ماذا يحدث داخل الذكاء الاصطناعي في الثواني القليلة التي تسبق كتابة أول كلمة؟ لطالما شُبّهت النماذج اللغوية الكبيرة بـ«الصندوق الأسود»؛ فنحن نطرح سؤالاً، وبعد ثوانٍ نحصل على إجابة تبدو منطقية ومترابطة، لكننا لا نعرف بدقة ما الذي جرى داخل النموذج بين لحظة تلقي السؤال ولحظة ظهور الإجابة.
ولم يعد هذا الغموض مجرد فضول علمي؛ إذ يمثل واحداً من أكبر التحديات أمام استخدام الذكاء الاصطناعي في الطب والقضاء والقطاعات الحساسة، حيث لا تكفي دقة النتيجة وحدها، بل يجب أيضاً فهم الأساس الذي بُني عليه القرار، وإمكان مراجعته ومساءلة المسؤولين عنه.
وفي دراسة نُشرت في 6 يوليو (تموز) 2026 بعنوان «التمثيلات القابلة للتعبير تكوّن مساحة عمل عالمية داخل النماذج اللغوية»، قدّم باحثون من شركة «أنثروبيك» (Anthropic) أدلة على وجود بنية داخلية جديدة في نموذج «كلود» (Claude)، قد تساعد في تفسير الكيفية التي ينظم بها النموذج المعلومات ويصل إلى استجاباته. ويرى الباحثون أن هذه البنية تؤدي وظائف تشبه ما يُعرف في علوم الأعصاب بـ«مساحة العمل العالمية» (Global Workspace)، وهي النظرية التي تفسر كيفية تنظيم الدماغ للمعلومات قبل اتخاذ القرار.
فكرة جاءت من علم الأعصاب
تستند هذه الفكرة إلى نظرية في علم الإدراك طرحها عالم الإدراك البريطاني برنارد بارس في ثمانينات القرن الماضي، ثم طوّرها لاحقاً باحثون في علوم الأعصاب. وتفترض هذه النظرية أن الدماغ يعالج المعلومات عبر شبكات عصبية متخصصة تعمل بالتوازي، قبل أن تنتقل المعلومات الأكثر أهمية إلى «مساحة عمل» مركزية، حيث تصبح متاحة لبقية مناطق الدماغ لاتخاذ القرار أو صياغة الاستجابة.
والمثير في الدراسة أن تحليلات باحثي شركة «أنثروبيك» تشير إلى أن نموذج «كلود» لم يُبرمج وفق هذه النظرية، لكنه طوّر أثناء التدريب بنية داخلية تؤدي وظائف متشابهة، من خلال تنظيم المعلومات وإتاحتها لأجزاء مختلفة من النموذج خلال عملية الاستدلال.
ومع ذلك، يؤكد الباحثون أن هذا التشابه لا يعني امتلاك الذكاء الاصطناعي وعياً أو إدراكاً ذاتياً، بل يصف آلية حسابية لتنظيم المعلومات قد تساعد في تفسير كيفية وصول النموذج إلى بعض استجاباته.
> ما هي «مساحة جيه»؟ لا يستطيع الباحثون رؤية «الأفكار» داخل النموذج اللغوي بصورة مباشرة، لكنهم طوروا أداة تحليل جديدة أطلقوا عليها اسم «عدسة جاكوبيان» (Jacobian Lens)، تتيح تتبع بعض التمثيلات الداخلية التي يستخدمها النموذج أثناء معالجة المعلومات.
وباستخدام هذه الأداة، رصد الباحثون فضاءً تمثيلياً أطلقوا عليه اسم «مساحة جيه» (J-Space)، وهو مجموعة من التمثيلات الداخلية القابلة للتعبير، يبدو أنها تؤدي دوراً محورياً في تنظيم المعلومات أثناء عملية الاستدلال، قبل أن تتحول إلى كلمات يراها المستخدم.
ويشبّه الباحثون هذه العملية باجتماع يعقده فريق من الخبراء داخل مؤسسة كبيرة؛ إذ يقدّم كل عضو ما لديه من معلومات، ثم تُدمج الأفكار الأكثر أهمية قبل إصدار القرار النهائي. وما يراه المستخدم في النهاية ليس ذلك النقاش الداخلي، بل النتيجة التي خرج بها. ولم تقتصر أهمية «عدسة جاكوبيان» على كشف وجود هذه البنية، بل أتاحت أيضاً للباحثين تتبع بعض المفاهيم التي يحتفظ بها النموذج أثناء الاستدلال، وهو ما لم يكن ممكناً في النماذج اللغوية السابقة.
> الاستدلال قبل الكلمات. تشير نتائج الدراسة إلى أن النموذج لا يبدأ بتوليد الكلمات فور تلقي السؤال، بل يمر أولاً بمرحلة داخلية تتشكل فيها مجموعة محدودة من التمثيلات المرتبطة بالمفاهيم ذات الصلة، وتُستخدم لتوجيه عملية الاستدلال قبل ظهور أول كلمة للمستخدم.
ولعل أكثر ما يثير الاهتمام أن بعض هذه التمثيلات قد لا يظهر إطلاقاً في الإجابة النهائية، وهو ما يشبه - من الناحية الوظيفية - تفكير الإنسان بصمت قبل أن يتحدث، مع اختلاف جوهري بين الحالتين.
ويؤكد الباحثون أن هذا التشابه لا ينبغي تفسيره على أنه دليل على وجود وعي أو مشاعر أو إدراك ذاتي لدى النموذج، بل هو وصف لآلية حسابية تنظم تدفق المعلومات أثناء الاستدلال، ولا تحمل أي دلالة على وجود تجربة ذهنية شبيهة بالإنسان.
> ماذا يحدث إذا تعطلت «مساحة جيه»؟ لاختبار أهمية هذه البنية الداخلية، أجرى الباحثون سلسلة من التجارب عطّلوا فيها تأثير التمثيلات الموجودة داخل «مساحة جيه»، مع الإبقاء على بقية مكونات النموذج دون تغيير.
وأظهرت النتائج أن النموذج ظل قادراً على إنتاج لغة سليمة والإجابة عن الأسئلة البسيطة، إلا أن أداءه تراجع بصورة ملحوظة في المهام التي تتطلب استدلالاً متعدد الخطوات، أو تلخيص النصوص، أو الربط بين معلومات متباعدة، أو معالجة المشكلات المعقدة.
وتشير هذه النتائج إلى أن هذه البنية تؤدي دوراً أساسياً في دعم عمليات الاستدلال داخل النموذج. قطاع الطب والرعاية الصحية
> لماذا يهم هذا الأطباء؟ قد يبدو هذا الاكتشاف نظرياً للوهلة الأولى، لكنه يحمل دلالات مهمة لمستقبل الرعاية الصحية؛ فالطبيب لا يريد فقط أن يعرف أن نظام الذكاء الاصطناعي أوصى بتشخيص معين أو اقترح خطة علاج، بل يحتاج أيضاً إلى فهم الأساس الذي استند إليه ذلك القرار، لا سيما عندما يتعلق الأمر بحالة قد يترتب عليها تدخل علاجي أو جراحي.
ولا تدّعي هذه الدراسة أنها جعلت قرارات النماذج اللغوية قابلة للتفسير الكامل، لكنها تفتح الباب أمام تطوير أدوات قد تساعد مستقبلاً في فهم الكيفية التي تنظم بها هذه النماذج معلوماتها قبل الوصول إلى الاستنتاج النهائي.
وإذا أكدت الدراسات اللاحقة إمكانات هذه المقاربة، فقد تسهم في تطوير معايير جديدة لتقييم أنظمة الذكاء الاصطناعي قبل استخدامها في التطبيقات الطبية، بحيث لا يقتصر الحكم على دقة النتائج، بل يشمل أيضاً شفافية عملية الاستدلال وإمكان مراجعتها.
> نافذة جديدة لحوكمة الذكاء الاصطناعي. لا تقتصر أهمية هذه الدراسة على فهم كيفية عمل النماذج اللغوية، بل قد تفتح أيضاً آفاقاً جديدة أمام حوكمة الذكاء الاصطناعي، لا سيما في التطبيقات عالية الخطورة مثل الرعاية الصحية.
فبدلاً من الاكتفاء بتقييم الإجابة النهائية، قد تتيح هذه الأدوات مستقبلاً فحص بعض التمثيلات الداخلية التي يعتمد عليها النموذج أثناء الاستدلال، بما يساعد الباحثين في رصد مؤشرات ترتبط بدرجة عدم اليقين، أو بمحاولات تضليل النموذج، أو بالاعتماد على معلومات غير كافية قبل الوصول إلى النتيجة النهائية.
وإذا أكدت الدراسات اللاحقة إمكانات هذه المقاربة، فقد تسهم في تطوير معايير جديدة لتقييم أنظمة الذكاء الاصطناعي قبل استخدامها في التطبيقات الطبية، بحيث لا يقتصر الحكم على دقة النتائج، بل يشمل أيضاً شفافية عملية الاستدلال وإمكان مراجعتها.
وقد يمثل ذلك تحولاً مهماً في فلسفة الحوكمة؛ إذ لن يقتصر السؤال مستقبلاً على: هل كانت الإجابة صحيحة؟ بل سيمتد إلى سؤال أكثر أهمية: كيف وصل النظام إلى هذه الإجابة؟ وهل يمكن الوثوق في الطريقة التي استدل بها؟
> من الصندوق الأسود إلى الصندوق الزجاجي. قد لا تكمن القيمة الأهم لهذه الدراسة في أنها كشفت ما يدور داخل النماذج اللغوية، بل في أنها أثبتت أن فهم بعض آلياتها الداخلية لم يعد أمراً مستحيلاً؛ فعلى مدى سنوات، انصب اهتمام الباحثين على تقييم جودة الإجابات التي تقدمها أنظمة الذكاء الاصطناعي، أما اليوم فقد بدأ الاهتمام ينتقل تدريجياً إلى فهم الكيفية التي تتشكل بها تلك الإجابات قبل أن تظهر للمستخدم.
ولا يزال الطريق طويلاً قبل الوصول إلى نماذج قابلة للتفسير الكامل، لكن هذه الدراسة قد تمثل بداية الانتقال من عصر «الصندوق الأسود»، الذي نحكم فيه على الذكاء الاصطناعي من خلال نتائجه فقط، إلى عصر «الصندوق الزجاجي»، الذي نحاول فيه فهم المنطق الذي قاد إلى تلك النتائج.
وقد يكون هذا التحول هو الخطوة الأهم نحو بناء جيل جديد من الذكاء الاصطناعي الجدير بالثقة. ففي الطب، لا تكفي الإجابة الصحيحة وحدها، بل يجب أيضاً أن تكون طريقة الوصول إليها مفهومة، وقابلة للمراجعة، وجديرة بثقة الطبيب والمريض.
وربما لم يعد السؤال الأهم: هل يستطيع الذكاء الاصطناعي أن يقدم الإجابة الصحيحة؟ بل أصبح: هل يمكن للطبيب أن يثق بإجابة لا يستطيع أحد تفسيرها؟
