في المقال السابق طرحت نموذج Jev، وهو نموذج تصنيف ومفاضلة لا يولّد حرفاً ولا يؤلف نصاً. يقدّم إجابة محددة بدرجة ثقة: نعم أو لا، أو تصنيف من قائمة، أو وزن رقمي بين الصفر والواحد.
وأسأل نفسي بعد كل فكرة: كيف تبدو فعلياً في بيئة تشغيل حقيقية؟ في تجربتي مع إدارة موقعي هناك تفاصيل صغيرة لا يلاحظها القارئ إلا إذا تعطلت. وهنا سأستعرض الحالات التي استخدمت فيها Jev في كواليس موقعي:
١- اقتراح الوسوم مع نسبة الصواب
عند حفظ مقال جديد أو سؤال، يقترح النظام وسوماً مرشحة. يقيّم Jev كل وسم مقابل النص ويضع بجانبه وزناً دلالياً (مثل: «الأجايل ٨٧٪»). تُرتّب الوسوم تنازلياً، وتُضاف بنقرة واحدة بشرط تجاوز حد الثقة الأدنى.
وضعت لنفسي ثلاث قواعد:
الإضافة التلقائية تختار فقط من قائمة الوسوم المعتمدة مسبقاً، حتى لا تتكاثر وسوم عشوائية بصيغ إملائية متباينة.
الوسوم الجديدة تظهر كاقتراح منفصل ولا تُعتمد إلا بنقرة يدوية.
النسبة الرقمية مؤشر صلة للاستئناس، وليست حقيقة مطلقة.
٢- فرز التعليقات والأسئلة ورسائل التواصل
كل تعليق أو رسالة تُمرَّر على Jev بأسئلة محددة: هل فيها إعلان مزعج؟ هل فيها إساءة؟ هل هي خارج سياق المنصة؟ وفي نموذج التواصل: هل هي عرض عمل، أم طلب دعم، أم رسالة مريبة؟
والقرار لا يُترك للنموذج وحده، بل يمر بثلاث طبقات:
ما كان إزعاجاً بوضوح يُوقف للمراجعة ولا يُنشر.
ما كان سليماً بوضوح يمر في مساره الطبيعي.
المنطقة الرمادية بينهما تُحال إليّ لأقرر فيها بنفسي.
ومبدأ واحد لا أتنازل عنه: لا شيء يُحذف نهائياً وتلقائياً دون تدخّل بشري. أحتفظ بـ Raw Scores لأعيد ضبط Thresholds لاحقاً دون إعادة تشغيل العمليات. وفي البريد تصلني الرسائل موسومة بنوعها في العنوان، فأعرف فوراً ما يستحق الرد السريع.
٣- ترشيح المقالات ذات الصلة
الاعتماد على الوسوم المشتركة وحدها ينتج ترشيحات سطحية ومكررة. لذلك أجمع قائمة مبدئية، ثم يرتبها Jev حسب صلتها الدلالية الفعلية بالمقال المقروء.
تتم العملية لحظة الحفظ في لوحة التحكم، لا عند فتح الزائر للصفحة، فلا يواجه القارئ أي بطء. وإذا كانت أفضل نتيجة ضعيفة الصلة ألغيت القسم كله. عرض مقال غير مرتبط يضر بتجربة القارئ أكثر من غياب الترشيح.
٤- مطابقة الأسئلة ومنع التكرار
حين يصل استفسار جديد، يلتقط البحث المبدئي بالتشابه اللغوي الأسئلة القريبة، ثم أطرح على Jev السؤال الحاسم: «هل هذا السؤال مكرر؟»
هنا الفرق الحقيقي. كثير من الأسئلة تتشابه في الكلمات وتختلف في القصد، وأخرى تختلف في الصياغة وتتطابق في الغاية. ولا يُمنع سؤال مشروع لمجرد شبهه الشكلي بسؤال آخر. وفي صفحة كل سؤال تظهر قائمة استفسارات ذات صلة حقيقية.
٥- الأكثر قراءة: حيث لا يتدخل Jev
في هذه الحالة لا يتدخل Jev إطلاقاً. حساب «الأكثر قراءة» معادلة إحصائية من سطرين توازن بين وتيرة القراءات الحديثة وعمق التصفح. النموذج لا يرى أرقام الزيارات، ولا معنى لتحميله ما تكفيه معادلة بسيطة.
ومن علامات النضج في التعامل مع الذكاء الاصطناعي أن تعرف متى تتوقف عن استخدامه.
هل يفهم العربية بكفاءة؟
اختبرته على مجموعات صغيرة صنفتها بيدي قبل الإطلاق:
مقاصد الأسئلة: ١٠٠٪ على الأسئلة.
فرز التعليقات: ١٠٠٪ في رصد الإزعاج عل التعليقات، وتجاوز ٩٠٪ في التمييز بين الإساءة والتعليقات الإيجابية.
ربط المقالات: بين ٨٥٪ و٩٢٪ حسب دقة صياغة التوجيه (Prompt). وكتابة التعليمات بالإنجليزية مع إبقاء النصوص بالعربية رفعت الدقة قليلاً.
الأداء والتكلفة: زمن استجابة لا يتعدى ثلث ثانية، وكلفة الاختبار كاملاً أقل من سنت واحد.
إن الأتمتة بالذكاء الاصطناعي ليست بالضرورة روبوت محادثة معقداً. قيمتها في تجربتي في التعديلات الصغيرة والسريعة: فرز، ربط، مقارنة، وترتيب. هي لا تفكر بدلاً عني، لكنها ترفع جودة التفاصيل الصغيرة التي تصنع فرقفي تجربة القارئ.
وقبل أن أستخدم نموذج ذكاء اصطناعي في أي مشروع جديد، أسأل نفسي دائماً: هل تحتاج هذه المشكلة إلى إنشاء محتوى جديد أم مجرد تصنيف؟
