خريطة الذكاء الاصطناعي السرية: فهم تضمينات المتجهات

بالنسبة لجهاز الكمبيوتر، كلمة "puppy" هي مجرد تسلسل من الحروف: p-u-p-p-y. وكلمة "kitten" هي تسلسل آخر: k-i-t-t-e-n. لا يمتلك الكمبيوتر فهمًا فطريًا بأن هذين المفهومين متشابهان — كلاهما حيوانات صغيرة ولطيفة. فكيف يتعلم الذكاء الاصطناعي النسيج الغني للعلاقات التي يفهمها البشر بسهولة؟

يكمن الجواب في مفهوم أساسي يسمى تضمينات المتجهات (Vector Embeddings)، وهي طريقة ذكية لترجمة معنى كل شيء — الكلمات والصور والأغاني — إلى لغة رياضية عالمية.

تشبه تضمينات المتجهات إعطاء كل مفهوم إحداثيًا محددًا على خريطة معنى عملاقة ومتعددة الأبعاد. على هذه الخريطة، يتم وضع المفاهيم المتشابهة بالقرب من بعضها البعض، بينما تكون المفاهيم غير ذات الصلة بعيدة عن بعضها.

المشكلة: أجهزة الكمبيوتر لا تفهم المعنى

قبل الذكاء الاصطناعي الحديث، كانت محركات البحث والبرامج حرفية للغاية. إذا بحثت عن "نصائح لرعاية كلب صغير"، فستحصل فقط على نتائج تحتوي على هذه الكلمات الرئيسية بالضبط. لن يعرف النظام أن يعرض لك أيضًا مقالًا مفيدًا بعنوان "كيف تربي جروًا سعيدًا".

القضية الأساسية هي أن أجهزة الكمبيوتر تعمل بالأرقام والمنطق الصارم، وليس بالمعنى المجرد. إنها ترى البيانات في شكلها الخام:

• النص: مجموعة من الأحرف.
• الصور: شبكة من قيم ألوان البكسل.
• الصوت: شكل موجي من الترددات.

لا يوجد اتصال جوهري بين بكسلات صورة قطة وحروف كلمة "feline".

الحل: إنشاء خريطة للمعنى

تحل تضمينات المتجهات هذه المشكلة عن طريق تحويل كل قطعة من البيانات إلى قائمة من الأرقام تسمى المتجه (vector). يمثل هذا المتجه الموضع الفريد لذلك العنصر على "خريطة المعنى". السحر هو أن نموذج الذكاء الاصطناعي يتعلم إنشاء هذه الإحداثيات أثناء تدريبه.

المبدأ الأساسي بسيط: القرب يساوي التشابه.

• سيكون متجه "كلب" قريبًا جدًا من متجه "قطة".
• سيكون متجه "تفاحة" بالقرب من متجه "موزة".
• ولكن متجه "تفاحة" سيكون بعيدًا جدًا عن متجه "قطة".

يمكن أن تحتوي هذه "الخريطة" على مئات أو حتى آلاف الأبعاد. لا يمكننا تصورها، لكن المبادئ الرياضية هي نفسها. هذا الفضاء عالي الأبعاد غني بما يكفي لالتقاط علاقات دقيقة بشكل لا يصدق. على سبيل المثال، كان اكتشافًا مشهورًا أنه يمكنك إجراء عمليات حسابية على هذه المتجهات:

متجه("ملك") — متجه("رجل") + متجه("امرأة") ≈ متجه("ملكة")

يظهر هذا أن النموذج لم يتعلم التعريفات فحسب؛ بل تعلم المفهوم المجرد للجنس والملكية.

لماذا تعتبر تضمينات المتجهات طفرة؟

هذا المفهوم الواحد هو حجر الزاوية في الذكاء الاصطناعي الحديث وقد فتح أبواب تطبيقات لا حصر لها:

• البحث الدلالي: يمكنك الآن البحث عن "طعام تأكله بيديك" والحصول على نتائج مثل "برجر" و "تاكو" و "بيتزا"، حتى لو لم تكن كلماتك الدقيقة موجودة في النص. يبحث النظام عن المفاهيم، وليس فقط الكلمات الرئيسية.
• محركات توصية قوية: عندما تشاهد فيلمًا على Netflix، يجد النظام أفلامًا أخرى تقع بالقرب منه على الخريطة ويوصي بها لك.
• لغة عالمية للذكاء الاصطناعي: نظرًا لأنه يمكن تحويل أي شيء إلى متجه، تسمح التضمينات للذكاء الاصطناعي بالعثور على علاقات بين أنواع مختلفة من البيانات. يمكن للذكاء الاصطناعي أن يتعلم أن صورة كلب تقع بالقرب من كلمة "puppy" على الخريطة، وهو أساس الذكاء الاصطناعي متعدد الوسائط.
• تشغيل نماذج اللغة الكبيرة: تستخدم نماذج اللغة الكبيرة التضمينات لفهم العلاقات بين الكلمات، مما يسمح لها بإنشاء جمل متماسكة ومدركة للسياق.

تضمينات المتجهات هي الإطار غير المرئي الذي يسمح للذكاء الاصطناعي بتجاوز معالجة البيانات البسيطة والبدء في فهم العالم بطريقة إنسانية بشكل مدهش وقوي.