كيف تعمل النماذج اللغوية الكبيرة مثل Grok

Grok هو نموذج لغوي كبير (LLM): برنامج تم تدريبه على كم هائل من النصوص ليتعلم كيف يكمل أي نص بطريقة مفيدة وذكية. لست بحاجة إلى خلفية رياضية لفهم آلية عمله، ومعرفة هذه المبادئ ستفيدك كثيراً؛ فهي تفسر براعة Grok في إعادة صياغة الفقرات، وسبب ذكره أحياناً لتواريخ خاطئة بثقة تامة، ولماذا لا يعلم بأخبار الأسبوع الماضي في محادثتنا، وكيف يمنحك التوجيه الأوضح إجابة أفضل دائماً.

الفكرة الأساسية: توقع الكلمة التالية

يقوم النموذج اللغوي بمهمة جوهرية واحدة: عند تزويده بنص ما، يقدّر الجزء الصغير الأكثر احتمالاً للظهور تالياً، فيضيفه، ويكرر العملية مراراً. سؤالك، والرسائل السابقة، والتعليمات التي يزود بها الموقع النموذج، كلها تشكل نقطة الانطلاق لتلك التوقعات. الإجابة التي تقرأها مبنية من آلاف التوقعات الصغيرة المتتالية، ويعتمد كل توقع منها على كل ما كُتب قبله.

قد تبدو هذه الآلية أبسط من أن تقدم شرحاً دقيقاً لقوانين الضرائب أو كتابة كود برمجي يعمل بكفاءة، لكن السر يكمن في ضخامة الحجم وقوة المعالجة. ليتمكن النموذج من توقع الكلمات بدقة عبر مليارات الأمثلة، يتعين عليه استيعاب قدر هائل من قواعد اللغة، والحقائق، وأنماط الاستدلال، والأساليب، وطرق الشرح والتفسير. التوقع هو المهمة الأساسية، وتكوين فهم واسع للغة والعالم هو النتيجة المكتسبة منه.

يوجد قدر مقصود من العشوائية في كل خيار يتخذه، ولهذا قد يعطيك نفس السؤال إجابة بصياغة مختلفة في كل مرة تطلب فيها إعادة التوليد.

التوكنز (Tokens): الوحدات الأساسية التي يعالجها النموذج

لا تقرأ النماذج حروفا أو كلمات كاملة، بل تقرأ وحدات تسمى "توكنز" (tokens): وهي أجزاء قد تكون كلمة قصيرة كاملة، أو جزءاً من كلمة طويلة، أو مسافة تسبق كلمة، أو علامة ترقيم. الكلمات الإنجليزية الشائعة تمثل غالباً توكن واحداً، بينما الكلمات النادرة واللغات التي لا تستخدم الحروف اللاتينية (مثل العربية) تنقسم إلى عدة توكنز.

تهمك التوكنز لسببين: الأول أن السعة المتاحة للقراءة والكتابة تُقاس بعدد التوكنز لا بعدد الكلمات. والثاني أن معالجة النموذج للنصوص على شكل مقاطع بدلاً من أحرف قد تجعله يخطئ في مهام بسيطة مثل عد أحرف كلمة معينة أو عكس ترتيبها، رغم قدرته على إنجاز مهام لغوية أعقد بكثير بكل سهولة.

تدعم نماذج Grok في محادثاتنا الصور أيضاً؛ حيث يتم تحويل الصورة إلى صيغة رقمية يستطيع النموذج معالجتها جنباً إلى جنب مع نصك، وهو ما يتيح له قراءة الرسوم البيانية أو وصف الصور، مع استمراره في تقديم الإجابة على شكل نص.

مراحل التدريب: من نصوص مجمعة إلى مساعد ذكي

يمر بناء نموذج متقدم مثل Grok بعدة مراحل. ورغم أن تفاصيل كل شركة تظل طي الكتمان غالباً، إلا أن الملامح العامة معروفة ومتقاربة.

1. التدريب المسبق (Pre-training): يتعلم النموذج توقع النصوص عبر الاطلاع على مكتبة هائلة من الكتب والمواقع والأكواد والمصادر المختلفة. من هنا يكتسب النموذج معلوماته العامة وبراعته اللغوية.
2. الضبط الدقيق (Fine-tuning): يتم تدريبه بعد ذلك على أمثلة لمحادثات مثالية: أسئلة متبوعة بإجابات دقيقة ومنسقة ومفيدة، مما يحوله من مجرد متوقع نصوص إلى مساعد يتبع التعليمات بدقة.
3. التغذية الراجعة (Feedback): يُقيّم المراجعون البشريون والأنظمة الآلية جودة الإجابات، ويجري تعديل سلوك النموذج ليفضل تلقائياً الردود عالية الدقة والواضحة والآمنة.

تتمثل النتيجة النهائية في ملف ضخم من الأرقام، يُعرف باسم "الأوزان" (weights)، وهي التي تختزل كل ما تعلمه النموذج. لا يحتفظ النموذج بنسخة من النصوص الأصلية ليرجع إليها كقاعدة بيانات، بل يحفظ الأنماط والعلاقات؛ ولهذا يبرع في شرح فكرة بكلمات جديدة، لكنه قد يخطئ أحياناً في تذكر تفصيلة دقيقة بعينها.

تاريخ انقطاع المعرفة وغياب الاتصال بالإنترنت

يتوقف التدريب عند نقطة زمنية محددة، ويصبح كل ما استجد بعدها مجهولاً بالنسبة للنموذج، وتسمى هذه النقطة "تاريخ انقطاع المعرفة" (knowledge cut-off). تدعم بعض نسخ Grok البحث المباشر على الويب؛ إذ تتيح النسخة الرسمية على grok.com ومنصة X البحث الحي. أما واجهة الدردشة لدينا فلا تتصل بالإنترنت، لذا يعتمد Grok هنا في إجاباته حصراً على ما تدرب عليه وما تدرجه أنت داخل المحادثة.

عملياً: للاستفسار عن الأخبار العاجلة، والأسعار، ونتائج المباريات، والمواعيد، والقوانين المستجدة، وأحدث إصدارات البرامج، اعتمد على مصادر حية. وإذا قمت بلصق مقال حديث داخل المحادثة، سيتمكن Grok من التعامل معه وتحليله بسلاسة، لأنه أصبح جزءاً من سياق الحديث المتاح له.

نافذة السياق: الذاكرة المؤقتة للنموذج

نافذة السياق (Context window) هي حجم النص الذي يستطيع النموذج معالجته واستيعابه في المرة الواحدة، شاملةً رسائلك، وردوده السابقة، وتوجيهات النظام. تتميز نماذج Grok المطورة من xAI بنوافذ سياق فائقة الضخامة؛ حيث توضح OpenRouter أنها تصل إلى 2 مليون توكن لنموذج Grok 4.20، ومليون توكن لنموذج Grok 4.3، و500,000 توكن لنموذج Grok 4.7. نرسل في موقعنا جزءاً أصغر من ذلك للحفاظ على سرعة الخدمة ومجانيتها، مع اقتطاع الرسائل الأقدم تدريجياً في المحادثات الطويلة.

يترتب على ذلك أمران مهمان: داخل المحادثة الواحدة، "يتذكر" Grok فقط ما تتسع له نافذة السياق الحالية. أما بين المحادثات المنفصلة، فهو لا يتذكر شيئاً على الإطلاق؛ فكل محادثة جديدة تبدأ من نقطة الصفر، حتى وإن كانت محادثاتك السابقة محفوظة في متصفحك للرجوع إليها. وإذا شعرت أن المحادثة الطويلة بدأت تفقد تركيزها، اطلب منه تلخيص النقاط الأساسية وابدأ بها محادثة جديدة.

نماذج التفكير والاستدلال: تفكير متأنٍ قبل الإجابة

يتم تدريب بعض النماذج لتستعرض خطوات التفكير وتحللها داخلياً قبل كتابة الإجابة النهائية: كفحص الشروط، وتجربة حلول بديلة، والتحقق من صحتها. يُعرف هذا بـ "الاستدلال" (Reasoning)، وهو بالغ الأهمية لمسائل الرياضيات، والمنطق، والتخطيط، واكتشاف الأخطاء البرمجية (debugging). في موقعنا، يفكر كل من Grok 4.3 Thinking وGrok 4.7 قبل تقديم الرد، بينما يعمل Grok 4.20 دون تفعيل التفكير لتقديم إجابات فائقة السرعة. يوضح دليلنا حول نماذج التفكير والاستدلال متى يكون الانتظار مفيداً ويستحق التجربة.

لماذا يختلق الذكاء الاصطناعي معلومات غير صحيحة؟

نظراً لأن النموذج مصمم دائماً لتوليد إكمال لغوي يبدو منطقياً ومقنعاً، فإنه لا يتوقف تلقائياً عندما يصل إلى حدود معلوماته. إذا طلبت منه مصدراً لم يسبق له الاطلاع عليه، فقد يبتكر عنواناً مقنعاً للغاية لكنه وهمي. وإذا سألته عن قرية صغيرة، قد يدمج تفاصيلها بقرى أخرى مشابهة. يُعرف هذا التأثير بـ "الهلوسة" (hallucination)، وهو عرض جانبي لنفس الآلية التي تمنحه طلاقته اللغوية. يساهم التدريب المتقدم في تقليل هذه الحالات، كما تفيد التوجيهات المباشرة مثل "أخبرني إن لم تكن متأكداً"، إلا أنه لا يوجد نموذج خالٍ تماماً من هذا الخطأ. يشرح دليلنا حول التحقق من إجابات الذكاء الاصطناعي كيفية رصد هذه الحالات.

كيف ينعكس ذلك عملياً على صياغة أوامرك؟

كل مفهوم مما سبق يقودك إلى ممارسة عملية أفضل: النموذج يتوقع بناءً على ما يراه أمامه، لذا زوده بالمادة اللازمة؛ ومعلوماته تقف عند تاريخ محدد، لذا انسخ له الوقائع الحديثة بنفسك؛ ولأنه قد يخمن، شجعه دائماً على توضيح شكوكه.

توجيه ضعيف:
ما هي شروط تأشيرتي؟

توجيه قوي:
فيما يلي النص المأخوذ اليوم من الصفحة الرسمية لنوع تأشيرتي. اشرح لي
بأسلوب بسيط ما يتعين عليّ فعله قبل انتهاء صلاحية التأشيرة، واذكر أية
مواعيد نهائية واردة فيها. اعتمد حصراً على هذا النص، ونبهني إن وجد أي أمر غير واضح.
---
[النص المنسوخ]

التوجيه الضعيف يطلب من Grok استرجاع شروط ربما تكون قد تغيرت، أما التوجيه القوي فيمنحه المصدر الحديث مباشرة ويطلب منه إنجاز ما تبرع فيه نماذج LLM: القراءة، والشرح، والتنظيم. جرب أداة التلخيص لمثل هذه الاستخدامات، أو اطلب من Grok تقديم الشرح بأسلوب مبسط.

الأسئلة الشائعة

هل يفهم Grok حقاً ما يكتبه؟

هذا موضوع نقاش فلسفي وتقني مستمر. لكن المؤكد عملياً أنه قادر على الشرح والتلخيص والاستدلال بأساليب فائقة الفائدة، وقادر في الوقت ذاته على ارتكاب أخطاء دون أن يدرك ذلك. احكم عليه عبر التحقق من دقة إجاباته، وليس بناءً على نبرته الواثقة.

هل يتعلم Grok من محادثاتي معه حالياً؟

لا يتغير النموذج أو يتطور أثناء حديثك معه؛ فأوزانه الحسابية ثابتة تماماً بعد انتهاء مرحلة التدريب. يستعين برسائلك داخل المحادثة الحالية لضبط السياق فقط، وتبدأ كل محادثة جديدة مستقلة تماماً عنها.

لماذا تختلف إجابات نماذج الذكاء الاصطناعي عن بعضها؟

لأنها تدربت على بيانات مختلفة، وبطرق متعددة، ولأهداف متباينة. تستعرض صفحات المقارنات بين Grok والنماذج الأخرى، وصفحة ما هو Grok، موقع عائلة Grok بين بقية الحلول.

من يقف وراء تطوير Grok؟

طوّرت Grok شركة xAI، والتي استحوذت عليها SpaceX في فبراير 2026. موقعنا منصة مستقلة تتيح الوصول إلى نماذج Grok عبر واجهات برمجة سحابية (API)، ولا نتبع لشركات xAI أو SpaceX أو X. توفر صفحة تاريخ Grok جدولاً زمنياً لتطوره.