── استبدل الآلية بـ "الأشخاص الذين يعملون هناك"، وستتضح الصورة كاملة ──

الشخصيات — 9 موظفين في AI Inc.

01
السيد برومبت
العميل / يطرح السؤال
"هل يمكنك التعامل مع هذا؟"
02
موظف استقبال نافذة السياق
مكتب الاستقبال / يدير السعة
«نستوعب 128k رمز (token) هنا!»
03
عامل الرموز
خط مصنع / يقطّع النص إلى أجزاء
«نحن نتعامل مع "القطع" لا مع الكلمات»
04
حِرَفيّ التضمين
المترجم الرقمي / كلمات → أرقام
"'كلب' على هيئة أرقام — تفضّل"
05
مدير الانتباه
الأولوية / تحدد ما يهم
"المهم هنا، وتجاهل ما هناك!"
06
فريق HQ Inference
محرك الاستدلال / يتنبأ بالكلمة التالية
"الكلمة التالية هي... هذه!"
07
أمين مكتبة RAG
مرجع خارجي / ينفّذ عمليات البحث
"دعني أتحقق من المكتبة الخارجية"
08
مشرف الوكلاء
أدوات خارجية / تستدعي واجهات برمجة التطبيقات والأدوات
"أستطيع استخدام الآلات الحاسبة وواجهات API وأي شيء"
09
مبتدئ الهلوسة
مبتدئ مفرط الثقة / يُتعامل معه بحذر
«على الأرجح... هكذا!» (بلا أي أساس)

القصة — يوم في AI Inc.، من «وصول العميل» إلى «تسليم الإجابة»

1. في الصباح، يدخل زبون

يصل أحد العملاء إلى المكتب ذي الجدران الزجاجية. السيد برومبت. طلب اليوم:

السيد برومبت:"أريد ملخصًا من 200 كلمة عن سبب أهمية شركات الأدوية."

2. فحص السعة عند مكتب الاستقبال

At the entrance, the موظف استقبال نافذة السياق يرحّب به. مهمته التأكد مما إذا كان طلب العميل، مع المستندات الداخلية، يقع ضمن الطاقة الاستيعابية المسموح بها اليوم. الرمز المميز (توكن) هو "قطعة" من النص — أدق بكثير من الكلمة.

موظفة الاستقبال:"مفهوم. السؤال 25 رمزًا (token)، وما زالت هناك مساحة للمستندات الداخلية. لكن الإنجليزية تستهلك قطعًا أقل."

3. خط الإنتاج يقطّع النص إلى قطع

ينتقل الطلب فورًا إلى خط الإنتاج في المصنع. ويقف عند السير الناقل عمال الرموز. لا يقسّم النص إلى "كلمات" كما نفهمها، بل إلى أجزاء حروف أدق بكثير. "Pha/rma/ceuti/cal/ com/pan/y..." — تقسيم يبدو غريبًا، لكن هكذا يعمل الذكاء الاصطناعي.

4. تحويل الكلمات إلى أرقام

The pieces go to the حِرَفيّ التضمين. "'Pharma' كأرقام... متجه من 768 بُعدًا. تم!" تتحول الكلمات إلى كتل ضخمة من الأرقام وهي تنتقل إلى الخطوة التالية. الذكاء الاصطناعي لا يقرأ النص — بل يتعامل دائمًا مع حساب الأرقام.

5. تحديد ما يهم

يدخل مدير الانتباه. وبدلًا من التعامل مع جميع المعلومات على قدم المساواة، يقرر في اللحظة نفسها ما الذي يركّز عليه.

المدير:"«لماذا تهمّ» هي المفتاح اليوم! وزن كبير لعلاقتها بـ«شركة الأدوية»!"

6. التنبؤ بالكلمة التالية بلا هوادة

الآن، جاء دور فريق HQ Inference (بل مئات المليارات منها) تنطلق إلى العمل. وبالاعتماد على المعرفة التي امتصّتها من قراءة نصوص العالم، تتنبأ بـ"الكلمة التالية". "Pha/rma/ ind/us/try/ ex/ists/ to / preserve / patient / trust..." — قطعة تلو أخرى، تولد الإجابة. هذه هي حقيقة الذكاء الاصطناعي: التنبؤ بالرمز التالي أثناء العمل.

7. حين يكون الأمر مجهولًا، اركض إلى المكتبة

في منتصف الطريق، يبدو أحد الموظفين منزعجًا. "همم، إذا سألوا عن أحدث لائحة تنظيمية، فقد تكون معرفتنا الداخلية قديمة جدًا..." عندها أمين مكتبة RAG يتم استدعاؤه.

أمين المكتبة:"سأركض إلى المكتبة الخارجية!" — أي جلب أحدث المعلومات من قاعدة البيانات الخارجية ("المكتبة") وتسليمها إلى الموظفين. هذا هو RAG (التوليد المعزَّز بالاسترجاع).

8. الأدوات تخص المشرف الموثوق

"Let me know if you need calculations," the مشرف الوكلاء يتدخل. الآلات الحاسبة، ومحركات البحث، والبريد الإلكتروني، وواجهات API الخارجية — يمكنه استدعاءها جميعًا. ما حوّل "الذكاء الاصطناعي الذي يستجيب" إلى "الذكاء الاصطناعي الذي يعمل فعلًا" هو الشخص نفسه.

9. لكن الجميع يراقب المبتدئ في الزاوية

In the corner sits a young employee who attracts wary glances from the rest of the team. The مبتدئ الهلوسة. لديه عادة الإجابة بثقة حتى عندما لا يسأله أحد.

المبتدئ:«أكثر شركة أدوية موثوقية في العالم هي Astellas!»
زملاء العمل:«لحظة، على أي أساس؟!»
المبتدئ:«حسنًا، لقد بدا لي ذلك مناسبًا فحسب...»

هذه هي الطبيعة الحقيقية للذكاء الاصطناعي هلوسة. المخرجات المقنعة لكنها خاطئة لا تنشأ عن سوء نية — بل تنشأ من بنية الذكاء الاصطناعي نفسها. ولهذا بالضبط يظل التحقق البشري أمرًا لا غنى عنه.

10. تسليم الإجابة النهائية

وأخيرًا، يأتي موظف استقبال نافذة السياق يأخذ الإجابة المكتملة ويسلّمها إلى السيد Prompt. "تفضّل!" — ينساب النص على الشاشة. هذا هو يوم في AI Inc.

Cast → real AI terminology

الشخصيةالمصطلح الحقيقيفي سطر واحد
السيد برومبتالموجّهالسؤال أو التعليمات نفسها
موظف استقبال نافذة السياقنافذة السياقالحد الأقصى للرموز (tokens) التي تُعالج دفعة واحدة
عامل الرموزالترميز (Tokenization)تقسيم النص إلى وحدات يستطيع الذكاء الاصطناعي التعامل معها
حِرَفيّ التضمينالتضمينتحويل الكلمات إلى متجهات رقمية
مدير الانتباهآلية الانتباهتحديد ما يهم في سياقه
فريق HQ Inferenceالاستدلال / التنبؤ بالرمز التاليالتنبؤ بالكلمة التالية اعتماداً على احتمالات متعلَّمة
أمين مكتبة RAGRAG (التوليد المعزَّز بالاسترجاع)جلب معارف خارجية للإجابة
مشرف الوكلاءوكيل الذكاء الاصطناعيذكاء اصطناعي يستدعي أدوات خارجية لتنفيذ المهام
مبتدئ الهلوسةالهلوسةمخرجات تبدو معقولة لكنها غير صحيحة
إن كنت قد قرأت حتى هنا، فربما صار بوسعك أن تتخيل، ولو بشكل خافت، ذلك "المكتب العملاق" الذي يعمل بهدوء خلف شاشة ChatGPT. حتى عندما تقول وثائق الموردين "الحد الأقصى للرموز هو..." أو "RAG على المستندات الداخلية..." أو "وظيفة الوكيل..." — لن يبدو أي من ذلك مخيفًا بعد الآن. فقط تذكّر ما يفعله كل موظف.

المجلدان 2 و3 (متاحان الآن)

الجزء 2: تطبيق عملي — بناء مستندات متسقة مع المصدر بالذكاء الاصطناعي باستخدام قواعد بنية العبارة. ليس مجرد قراءة: عشر خطوات تبني فيها أنت والذكاء الاصطناعي معًا موجّه تحقق.
الجزء 3: "البريد الإلكتروني ومحاضر الاجتماعات والملخصات — 30 دقيقة يوميًا مع الذكاء الاصطناعي." ثلاثة مسارات عمل عملية توفّر 22–33 ساعة شهريًا.