريق الذكاء الاصطناعي في AMD. لكن السؤال الأساسي ليس ما إذا كان Claude قد تدهور فعلًا أم لا. السؤال الأساسي هو: هل توجد أي ضمانات تحمي المستخدمين عندما تعمل خدمة ذكاء اصطناعي تجارية رسميًا بينما تتراجع جودة نتائجها؟ وبالنسبة للشركات التي أدمجت الذكاء الاصطناعي في عمليات حساسة لأعمالها، يمثّل هذا تهديدًا حقيقيًا.

ثلاث ظواهر مختلفة تحت اسم واحد

عبارة «أصبح النموذج أضعف» تعكس الشعور جيدًا، لكنها لا تساعد كثيرًا على الفهم. وتختلط تحتها ثلاثة سيناريوهات على الأقل:

• تراجع حقيقي في جودة الحلول — أصبح النموذج فعليًا أقل قدرة على إنجاز المهام • تغيّر في صيغة الإجابة — يجيب النموذج بشكل أقصر أو أكثر جفافًا، بينما قد تبقى فعاليته كما هي • ارتفاع عدم القابلية للتنبؤ — يبقى المستوى المتوسط كما هو، لكن النتائج تتفاوت بشكل أكبر من طلب إلى آخر

ويتناول هذا المقال في المقام الأول السيناريو الأول — انحراف الاستدلال (reasoning drift): وهو وضع يصبح فيه النموذج، مع مرور الوقت، أقل قدرة على الحفاظ على مسار الحل، فينحرف عن الخطة، ويتوقف عن الالتزام بالشروط، ويفقد خيط الجلسة الطويلة، ويقدّم إجابات تبدو مقنعة لكنها لا تُنهي المهمة. ويظهر هذا بشكل خاص في المهام الطويلة متعددة الخطوات والتي تتطلب سياقًا كبيرًا.

وإلى جانب انحراف الاستدلال، توجد مشكلة أخرى قريبة في الشعور لكنها مختلفة في طبيعتها — انحراف السلامة (safety drift): فالنموذج هنا لا يستدل بشكل أضعف بالضرورة، بل يصبح أكثر حذرًا ويرفض حتى السيناريوهات المسموحة في الأصل. وهاتان حالتان مختلفتان، وإن كان من السهل على المستخدم الخلط بينهما.

كيف يبدو هذا في ظروف العمل الفعلية

من أكثر الأعراض إزعاجًا الإجابات المنقوصة: إجابة تبدو واضحة من الخارج، لكنها لا تحلّ المهمة المطروحة فعليًا:

• يقترح النموذج نهجًا، لكنه لا يُنهيه إلى نتيجة عملية • يجيب فقط عن جانب واحد من سؤال معقد • يبدأ بكتابة الكود، لكنه يتوقف قبل إتمام الدالة بكثير • ينسى خطته الخاصة بعد فترة، فيتجاوز خطوات أساسية

ويتحدث المستخدمون في نقاشات حقيقية عن حالات محددة: كود يتوقف في منتصف دالة، وتعديل بسيط على نموذج واجهة أمامية كان يستغرق دقائق قليلة سابقًا يتمدد إلى عشرين دقيقة. وقد يُنهي النموذج 2 من أصل 7 بنود في المهمة، أو يبدأ بالهلوسة. ومثال لافت: أنفق أحد المستخدمين أكثر من 50,000 رمز فقط لإعادة النموذج إلى الخطة المتفق عليها سابقًا.

وتكمن المشكلة في أن مقاييس المراقبة المعيارية (زمن الاستجابة، معدل الأعطال، التوافر) ترصد جيدًا تراجع الخدمة، لكنها لا تلاحظ بشكل جيد الحالة التي تعمل فيها الخدمة رسميًا بينما تتراجع جودة النتائج على المهام الحساسة.

المفارقة: ماذا تشتري فعليًا؟

إذا كنت أدفع للوصول إلى نموذج قوي، فيُفترض أن يبقى أداؤه ثابتًا. لكن هذا التوقع لا يتطابق مع واقع خدمات الذكاء الاصطناعي. فالاشتراك ليس وصولًا إلى إصدار ثابت من خوارزمية معينة. إنه وصول إلى خدمة خارجية تتغير فيها باستمرار:

• توزيع الحمل — كيف يوزّع النظام الطلبات بين الخوادم • الموارد المخصصة — كم من القدرة الحاسوبية تُخصص لمعالجة كل طلب • نظام التوجيهات (prompts) — أي بيانات وتعليمات تؤثر في استجابة النموذج قبل بدء الحوار • معالجة النصوص الطويلة — كيف يتعامل النظام مع الرسائل الطويلة • معاملات التوليد — تباين الإجابات («درجة الحرارة») ومستوى الجهد المبذول • الأداء تحت الضغط — هل تستطيع المنصة تحمّل موجات الطلب المرتفعة؟

وقد يكون النموذج نفسه من حيث الاسم نظامًا مختلفًا تمامًا من حيث السلوك الفعلي. وغالبًا لا يعرف المستخدم، ولا يمكنه أن يعرف، إن كان يحصل على التهيئة نفسها التي كانت متاحة له قبل أسبوع.

وهنا نقطة غير بديهية: قد يطلق المزود تحديثًا يحسّن النموذج لصالح الغالبية، ويخفّض التكلفة، ويجعل السلوك أكثر أمانًا — بينما يتسبب في تراجع الجودة على فئة ضيقة لكنها حاسمة من المهام بالنسبة لعميل معين. فالمزود يحسّن السرعة والتكلفة والسلامة ومتوسط الجودة في آن واحد. ومن الممكن تمامًا أن يترافق تحسّن في بعض المقاييس مع تراجع في فئة من المهام تهمك أنت بالتحديد. والمفارقة: قد لا يكون هناك تراجع عالمي في جودة النموذج، لكن الصورة بالنسبة لشركة معينة تبدو مختلفة تمامًا — إذ تنهار سير العملية.

لماذا هذا أكثر إيلامًا بالنسبة لقطاع B2B؟

بالنسبة للمستخدم الفردي، يُعدّ تراجع الأداء إزعاجًا مؤلمًا لا أكثر. أما بالنسبة للشركات التي أدمجت الذكاء الاصطناعي في عملها، فهذه مشكلة تشغيلية فعلية. السيناريو النموذجي: يعتمد محلل أو مطوّر بشكل منتظم على الذكاء الاصطناعي في مهام طويلة ومكلفة من حيث الوقت. وما دام النموذج يعمل بثبات، يستطيع التعامل مع الحمل. لكن إذا بدأت الجودة بالتراجع تدريجيًا، لا يزداد فقط عدد إعادة التشغيل، بل يزداد كذلك حجم المراجعة اليدوية والتصحيحات والعودة إلى خطوات متفق عليها سابقًا.

وتكمن المشكلة في أن هذا نادرًا ما يبدو كعطل واضح. فمن السهل تفسير التباطؤ بتعقيد المهمة، أو عدم وضوح المتطلبات، أو يوم سيّئ الحظ. وقد يظهر تدهور جودة الاستدلال، لا كعطل واضح، بل كزيادة خفية في تكاليف المشروع ومواعيده النهائية، على الرغم من أن الخدمة تعمل رسميًا بشكل طبيعي.

ماذا يضمن السوق، وماذا لا يضمن؟

أحسن مزودو الخدمة (OpenAI وAnthropic وGoogle) تنظيم:

• إجراءات إيقاف النماذج عن الاستخدام وإنهاء الدعم • تحديد الإصدارات واللقطات الحالية (snapshots) — تسمية واضحة للإصدارات واستخدام الأسماء المستعارة • وصف التغييرات في ملاحظات الإصدار ومراحل دورة الحياة • اتفاقيات مستوى الخدمة (SLA) التي تصف ضمانات التوافر • دعم المستخدمين ونصائح الترحيل

لكن لا توجد عمليًا أي قواعد لـ:

• ثبات الجودة في السيناريوهات الحساسة — لا توجد التزامات بشأن فئات مهام معينة خاصة بعميل ما • ثبات مستوى الاستدلال — لا توجد ضمانات بشأن سلاسل منطقية متعددة الخطوات • الإبلاغ عن تغييرات جوهرية في الجودة لا تُخالف واجهة البرمجة (API) • آليات إثبات التراجعات الخفية — كيف يمكن توثيق التدهور والتحقق منه • تعويض العملاء عندما تبقى الواجهة متاحة بينما تتراجع الفعالية

ومن أسباب غياب هذه المعايير أنه لا توجد مقاربة موحدة لقياس الجودة على مهام حقيقية، خصوصًا في المواضع التي تهم فيها الاستدلالات الطويلة واكتمال الإجابة والثبات. فالمزودون يوازنون بين الجودة والسرعة والتكلفة والسلامة. وهذا يعني للمستخدم شيئًا واحدًا: أنه محمي بشكل ضعيف من التراجع الخفي في الجودة.

وهناك إشارة غير مباشرة مهمة: وفقًا لمؤشر Stanford HAI Foundation Model Transparency Index لعام 2025، تتراجع الشفافية في صناعة الذكاء الاصطناعي. وهذا لا يتعلق مباشرة بتدهور الاستدلال، لكنه يفسّر لماذا لا ينبغي أن نتوقع شفافية في هذا الموضوع بالتحديد في الوقت الحالي.

الخلاصة: توجد حماية جزئية، لكنها تتطلب جهدًا كبيرًا من العميل نفسه — من خلال إدخال إجراءات مراقبة خاصة به، وتطوير بنيته التحتية، والتفاعل النشط مع المزود. فمن يعتمد على خدمة ذكاء اصطناعي خارجية دون شبكة أمان، يواجه خطر التعرض لتراجع خفي، لكنه حقيقي، في الأداء.