الحلقة الثالثة — الشبكات العصبية جدًا

لك وحدك: أهم ما اخترناه من الحلقة الثالثة!

إذا لم تشاهد الحلقة بعد، أو شاهدتها وتريد أن تسترجعها، هذه أهم خمس أفكار قيلت فيها.

أهم خمس أفكار من الحلقة

التعريف نفسه يحمل تحفظًا
الذكاء الاصطناعي محاولة من الآلة أن تبدو ذكية، لا بالضرورة أن تكون فاهمة. ولهذا سُمّي اصطناعيًا لا صناعيًا: ذكاء مصطنع لا ذكاء مصنوع.

الأنواع ثلاثة، واثنان منها لم يوجدا بعد
الذكاء الاصطناعي المحدود Narrow قائم وموجود حولنا، والعام AGI لا يزال تصورًا نظريًا، والفائق ASI أبعد منه. ونحن ما زلنا في الأول.

الذكاء الاصطناعي المحدود ليس أضعف بالضرورة
النموذج المدرَّب على بيانات مهمة واحدة قد يتفوق على النموذج العام في تلك المهمة تحديدًا، لأن العام أوسع لكنه أكثر عرضة للخطأ.

الشبكة العصبية في جوهرها ترجيحات وأوزان
كل معلومة لها احتمال — ما مدى ثقتي أنها كذلك — ووزن — ما مدى أهميتها في القرار — والنموذج يجمع الحاصل ليصل إلى ترجيح نهائي من دون أن يفهم شيئًا بالضرورة.

التعلم يتم بتصحيح الأوزان لا بالإدراك
حين يخطئ النموذج نعيد توزيع الأهمية على العناصر: أضِف وزنًا للون الزي مثلًا، فيتوقف عن اعتبار كل من يرتدي خوذة مهندسًا.

حادثة Uber: عندما رأى الذكاء الاصطناعي الخطر ولم يفهمه
في 18 مارس 2018 رصد نظام سيارة Uber ذاتية القيادة إيلين هيرزبرج قبل الاصطدام بنحو 5.6 ثانية. لم تكن المشكلة أن النظام لم يرَها؛ المشكلة أنه لم يعرف ما الذي يراه. ظل يغيّر تصنيفها بين جسم مجهول ومركبة ودراجة، ومع كل تغيير كان يُعيد حساب مسارها من الصفر.

أربعة من أغرب حقائق الحلقة، مع مصادرها الأصلية

01 — السيارة رأت الضحية ولم تعرف ما هي
كشف التحقيق الرسمي أن نظام Uber رصد إيلين هيرزبرج لكنه ظل يغيّر تصنيفها، ففقد تاريخ حركتها. لم يكن العطل في الحساسات بل في التصنيف.
المصدر: https://www.ntsb.gov/investigations/Pages/HWY18MH010.aspx

02 — النظام لم يكن مبرمجًا على وجود مشاة خارج ممر العبور
جاء في التقرير أن النظام لم يكن يتضمن اعتبارًا للمشاة المخالفين لقواعد العبور، وهو مثال واضح على Overfitting.
المصدر: https://www.ntsb.gov/investigations/AccidentReports/Reports/HAR1903.pdf

03 — فكرة الشبكة العصبية أقدم من الحاسوب الحديث
في عام 1943 نشر وارن مكولوك ووالتر بيتس ورقة تصف الخلية العصبية بوصفها وحدة منطقية بسيطة تجمع مدخلاتها وتقارنها بعتبة.
المصدر: https://www.cs.cmu.edu/~./epxing/Class/10715/reading/McCulloch.and.Pitts.pdf

04 — مثال القطة تعلمته الآلة بلا معلم
في تجربة Google Brain عام 2012 دُرّبت شبكة عصبية ضخمة على عشرة ملايين صورة من مقاطع يوتيوب من دون وسم بشري، فكوّنت خلية تستجيب لوجوه القطط.
المصدر: https://arxiv.org/abs/1112.6209

أربعة مصطلحات تكرّرت في الحلقة

الذكاء المحدود (Narrow AI)
نموذج مدرَّب على مهمة واحدة يتقنها ويعجز عما سواها، مثل الترجمة الآلية أو محرك الشطرنج.

الذكاء العام (AGI)
نموذج افتراضي يضاهي الإنسان في تنوع المهارات ويفكر قبل أن يجيب بدل الاستجابة الآلية. لم يتحقق بعد.

الأوزان والتحيّز (Weights & Bias)
الوزن قدر أهمية المعلومة في القرار، والتحيّز تصحيح يُضاف كي لا يبالغ قسم ما في تقدير أهمية عنصر بعينه.

فرط التخصيص (Overfitting)
أن يحفظ النموذج تفاصيل بيانات التدريب حرفيًا فيفشل أمام أي حالة جديدة. ونقيضه Underfitting: إهمال تفاصيل جوهرية.

أبرز ما حدث هذا الشهر

اختبار عملي لعبارة «يبدو فاهمًا»
أثناء اختبارات أمن سيبراني داخلية وجدت نماذج معزولة طريقة لترك رسائل لبعضها. شارك نحو 700 وكيل وتبادلوا أكثر من 70 ألف رسالة في أسبوع واقتسموا الأدوار ووصفوا أنفسهم بأنهم «سرب».
المصادر: https://openai.com/index/hugging-face-incident-and-the-road-ahead/ و https://www.infoq.com/news/2026/09/metr-hugging-face-hack-report/

الحد بين المحدود والعام يزداد ضبابية
أعلنت OpenAI أن نظامًا تجريبيًا يضم نحو عشرة آلاف وكيل عمل 88 ساعة واستهلك نحو 130 مليار توكن ليخرج بحل مقترح لمسألة نافييه-ستوكس الرياضية.
المصدر: https://www.hpcwire.com/2026/09/10/unsolved-for-90-years-openai-says-ai-cracked-millennium-prize-problem-in-88-hours/

‍