المعامِلات
Parameters
يُسمّى أيضًا: المعلمات، أوزان النموذج، الباراميترات
المعامِلات هي الأرقام الداخلية التي يخزّن فيها نموذج الذكاء الاصطناعي كل ما تعلّمه أثناء تدريبه، وكلما زاد عددها زادت قدرة النموذج غالبًا.
تخيّل نموذج الذكاء الاصطناعي جهازًا ضخمًا فيه ملايين المفاتيح والأزرار الدقيقة. كل مفتاح مضبوط على قيمة رقمية معينة. هذه القيم هي المعامِلات. النموذج لا يحفظ النصوص التي تدرّب عليها كما هي، بل يحوّل ما تعلّمه منها إلى أرقام موزّعة على هذه المفاتيح. حين تسأله سؤالًا، تمرّ كلماتك عبر هذه الأرقام لتنتج الإجابة.
كيف تتحدد قيم المعامِلات؟ أثناء التدريب، يقرأ النموذج كميات هائلة من النصوص، ويحاول التنبؤ بالكلمة التالية في كل جملة. كلما أخطأ، عدّل قيم معامِلاته قليلًا ليقترب من الصواب. تتكرر هذه العملية مليارات المرات حتى تستقر الأرقام على قيم تجعل توقعاته دقيقة. لهذا تُسمى المعامِلات أحيانًا الأوزان، لأن كل واحدة منها تحدد وزن معلومة معينة داخل الشبكة العصبية (بنية حسابية مستوحاة من طريقة اتصال خلايا الدماغ).
يظهر المصطلح في حياتك في مواضع واضحة:
- حين تقرأ أن نموذجًا يحتوي على 7 مليارات أو 70 مليار معامِل، فهذا مقياس تقريبي لحجمه وقدرته. نموذج GPT-3 من "OpenAI" مثلًا احتوى على 175 مليار معامِل.
- حين تسمع عن الضبط الدقيق (إعادة تدريب نموذج جاهز على بيانات متخصصة)، فالمقصود تعديل بعض هذه المعامِلات لتناسب مجالًا معينًا كالطب أو القانون.
- حين تلاحظ أن نموذجًا صغيرًا يعمل على هاتفك بينما آخر يحتاج خوادم ضخمة، فالفرق الأساسي هو عدد المعامِلات.
نقطة مهمة: عدد المعامِلات ليس المقياس الوحيد للجودة. جودة بيانات التدريب وطريقته تلعبان دورًا كبيرًا، ولهذا تتفوق أحيانًا نماذج صغيرة مدرَّبة جيدًا على نماذج أكبر منها.
✓ استخدام صحيح
صاحب متجر إلكتروني سعودي يقارن بين نموذجين لبناء روبوت دردشة لخدمة العملاء: نموذج بـ 8 مليارات معامِل يعمل على خادم رخيص، ونموذج بـ 70 مليارًا أدق لكنه أغلى تشغيلًا.
لماذا: استخدام صحيح لأن عدد المعامِلات هنا يُوظَّف كمؤشر تقريبي على القدرة والتكلفة معًا، وهذا بالضبط دوره العملي عند اتخاذ قرار تقني.
عيادة أسنان في عمّان تطلب من شركة تقنية عمل ضبط دقيق لنموذج مفتوح المصدر على مصطلحاتها الطبية، أي تعديل جزء من معامِلاته ليفهم لغة العيادة.
لماذا: مثال صحيح لأنه يوضح أن الضبط الدقيق هو في جوهره تعديل قيم المعامِلات، لا إضافة معلومات خارجية للنموذج وقت السؤال.
✕ خطأ شائع
موظف يقول: النموذج حفظ كل كتب الإنترنت داخل معامِلاته، لذا أستطيع أن أطلب منه استرجاع أي مقال بنصه الحرفي.
الصواب: خطأ شائع. المعامِلات تخزّن أنماطًا إحصائية عامة، لا نسخًا حرفية من النصوص. لهذا قد يخترع النموذج تفاصيل غير موجودة، وهي ظاهرة الهلوسة. الصواب: النموذج تعلّم من النصوص لكنه لا يحفظها كأرشيف.
طالب يظن أن كتابة برومبت أطول وأدق تزيد عدد معامِلات النموذج وتجعله أذكى.
الصواب: خلط بين شيئين مختلفين. المعامِلات ثابتة بعد التدريب ولا تتغير مهما كتبت في البرومبت. ما يتغير هو المدخلات التي تمر عبرها. تحسين البرومبت يحسّن الإجابة، لكنه لا يلمس المعامِلات إطلاقًا.
كيف تميّزه بسرعة
أكثر التباس شائع هو الخلط بين المعامِلات وإعدادات الاستخدام مثل درجة الحرارة أو طول الإجابة. الإعدادات أزرار تتحكم بها أنت في كل محادثة، أما المعامِلات فأرقام داخلية بالمليارات تحددت أثناء التدريب ولا يغيّرها المستخدم أبدًا. تجنّب الخطأ بقاعدة بسيطة: ما تعدّله بيدك في الواجهة إعداد، وما تعلّمه النموذج بنفسه معامِل.
لماذا يهمّك؟
عدد المعامِلات يظهر في كل خبر تقني تقريبًا، وفهمه يجعلك تقرأ هذه الأخبار بعين ناقدة بدل الانبهار بالأرقام. إذا كنت تختار أداة أو نموذجًا لعملك، فالمعامِلات تساعدك على الموازنة بين القدرة والتكلفة والسرعة. وفهمها يفسّر لك أيضًا لماذا تخطئ النماذج أحيانًا، ولماذا لا تعرف أحداثًا وقعت بعد تدريبها.
أدوات تستخدم هذا المفهوم
مصطلحات ذات صلة
كل ما يهمّك في الذكاء الاصطناعي، في 60 ثانية يوميًا
نرصد المئات من المصادر ونرسل لك الخلاصة فقط. بلا حشو، وبلا رسائل مزعجة.