أنت تهدر أغلب قدرات ChatGPT
أو غيره من النماذج اللغوية إذا كنت تستخدمه فقط لطرح الأسئلة وانتظار الإجابات. في هذا المقال، سأشاركك كيف توقفت عن استخدامه 'كمحرك بحث'، وبدأت أستخدمه 'كشريك تفكير' لتنظيم الأفكار بشكل لا يستطيع غيري الوصول إليها.
كيف أستخدم تشات جي بي تي، لا بوصفه أداة إجابة، بل بوصفه أداة تفكير، وكيف يمكن الحصول على معلومات ذات جودة أعلى مع خفض مخاطر التضليل والهلوسة.
في السنوات القليلة الماضية أصبح ChatGPT من أكثر الأدوات الرقمية انتشارًا وتأثيرًا، وتباينت طريقة فهم الناس له. بعضهم ينظر إليه على أنه محرك بحث خارق، والبعض الآخر يتعامل معه كما لو كان كيانًا واعيًا يفكر ويفهم ويحلل. في الحقيقة، هو ليس هذا ولا ذاك. ما يهمني هنا ليس الترويج للأداة ولا التحذير منها، بل بناء فهم صحيح لكيفية عملها، لأن طريقة الفهم هي التي تحدد طريقة الاستخدام.
هذا المقال ليس دليل استخدام سريع، ولا وصفة جاهزة، بل محاولة لبناء خارطة ذهنية: ما هو تشات جي بي تي، كيف يعمل فعليًا، كيف يمكن توجيهه بذكاء، وأين تنتهي قدراته وتبدأ المخاطر الحقيقية.
تشات جي بي تي هو نموذج لغوي ضخم طوّرته شركة OpenAI، ويُصنّف ضمن ما يُعرف بالنماذج اللغوية الكبيرة.
بنيته الرياضية الأساسية تعتمد على معمارية تُسمّى Transformer، وهي بنية صُمّمت أساسًا لمعالجة اللغة من خلال فهم العلاقات السياقية بين الكلمات داخل الجملة والنص ككل، وليس عبر الكلمات المفردة فقط.
هذه البنية، التي عُرضت لأول مرة في ورقة علمية شهيرة عام 2017، شكّلت الأساس لمعظم نماذج اللغة الحديثة.
ما يعنيه هذا عمليًا أن تشات جي بي تي لا يمتلك معرفة بالمعنى الإنساني للكلمة، ولا يفهم العالم كما نفهمه نحن.
هو نظام إحصائي متقدّم يتعلّم من بلايين الجمل كيف تظهر الكلمات معًا، وفي أي سياق، وبأي ترتيب. عندما تطرح عليه سؤالًا، لا يسأل نفسه “ما الحقيقة؟”، بل يسأل “ما الجملة الأكثر احتمالًا أن تأتي بعد هذا السؤال؟”.
من هنا تأتي العبارة الأدق لوصفه: تشات جي بي تي لا يعرف، بل يُرجّح. هذا الترجيح ليس عشوائيًا، بل مبني على تمثيلات لغوية عميقة تعلّمها أثناء التدريب، لكنه يظل في النهاية ترجيحًا احتماليًا لا امتلاكًا للحقيقة.
من المهم أيضًا فهم أن تشات جي بي تي، بصيغته الحوارية الحالية، لا يعتمد فقط على التدريب المسبق على النصوص.
بعد هذه المرحلة، يتم إخضاع النموذج لما يُعرف بالتعلّم المعزّز من خلال التغذية الراجعة البشرية، وهي عملية يُدرّب فيها النموذج على تفضيل إجابات يعتبرها البشر أكثر فائدة وأقل تضليلًا أو عدوانية.
هذه المرحلة هي التي تفسّر لماذا يبدو أحيانًا مهذبًا، متزنًا، أو “عاقلًا”، رغم أنه لا يملك وعيًا أو نوايا. هذا السلوك ليس شخصية، بل نتيجة ضبط هندسي متعمّد.
تشات جي بي تي جيّد جدًا في تلخيص النصوص، إعادة الصياغة، شرح المفاهيم، وربط الأفكار منطقيًا ضمن إطار لغوي متماسك.
يستطيع محاكاة أساليب متعددة: علمية، فلسفية، إعلامية، وحتى جدلية. هذا ما يجعله يبدو أحيانًا وكأنه يفهم أو يستنتج، لكنه في الواقع يحاكي أنماطًا لغوية تعلّمها من البشر.
أيضاً تشات جي بي تي لا يصل إلى الحقيقة بذاتها، ولا يملك آلية داخلية تضمن التمييز الدائم بين الصحيح والخاطئ.
هو لا يمتلك مفهومًا ذاتيًا للأخلاق، ولا إدراكًا سياسيًا أو اجتماعيًا مستقلًا، بل يعكس الأنماط والافتراضات الموجودة في البيانات التي دُرّب عليها، بما فيها تحيزات البشر أنفسهم.
لهذا يجب التعامل معه كأداة معرفية، لا كعقل مستقل. هو أقرب إلى آلة حاسبة لغوية متقدمة، وليس دماغًا.
لفهم كيفية استخدامه بذكاء، يجب كسر الوهم القائل بأنه “يبحث ثم يجيب”. عندما تطرح سؤالًا، قد تحصل على إجابة تبدو واثقة ومقنعة لغويًا، لكنها خاطئة علميًا أو تاريخيًا.
في بعض الحالات، قد يختلق مراجع أو أسماء دراسات إذا لم تُلزمه صراحة بالتحقق أو بالاعتراف بعدم اليقين.
هذه الظاهرة معروفة علميًا باسم “الهلوسة” في نماذج اللغة، وهي لا تعني أن النموذج “يتوهم”، بل أنه يفضّل إنتاج إجابة متماسكة لغويًا على قول “لا أعلم”، لأن آلية التدريب تكافئ الاستمرارية أكثر مما تكافئ الصمت.
أيضاً، أود تسليط الضوء على مشكلة نفسية و تحيز بشري معروف قد يسبب اشكاليه كبيرة في الحصول على المعرفة.
إشكالية الترسيخ المعرفي (Cognitive Anchoring):
هذه النقطة تضرب في صلب علم النفس المعرفي. "تأثير المرساة" (Anchoring Effect) هو انحياز معرفي يصف ميل البشر للاعتماد بشكل كبير جدًا على أول معلومة يتلقونها (المرساة) عند اتخاذ القرارات أو بناء الأحكام.
عندما نستخدم ChatGPT كـ "شريك تفكير" ونطلب منه هيكلية لمقال أو حلًا لمشكلة، فإن إجابته تصبح هي "المرساة". حتى لو حاولنا التعديل عليها، فإن تفكيرنا غالبًا ما يدور في فلك تلك الإجابة الأولية، بدلًا من استكشاف مساحات جديدة كليًا
من هنا تأتي أهمية طريقة إعطاء الأوامر. جودة إجابة تشات جي بي تي لا تعتمد على “ذكائه”، بل على دقة سؤالك.
السؤال العام ينتج إجابة عامة ومليئة بالثغرات. السؤال المحدد يفرض على النموذج قيودًا تقلّل مساحة التخمين. عندما تحدد الإطار المعرفي، وطبيعة الادعاء، ومستوى اليقين المطلوب، فإنك تجبر النموذج على العمل ضمن حدود أوضح.
من أهم ما أفعله شخصيًا أنني لا أتعامل مع تشات جي بي تي كمُجيب، بل كمساعد تفكير. أطلب منه أن يميّز بين حقيقة مثبتة، ونظرية علمية، ونموذج تفسيري، وفرضية، وتكهن.
أطلب منه ذكر المرجعيات العلمية في أي مجال، لا على سبيل الزينة، بل لإجباره على محاكاة منطق الحقول الأكاديمية.
ألزمه بالتصريح بدرجة الثقة في كل ادعاء، وبالاعتراف الصريح بعدم المعرفة عند الشك. أرفض استخدام أي مصادر غيبية أو غير قابلة للتحقق. و أطلب منه أن يفترض دائمًا أن القارئ ذكي لا يحتاج تبسيطًا ساذجًا.
شجعه على طرح الأسئلة إن طهرت أي تضاربات في الطرح أو عدم وضوح في السؤال.
بهذه الطريقة، تنخفض نسبة الهلوسة، وترتفع جودة المخرجات، وتُحفظ النزاهة المعرفية. لكن رغم ذلك، تبقى هناك حدود لا يمكن تجاوزها.
تشات جي بي تي ليس مصدرًا للحقيقة. أي معلومة مهمة يجب التحقق منها و خصوصاً في المجالات الحساسة مثل الطب، القانون، السياسة، والاستثمار الخ.
يمكن النظر إلى تشات جي بي تي كأداة تضخيم. إن أحسنت استخدامها، ضاعفت قدرتك على الفهم والتنظيم والتفكير. وإن سلّمتها عقلك، ضاعفت جهلك بثقة عالية.
مثال عام لضبط السلوك المعرفي قبل أي سؤال:
قبل الإجابة، التزم بما يلي:
ميّز بوضوح بين حقيقة مثبتة، نظرية علمية، نموذج تفسيري، فرضية، وتكهن.
اذكر درجة الثقة لكل ادعاء.
إن لم تكن متأكدًا، قل صراحة: لست متأكدًا.
اذكر المرجعيات العلمية أو الجهات البحثية المرتبطة بالموضوع.
لا تستخدم مصادر غير قابلة للتحقق أو غيبية.
لا تنسى أن النموذج قد يقدّم نصًا ممتاز الصياغة و بطريقة تجعلك ترفع ثقتك بمصداقية المعلومات المطروحة. التنبيه هنا أن البلاغة ليست دليل صحة المعلومات.
——————————————————
لا تخَف المقال انتهى هنا 😁.
——————————————————
في الأسفل سأضع أمثلة تطبيقة لكيفية طرح الأسئلة:
مثال في العلوم الطبيعية (الفيزياء / الأحياء):
اشرح نظرية التضخم الكوني من منظور الفيزياء النظرية الحديثة. اذكر ما هو مدعوم تجريبيًا، وما هو استنتاج رياضي، وما هو ما يزال افتراضًا. إذا وجدت بعض التكهنات و أضفتها ضمن الحواب تأكد أن تنوه لها ك "تكهنات".
اذكر العلماء أو الفرق البحثية المرجعية في هذا المجال. حدّد مستوى اليقين العلمي لكل نقطة، ولا تتجاوز ما تسمح به الأدلة.
* هذا النوع من الصياغة يُجبر النموذج على عدم تقديم فرضيات على أنها حقائق، وهو ما توصي به أدبيات Stanford وNature عند التعامل مع LLMs في العلوم الأساسية.
——————————————————
مثال في الطب (لتقليل الخطر):
اشرح آلية عمل دواء الميتفورمين من منظور فسيولوجي، دون تقديم أي نصيحة علاجية.
اذكر ما هو مثبت بدراسات سريرية واسعة، وما هو ما يزال قيد البحث. اذكر المؤسسات أو المراجع الطبية المعتمدة. إن وُجد تضارب في النتائج، وضّحه بدل ترجيح أحدها.
——————————————————
مثال في التاريخ والسياسة (لتقليل التحيز):
حلّل الحدث التالي من منظور تاريخي أكاديمي.
افصل بين الوقائع الموثقة، والتفسيرات الأكاديمية المختلفة، والروايات الأيديولوجية. اذكر المدارس الفكرية أو المؤرخين المرجعيين لكل تفسير. تجنّب اللغة التقييمية، وركّز على التحليل.
هذه الصيغة تقلل إسقاط الانحيازات السردية التي قد تنتج عن بيانات التدريب.
——————————————————
مثال في الفلسفة والفكر:
ناقش مفهوم الحتمية والحرية في الفلسفة. قدّم الطرح كما يقدّمه فلاسفة مختصون، لا كاستنتاج شخصي.
اذكر الفروق بين المدارس الفلسفية الرئيسية.
ميّز بين المواقف الفلسفية والحجج التجريبية إن وُجدت.
بهذا الشكل، لا “يؤلف” النموذج موقفًا وسطًا غير موجود، بل يحاكي النقاش الأكاديمي الحقيقي.
——————————————————
مثال في الاقتصاد والاستثمار (لتقليل التضليل):
اشرح هذا المفهوم الاقتصادي نظريًا فقط. لا تقدّم أي توصية استثمارية. اذكر الافتراضات التي يقوم عليها النموذج الاقتصادي. بيّن متى يفشل هذا النموذج تاريخيًا.
هذه الصيغة تمنع النموذج من إعطاء نصائح عملية مبنية على تبسيط مخل.
——————————————————
مثال لأسئلة معقّدة تُقسّم زمنيًا:
سأطرح السؤال على مراحل. في هذه المرحلة الأولى، أجب فقط عن الخلفية النظرية. لا تنتقل إلى التطبيقات العملية حتى أطلب ذلك مباشرةً.
هذا يقلل من التداخل المفاهيمي ويجعل الإجابة أدق وأكثر قابلية للتحقق.
——————————————————
مثال لفرض شخصية علمية دون الوقوع في التقمّص الزائف: أجب بأسلوب إسحاق نيوتن الأكاديمي، لا كشخصه التاريخي. التزم بالمعرفة العلمية المعاصرة، لا بحدود عصره. اذكر درجة اليقين العلمي لكل ادعاء.
هذه الصيغة تمنع الخلط بين “محاكاة الأسلوب وادعاء المعرفة التاريخية.
——————————————————
مثال مباشر لمحاربة الهلوسة:
إذا لم تتوفر لديك معلومات موثوقة أو كنت تعتمد على تخمين لغوي، توقّف وقل: لا أعلم. عدم الإجابة أفضل من إجابة غير مؤكدة.
هذه الجملة وحدها، كما تشير أبحاث OpenAI، تغيّر سلوك النموذج بشكل ملحوظ.
——————————————————
مثال لصياغة السؤال الذكي بدل السؤال الكسول:
بدل:
«اشرح لي الذكاء الاصطناعي.»
اكتب:
«اشرح الذكاء الاصطناعي من منظور هندسة النماذج اللغوية، بأسلوب تحليلي، مع تمييز واضح بين ما هو مطبّق حاليًا وما هو بحثي، واذكر درجة الثقة لكل إدعاء.
في النهاية، التشات جي بي تي الذي أستخدمه هو النسخة المدفوعة $٢٠ شهرياً. هذه النصائح هي رأيي الشخصي و من تجربتي الشخصية و ليست حقائق علمية.
——————————————————
الآن دوركم:
ما هي الحيلة أو الأمر (Prompt) الذي جربته سابقاً وغيّر جودة النتائج التي حصلت عليها؟ و هل تعتقد أن مهارة المستقبل هي 'امتلاك المعلومة' أم 'القدرة على صياغة السؤال الصحيح، لاستخراج المعلومة؟
شكراً على الوصول لهذه النقطة.
#egyquantum
#استمتع_بالعلوم
0 تعليقات