الضغط هو التنبؤ: فكرة الذكاء الاصطناعي اللي لازم تفهمها

الضغط هو التنبؤ: فكرة الذكاء الاصطناعي اللي لازم تفهمها

إذا تساءلت يومًا ليش الذكاء الاصطناعي التوليدي حاسه سحري وفي نفس الوقت شوي طايش، هالفكرة الوحيدة بتجمّع لك الصورة كلها. أنا هذا الأسبوع وقعت على مقال رهيب في [مدونة ngrok](https://ngrok.com/blog/compression-is-prediction)، وغيّر طريقة تفكيري في كل شيء، من صيغ الملفات إلى ChatGPT. العنوان يلخص كل شيء: *الضغط هو التنبؤ*.

للوهلة الأولى، هالشي يبدو معكوس. الضغط معناه تصغير البيانات وإزالة التكرار. والتنبؤ معناه تخمين اللي بيجي بعدين. شو المشترك بينهم؟ الكثير، طلع. وبمجرد ما تشوف هالعلاقة، ما راح تتعامل مع الذكاء الاصطناعي بنفس الطريقة أبدًا. خلّنا نشرحها.

الفكرة البسيطة اللي بدأت كل شيء

تخيل إنك تمسك قارورة ماء. إنت تعرف إحساسها، ووزنها، ووين الغطاء. دماغك ما يعيد فحص القارورة كاملة في كل مرة تمسك فيها وحدة — هو يتنبأ، بناءً على بيانات عمرها عقود، ويتخطى التفاصيل غير الضرورية. هذا هو الضغط. إنك تحذف الأجزاء الزايدة أو المتوقعة من الإشارة، وتترك فقط الأشياء غير المتوقعة.

المثال الكلاسيكي هو ملف نصي بسيط. جملة مثل "الثعلب البني السريع يقفز" جملة متوقعة جدًا إذا تعرف اللغة. خوارزمية ضغط مثل GZIP بتشفر هالجملة بطريقة أقصر، جزئيًا لأنها تقدر تتوقع شو اللي بيجي بعد. لهذا، خوارزميات الضغط هي في الحقيقة محركات تنبؤ. دايم تسأل: "كم أقدر أحذف بأمان لأن الطرف المستقبل يقدر يخمّنها؟"

هالفكرة مو جديدة — نظرية المعلومات تدور حولها من عقود. لكن الانفجار الحديث في تعلّم الآلة حوّلها إلى أداة عملية. نماذج اللغة الكبيرة (LLMs) هي في جوهرها آلات تنبؤ. تتوقع الكلمة التالية بناءً على الكلمات اللي قبلها. وإليك المفاجأة: النموذج اللي يتوقع بشكل ممتاز هو أيضًا نموذج يضغط بشكل ممتاز. إذا تقدر تتوقع الكلمة التالية من مسرحية شكسبير بدقة عالية، فأنت فعليًا ضغطت كل أعماله في أوزان النموذج. لهذا السبب بعض الباحثين يسمون نماذج اللغة الكبيرة "ضواغط عالمية". هي ما تحفظ من قاعدة بيانات، هي تولّد التسلسل الأكثر احتمالًا بناءً على الأنماط المضغوطة من الإنترنت كله.

ليش يهمك هذا في حياتك التقنية اليومية؟

طيب، الضغط هو التنبؤ. موضوع كبير. ليش تهمك؟ لأنه يغيّر طريقة تفكيرك في هندسة الأوامر، وفي موثوقية الذكاء الاصطناعي، وحتى في الأدوات اللي تستخدمها لتوفير مساحة التخزين.

هندسة الأوامر هي هندسة ضغط

لما تكتب أمرًا Prompt، إنت تقول للنموذج أي "سياق ضغط" يستخدمه. كل ما كانت تعليماتك أدق، كل ما قلّ تخمين النموذج. فكر فيها هيك: الأمر الغامض مثل أنك تعطي أحدهم ملفًا مضغوطًا بشكل كبير من غير مفتاح فك الضغط. النموذج بيظل يتنبأ، لكنه يتنبأ من خليط كل السياقات الممكنة، وهذا ينتج إجابات عامة أو غريبة.

أنا أجرب هذا من شهور. مثال: بدل ما أقول "اكتب مقال عن الإنتاجية"، صرت أقول: "اكتب مقال 700 كلمة بأسلوب مدون تقني ودود، مع فكاهة، وكم قصة شخصية، وخاتمة قوية. استخدم فقرات قصيرة". هكذا أنا أساسًا أعطيه سياق تنبؤ أفضل. النموذج يضغط قصدي إلى مخرج عالي الجودة لأني قللت الغموض. كل قيد تضيفه هو مثل إعطاء أداة فك الضغط دليل إضافي.

ليش الذكاء الاصطناعي يهلوس؟ (وكيف تكتشف هذا بدري)

إذا كان الذكاء الاصطناعي محرك تنبؤ، إذن "الهلوسة" هي مجرد تنبؤ واثق طلع غلط. هو النموذج يضغط نمطًا غير موجود أصلًا. لهذا يجب أن لا تعامل مخرجات الذكاء الاصطناعي على أنها حقيقة مسلّم بها. النموذج لا يقرأ موسوعة موثقة؛ هو يخمّن الشكل الأكثر قبولًا بناءً على بيانات التدريب المضغوطة.

نصيحة عملية: لما تطلب من الذكاء الاصطناعي استرجاع إحصائية أو اقتباس معين، اطلب منه يوضح مصدره. مثلًا: "من قال هذا، وفي أي سنة؟" إذا كان النموذج مضطرًا يتنبأ بالكثير من التفاصيل، بيرقع الفراغات بأرقام مخترعة. أنا دايم أطلب مصدر وبعدين أتحقق. ثق بحسك: إذا كان الجواب عامًا زيادة أو محددًا بشكل غريب عن شيء مبهم، راجع.

التكلفة الخفية للضغط في أدوات الذكاء الاصطناعي

في زاوية ثانية: معظم تطبيقات المحادثة بالذكاء الاصطناعي تستخدم نوافذ سياق تضغط. لما تكون في محادثة طويلة، النظام ما يتذكر كل كلمة قلتها. هو يلخص (يضغط) الرسائل السابقة عشان يخليها ضمن النافذة. لهذا سباق محادثتك مع ChatGPT أحيانًا "ينسى" تفصيلة من ساعة. ما هو حذفها — هو يتنبأ بملخص يخسر فيه بعض الدقة.

هذا درس كبير لأي شخص يكتب أوامر معقدة أو يعتمد على الذكاء الاصطناعي في مشاريع عمل. لا تفترض إن النموذج يتذكر رسالتك الأولى لما توصل للرسالة العشرين. إذا كان الشيء مهم، أعد ذكره. إنت هاي بتسوي الضغط بنفسك، وتبقي الجزء المهم ظاهرًا. وهذا مو مجرد أسلوب جيد في الأوامر، هذا تواصل جيد.

ثلاثة سيناريوهات حقيقية تلعب فيها "الضغط هو التنبؤ"

خلّنا ننزل للواقع. هذي ثلاث طرق شفت فيها هذا المبدأ يغيّر تعاملات تقنية يومية.

السيناريو الأول: تلخيص مقال طويل لعميل

أشتغل مع عملاء يرسلون لي تقارير صناعية من 5000 كلمة. كنت ألصق رابط في أداة محادثة وأقول: "لخّص هذا". النتيجة غالبًا كانت نقاط عامة تنطبق على أي مقال. الحين صرت أفهم ليش: النموذج كان يتنبأ بـ"ملخص مقال" من بيانات تدريبه، مو من تفاصيل مقالي الخاص.

الحل؟ أقول للنموذج "ركّز على أكثر ثلاث ادعاءات مفاجئة" و"ضمّن الأرقام الدقيقة". هذا يرغمه على ضغط *ذلك النص المحدد* بدل الكتابة التجارية العامة. النتيجة أدق بكثير، وعملائي يفكرون إني قارئ أسرع مما أنا عليه.

السيناريو الثاني: استخدام ضغط الملفات لتوفير مساحة

هذا واحد أقرب للمعنى الحرفي. عندي صديق يخزّن الصور بصيغة HEIC لأنها أصغر من JPEG. HEIC طريقة ضغط، وهي أيضًا طريقة تنبؤ. تتوقع لون كل بكسل بناءً على البكسلات اللي حوله، وتحفظ الفروق فقط. لما تسوي نسخة احتياطية في سحابة جوالك، السيرفر يضغط مرة ثانية. إذا لاحظت يومًا إن صورة قديمة شكلها "ناعم" شوي أو ناقصة تفاصيل الحبيبات، هذا هو الضغط الفقداني اللي يشتغل. جوالك حرفيًا يخمّن شو المفروض يكون شكل الحبيبات ويرمي الباقي.

الحين لما أعدّل صوري، دايم أشتغل على الملف الأصلي، أبدًا على النسخة المضغوطة. ليش؟ لأن النسخة المضغوطة فيها تنبؤات محفوظة. إذا حاولت أعدّل تعريض صورة JPEG، أنا أضخّم هالتنبؤات، والنتيجة تظهر تشوهات غريبة. مثل ما تحاول تعدّل على إشاعة بدل القصة الأصلية.

السيناريو الثالث: إكمال الكود بالذكاء الاصطناعي

أستخدم [GitHub Copilot](https://github.com/features/copilot) للسكربتات الصغيرة، ومدهش كيف يتوقع اللي أبي بدقة. بس الحين عرفت ليش: تعليقاتي وأسماء المتغيرات هي "تلميحات ضغط". إذا كتبت تعليق مثل `// calculate tax from subtotal and state code`، Copilot يقدر يتوقع السطور الجاية بثقة عالية لأنه شاف هذا النمط في كل مكان بالإنترنت. إذا كتبت تعليق غامض مثل `// do the thing`، يعطيك كود عام ما يناسب.

الدرس: كن وصفيًا في تعليقات الكود، مو بس لنفسك في المستقبل، لكن للذكاء الاصطناعي اللي يساعدك. إنت حرفيًا تعطيه السياق اللي يحتاجه ليتنبأ بشكل أفضل. هذا ضغط عملي.

كيف تستخدم هذا في شغلك وحياتك؟

إليك نصيحتي بلا لفّ ودوران لتطبيق هذا المبدأ.

1. تعامل مع الذكاء الاصطناعي كمحرك ضغط طويل جدًا

لما تستخدم أداة ذكاء اصطناعي، فكر من وين جاءت "بيانات التدريب"؟ هذا مو ذكاء؛ هذا أرشيف مضغوط للكتابة البشرية. يعني للمهام الإبداعية، الذكاء الاصطناعي ممتاز في إعادة خلط الأنماط. للمعرفة النادرة والمحددة جدًا، بيفشل. لذلك استخدم الذكاء الاصطناعي للعصف الذهني، والمسودات، والتلخيص، وإعادة الهيكلة — مو للحقائق الموثوقة.

2. دايم أضف "قيود ضغط"

كل تفصيلة إضافية في أمرك تقلل مساحة التنبؤ الممكنة. بدل "اكتب إيميل لمالك الشقة"، قل "اكتب إيميل مهذب لكن حازم لمالك الشقة أسأل فيه متى راح يتم إصلاح التسريب، وتضمّن تاريخ المراسلة السابقة". بتتفاجأ كيف المخرجات تصبح قابلة للاستخدام بسرعة.

3. تعلّم تقرأ "آثار الضغط"

في الصوت، الـ Artifacts هي تشوهات ناتجة عن الضغط الفقداني. في الذكاء الاصطناعي، الآثار هي جمل خاطئة يقولها النموذج بثقة. تعلّم تكتشفها. انتبه لكلمات مراوغة مثل "الدراسات تشير" من غير مصدر، أو أرقام دقيقة تبدو مستديرة بشكل مفرط. لما تشوف هذي، إنت تشوف تنبؤ النموذج ينحرف عن الواقع.

4. اقرأ مقال ngrok الأصلي

أعرف إنها تبدو إعلان، بس [المقال الأصلي](https://ngrok.com/blog/compression-is-prediction) يستاهل وقتك لأنه يربط هذا الموضوع بالشبكات وتصميم الـ APIs، وهذا شيء يفتح العقل. حجتهم الأساسية: إذا كان النظام يقدر يتوقع شو راح ترسل، ما يحتاج يرسل الرسالة كاملة. هكذا صارت الـ APIs الحديثة أكثر كفاءة. إذا كنت مطورًا أو حتى مستخدمًا قويًا تستخدم Zapier وأدوات الأتمتة، هذا بيغيّر طريقة تصميم سير عملك.

اللمسة الفلسفية

في شيء شاعري في هذا كله. كل مرة ترسل رسالة نصية فيها تصحيح تلقائي، إنت تعتمد على التنبؤ ليضغط كتابتك. كل مرة تشاهد فيديو على Netflix، الـ Codec يتنبأ بالإطارات لتوفير النطاق. كل مرة تطلب مساعدة من الذكاء الاصطناعي، إنت تستدعي محرك ضغط هائل، ضغط أفكار وقصص ملايين الناس في بضع غيغابايتات من الأوزان.

ولهذا السبب الذكاء الاصطناعي يحس بشيء بشري — لأن اللغة البشرية نفسها نظام ضغط. نستخدم التشبيهات والاستعارات والسياق المشترك لننقل عالمًا كاملًا من المعنى في جملة واحدة. ففي المرة الجاية اللي تواجهك كلمة على طرف لسانك، لا تنزعج. إنت بس ضاغط فقداني ما يتذكر وين غلط التنبؤ.

أسئلة شائعة

س: هل "الضغط هو التنبؤ" تعني أن الذكاء الاصطناعي مجرد إكمال تلقائي؟

تقنيًا، نعم — نماذج اللغة الحديثة هي إكمال تلقائي على نطاق ضخم. تتوقع الكلمة التالية بناءً على السياق. لكن لأنها تدرّبت على كميات هائلة من البيانات المتنوعة، تقدر تكمل فقرات كاملة وأكواد ومحادثات. إنه إكمال تلقائي يذهل العقل.

س: كيف أخلي أوامري للذكاء الاصطناعي أقل عرضة للهلوسة؟

أضف قيودًا. اطلب مصادر، وحدد النطاق، واطلب من النموذج يقول "ما أعرف" عندما يكون غير متأكد. أيضًا، قسّم سؤالك إلى خطوات أصغر بحيث يكون كل تنبؤ أبسط. سياق أكثر عادةً يعني ضغطًا أفضل.

س: هل من الأفضل استخدام ملفات غير مضغوطة عند التعامل مع صور الذكاء الاصطناعي؟

نعم. إذا كنت تخطط لتعديل صورة مولّدة بالذكاء الاصطناعي، احفظها بصيغة PNG بدل JPEG. PNG ضغط بلا فقدان، فلا تتخلص من أي بيانات بكسلات. هذا يعني أن "تنبؤات" الذكاء الاصطناعي محفوظة بالكامل، وتقدر تعدّل بدون ما تضخّم التشوهات بالصدفة.

س: ليش جلسات ChatGPT تنسى رسائل قديمة؟

لأنها تضغط. عشان تحافظ على التكاليف وسقف التوكنات، النموذج يلخص الرسائل السابقة. هذا ضغط فقداني. إذا احتجت شي يتذكر، الصق الجزء المهم في رسالتك الأخيرة.

س: هل فهم الضغط بيخليني مستخدم ذكاء اصطناعي أفضل؟

بالتأكيد. ينتقل بك من التفكير في الذكاء الاصطناعي كسحر إلى التفكير فيه كمحرك تنبؤ. بمجرد ما تفهم هذا، تتوقف عن مقاومته وتبدأ تشتغل معه. تعطيه السياق اللي يحتاجه، وتتحقق من تخميناته، وتستخدمه في أفضل ما عنده: إعادة دمج كل المعرفة البشرية التي ضغطها في شيء جديد.

---

خلاصتي: "الضغط هو التنبؤ" مو مجرد فضول تقني — هو أقرب شيء عندنا لقانون شامل للمعلومات. يفسر كل شيء من GZIP إلى GPT، من صيغ الصور إلى هندسة الأوامر. وهو عدسة تخليك مستخدم أذكى وأكثر تشككًا في كل أداة تستخدمها. المرة الجاية لما تضغط "إرسال" على إيميل مولّد بالذكاء الاصطناعي، اسأل نفسك: شو توقّع؟ وشو ترك؟ هالوعي يساوي أكثر من أي خدعة أوامر.