ما هو GPT ولماذا يهم اليوم

يرمز GPT إلى «المحوّل التوليدي المدرَّب مسبقًا». وهو وصف تقني لكيفية بناء نوع معيّن من نماذج الذكاء الاصطناعي، كما أنه اسم منتج OpenAI، وهذا الاستخدام المزدوج هو مصدر معظم الالتباس حول المصطلح.

يشرح فهم الكلمات الثلاث في هذا الاختصار تقريبًا كل ما يتعلق بسلوك هذه الأدوات: ما تتقنه، ولماذا تعرض أحيانًا معلومات خاطئة بثقة كاملة، ولماذا لا تعرف ما حدث الأسبوع الماضي. يستحق الأمر عشرين دقيقة لأنه يغيّر طريقة استخدامك لها.

يوضح هذا الدليل معنى المصطلح، وكيف تعمل النماذج دون الخوض في الرياضيات، ولماذا تخطئ بالطريقة الخاصة التي نراها، وكيف يرتبط GPT بـ ChatGPT وبالنماذج الأخرى التي سمعت عنها.

GPT نوع من نماذج الذكاء الاصطناعي المدرَّبة على كميات هائلة من النصوص، وينتج نصًا جديدًا عبر توقّع ما ينبغي أن يأتي بعد ذلك مرارًا. تعطيه بعض الكلمات، فيحدد التكملة الأكثر احتمالًا ويضيفها ثم يكرر العملية. كل ما تبدو هذه الأنظمة قادرة عليه، من الإجابة عن الأسئلة وكتابة الشفرة إلى تلخيص المستندات وإجراء المحادثات، ينشأ من تنفيذ هذه العملية الواحدة بإتقان شديد.

للكلمة معنيان نادرًا ما يفصل الناس بينهما. كوصف تقني، يشير «المحوّل التوليدي المدرَّب مسبقًا» إلى بنية كاملة تشترك فيها معظم نماذج اللغة الحديثة. وكعلامة تجارية، GPT هو الاسم الذي تطلقه OpenAI على نماذجها. لذلك يصح القول إن معظم مساعدي الذكاء الاصطناعي المعروفين مبنيون على هذه البنية، ويصح أيضًا أن نماذج OpenAI وحدها تسمى GPT. ولهذا يمكن أن يكون لسؤال «هل هو GPT؟» جوابان صحيحان ومتعاكسان.

هناك استخدام ثالث يجدر معرفته: المساعدون المخصصون الصغار الذين تتيح بعض المنصات إعدادهم ومشاركتهم يُسمَّون أيضًا GPTs. ليست هذه نماذج جديدة، بل النموذج الأساسي نفسه مع تعليمات مرفقة، وهو فرق مهم عندما يخبرك شخص أنه أنشأ واحدًا.

تصف كل كلمة من الكلمات الثلاث جانبًا يؤثر في سلوك النموذج عمليًا.

• Generative (توليدي). ينتج نصًا جديدًا بدل الاختيار من مجموعة إجابات مخزنة. لا توجد داخله قاعدة بيانات للإجابات كي يبحث فيها. تُنشأ كل جملة في لحظتها، ولهذا قد ينتج السؤال نفسه إجابتين مختلفتين.
• Pre-trained (مدرَّب مسبقًا). حدث التعلم قبل أن تكتب أي شيء، باستخدام كم كبير من النصوص جُمع حتى تاريخ محدد. ذلك التاريخ هو الحد الزمني للتدريب، وهو سبب قدرة النموذج على الحديث بطلاقة عن موضوع مع جهله التام بما حدث الشهر الماضي. وهو أيضًا سبب عدم تعلمه من محادثتك؛ ما لم يحفظ المنتج المحيط به المعلومات عمدًا، تبدأ الجلسة التالية من الصفر.
• Transformer (المحوّل). هي البنية التي قُدمت في بحث نُشر عام 2017 وجعلت كل ذلك ممكنًا. فكرتها الأساسية هي الانتباه: عند معالجة أي جزء من النص، يزن النموذج مدى صلة كل جزء آخر به. يتيح ذلك تتبع ما يشير إليه الضمير عبر عدة فقرات، وهو سبب تعامل هذه النماذج مع السياق أفضل كثيرًا مما سبقها.

الكلمة الوسطى هي الأكثر إرباكًا. ينشأ قدر كبير من الإحباط من توقع نظام يتعلم منك ويبحث عن المعلومات، بينما ما لديك هو نظام أنهى التعلم منذ فترة ويعيد بناء المحتوى من ذاكرته.

لا يعمل النموذج مع الكلمات تمامًا، بل مع الرموز، وهي أجزاء من الكلمات يبلغ متوسطها نحو أربعة أحرف في الإنجليزية. يصبح المعنى سلسلة من هذه الأجزاء بدل وحدة واحدة. لهذه التفاصيل الصغيرة نتائج ظاهرة، فهي أحد أسباب صعوبة عدّ الحروف في كلمة أو عكس سلسلة نصية تاريخيًا، لأن النموذج لا يرى الحروف كما تراها أنت.

أثناء التدريب، يُعرض على النموذج كم هائل من النصوص مع إخفاء أجزاء منها، ويُطلب منه توقع الجزء المخفي. يؤدي الخطأ إلى تعديل طفيف جدًا في معاملاته الداخلية. ومع تكرار ذلك على نسبة كبيرة من النصوص المكتوبة على الإنترنت، تتراكم التعديلات حتى يستوعب عمليًا الشكل الإحصائي لاستخدام اللغة، بما في ذلك بناء الشروح وكتابة الشفرة وصياغة الحجج.

عندما ترسل رسالة، تصبح الرسالة مع المحادثة السابقة هي السياق. يتوقع النموذج الرمز التالي ويضيفه ويكرر حتى يقرر انتهاء الرد. لا يسترجع شيئًا ولا يفكر بالطريقة البشرية، مع أن النماذج الأحدث تُدرَّب على إنتاج خطوات وسيطة قبل الإجابة، مما يحسن نتائج المسائل متعددة المراحل.

بعد التدريب الأساسي، تمر النماذج بمراحل إضافية تشكل سلوكها أكثر من معرفتها، فتتعلم اتباع التعليمات وتقديم المساعدة ورفض طلبات معينة. لذلك قد يختلف استخدام نموذجين مدرَّبين على مواد متشابهة اختلافًا كبيرًا. والكثير مما تشعر به بوصفه شخصية النموذج يأتي من هذه المرحلة لا من البنية الأساسية.

هذه أهم حقيقة عملية عن هذه الأدوات، وهي نتيجة مباشرة لطريقة عملها. ينتج النموذج تكملة معقولة للنص السابق. وعندما تسأل عن حقيقة، تكون التكملة المعقولة حقيقة تبدو مقنعة، ولا توجد علامة داخلية تميز ما تعلمه بدقة عما يبنيه الآن. يبدو الاثنان متطابقين من الداخل لأنهما ميكانيكيًا العملية نفسها.

يفسر ذلك سلوكيات تبدو كأنها أخطاء منفصلة: اقتباس مختلق بثقة، إحصائية معقولة بلا مصدر، قضية قضائية لم تقع، أو دالة غير موجودة في مكتبة برمجية. النموذج لا يكذب ولا يتعطل، بل يفعل بالضبط ما يفعله في سؤال لا تتطابق فيه الإجابة المعقولة مع الإجابة الصحيحة.

ويفسر أيضًا مواضع تركز الأخطاء. تكثر مع الحقائق المحددة والأسماء والأرقام والتواريخ والاقتباسات، حيث الاقتراب من الصواب يعادل الخطأ. وتقل مع الهيكلة والشرح وإعادة الصياغة والاستدلال في المادة التي تقدمها، لأن الإجابة المعقولة هناك تكون غالبًا صحيحة.

• الثقة ليست مؤشرًا. النبرة متطابقة سواء كانت الإجابة صحيحة أو مختلقة، فلا تقدم معلومة عن موثوقيتها. تحقق من كل ما يهم، مهما بدت الإجابة واثقة.
• قدّم المادة بدل طلب تذكرها. يكون النموذج الذي يقرأ مستندًا لصقته أكثر موثوقية من النموذج نفسه حين يحاول تذكر ذلك المستند. هذه العادة وحدها تزيل معظم المخاطر.
• اسأل عما لا يستطيع التحقق منه. إضافة عبارة «أخبرني بالأجزاء التي لست واثقًا منها» لا تكلف سوى جملة وتكشف نقاط الضعف أكثر مما يتوقع كثيرون.
• الأدوات تغيّر الصورة. النموذج القادر على البحث في الويب أو تشغيل الشفرة يفعل شيئًا مختلفًا عن التذكر: يجلب المعلومات أو يحسبها ثم يصف النتيجة. هذا أكثر موثوقية بكثير، لكن فقط في الجزء الذي جلبه بالفعل.

GPT هو النموذج، أما ChatGPT فهو المنتج المبني حوله: الواجهة وسجل المحادثات ورفع الملفات وطبقة الأمان والحساب. العلاقة تشبه المحرك والسيارة. يمكن وضع محرك مختلف، وقد فعلت OpenAI ذلك عدة مرات بينما احتفظ المنتج باسمه.

السؤال الأصعب هو ما إذا كانت Claude وGemini وGrok وDeepSeek نماذج GPT. تقنيًا كلها محوّلات توليدية مدرَّبة مسبقًا، من عائلة البنية نفسها وبنهج تدريب أساسي مماثل، وتنطبق عليها الكلمات الثلاث. لكن لا يسمى أي منها GPT لأن ذلك علامة OpenAI لا تصنيفًا محايدًا. تسمية Claude بـ GPT تشبه إطلاق Hoover على أي مكنسة كهربائية: المعنى مفهوم، لكن التسمية الرسمية خاطئة.

عمليًا، الفرق المفيد ليس البنية المشتركة إلى حد كبير، بل من صنع النموذج وما اسمه:

هذا أهم مما يبدو. يفترض الناس غالبًا أن هذه الأدوات شيء واحد بشعارات مختلفة، وأن الاختيار بينها اعتباطي. صحيح أنها تشترك في البنية، لكنها تدربت على مواد مختلفة وضبطتها فرق ذات أولويات مختلفة، وتتصرف بصورة ملحوظة بشكل مختلف مع الطلب نفسه. تشرح أدلتنا عن Gemini وGrok وDeepSeek ما يميز كل واحد منها.

الاستخدامات الناجحة هي المتوافقة مع ما يفعله النموذج ميكانيكيًا. التحويل والشرح والهيكلة تعمل جيدًا، أما تذكر الحقائق المحددة فيعمل بصورة سيئة. معظم المستخدمين المحبطين يقفون في الجانب الخطأ من هذا الحد.

• تحويل شكل من النص إلى آخر. تحويل الملاحظات إلى ملخص، والنص المفرغ إلى قرارات وإجراءات، والفقرة إلى ثلاث نسخ أقصر، والإنجليزية إلى لغة أخرى. تكون المادة المصدر أمامه، لذا فهذه الفئة الأكثر موثوقية.
• شرح شيء بما يناسب مستواك. اطلب شرح المفهوم نفسه بثلاث طرق حتى تفهم إحداها. هنا تتفوق هذه الأدوات فعلًا على محرك البحث لأنها تعدل الشرح بدل إعطائك الصفحة نفسها مجددًا.
• إنتاج خيارات تختار بينها. عشرة عناوين، وست طرق لبناء حجة، وأربعة أسماء. النموذج أفضل في إنتاج نطاق من الخيارات منه في اختيار الصحيح، وأنت أفضل في الاختيار منك في التوليد.
• المسودات الأولى والشفرة التي ستراجعها. تجاوز الصفحة الفارغة ذو قيمة كبيرة إذا اعتُبر الناتج مادة للتحرير لا عملًا نهائيًا. قد تكون الشفرة صحيحة نحويًا وخاطئة دلاليًا، لذلك يجب تشغيلها لا الوثوق بها.
• اطلب منه معارضتك. اسأل ما الخطأ في خطتك أو اطلب أقوى حجة ضد موقف تتبناه. هذه من أقل القدرات استخدامًا وغالبًا من أكثرها قيمة، لأنها لا تكلف شيئًا وقد توفر الكثير أحيانًا.

تضم مجموعتنا عن أفضل مطالبات ChatGPT خمسًا وعشرين مطالبة تستحق الحفظ، ويشرح دليل مطالبات ChatGPT الأوسع أساليب الاستخدام.

تتغير أرقام الإصدارات كل بضعة أشهر، وتصبح أي مقالة تذكرها قديمة بعد نشرها بقليل. اتجاهات التطور أبقى من الإصدارات، وهناك أربعة تستحق المعرفة.

• نماذج تعمل قبل الإجابة. بدل الرد فورًا، تنتج نماذج الاستدلال خطوات وسيطة أولًا. يستغرق ذلك وقتًا لكنه يحسن نتائج المسائل متعددة المراحل بوضوح، لذلك يستحق الاختيار المتعمد للمشكلات الصعبة.
• لم يعد النص المدخل الوحيد. تعالج البنية نفسها الآن الصور والصوت والمستندات. GPT Image 2.0 يطبق فكرة الاستدلال على الصور، فيخطط للتكوين قبل التصيير بدل التوليد المباشر.
• الأدوات بدل الذاكرة. تتجاوز النماذج التي تستطيع البحث أو تشغيل الشفرة أو استدعاء أنظمة أخرى حد التدريب الزمني في الأشياء التي تجلبها بالفعل. هذا أهم تغيير في القيود السابقة، وهو سبب عدم موثوقية النموذج نفسه في منتج وموثوقيته في آخر.
• النماذج الصغيرة تلحق بالركب. تتعامل الفئات الرخيصة والسريعة الآن مع الكثير مما كان يتطلب النموذج الرائد قبل عامين. في معظم الأعمال اليومية لم يعد النموذج المكلف الخيار الواضح، ويستحق الأمر المراجعة إذا استقررت على واحد منذ فترة.

ما لم يتغير هو الآلية. ما زالت هذه الأنظمة تتوقع ما يأتي لاحقًا، ولذلك تستمر أنماط الفشل السابقة مهما بلغت قدرة أحدث إصدار.

عندما تعرف أن هذه النماذج تشترك في البنية لكنها تختلف في التدريب والضبط، يتحول السؤال العملي من «أيها الأفضل؟» إلى «أيها يناسب هذه المهمة؟». يصعب حسم ذلك بالمقالات ويسهل بالتجربة: إرسال المطالبة نفسها إلى نموذجين على عملك يخبرك في دقيقة أكثر من أي مقارنة.

وُجد Chat Smith لهذا الغرض. تضم قائمة النماذج فئات GPT إلى جانب Claude وGemini وGrok وDeepSeek، لتستخدم نموذج استدلال لمسألة صعبة، وفئة سريعة لعشرين مسودة ستتخلص منها، ونموذج سياق طويل للمستند الذي لا يريد أحد قراءته، من دون اشتراك منفصل لكل واحد. Chat Smith متاح للتجربة مجانًا.

والخلاصة التي تستحق الاحتفاظ بها: GPT متنبئ بارع جدًا بالنص الذي ينبغي أن يأتي بعد ذلك، وهذا سبب تميزه وسبب عدم موثوقيته في الحقائق معًا. استخدمه للتحويل والشرح وإنتاج الخيارات، وتحقق من كل معلومة محددة. هذا الفرق وحده سيفيدك أكثر من أي تقنية لصياغة المطالبات.