النافذة السياقية.. ذاكرة الذكاء الاصطناعي التي تحدد ما يتذكره وما ينساه

تقرير تكتبه ـ أمل علوي:

لماذا ينسى المساعد الذكي أحيانًا ما قلته له في بداية محادثة طويلة؟ ولماذا يستطيع نموذج ما قراءة كتاب كامل دفعة واحدة بينما يعجز آخر عن استيعاب تقرير من عشرين صفحة؟ الإجابة تكمن في مفهوم تقني يُعرف باسم «النافذة السياقية»، وهو الحد الأقصى من النصوص التي يستطيع نموذج الذكاء الاصطناعي أن يأخذها في اعتباره في اللحظة نفسها. وقد تحولت هذه النافذة خلال سنوات قليلة من بضع صفحات إلى ما يعادل مكتبة صغيرة، لتصبح واحدة من أهم المواصفات التي تتنافس عليها الشركات. وفي هذا التقرير نشرح معنى النافذة السياقية، وكيف تطورت، ولماذا لا تعني النافذة الأكبر دائمًا أداءً أفضل.

يمكن تشبيه النافذة السياقية بسطح مكتب يعمل عليه النموذج؛ فكل ما يوضع على هذا المكتب يستطيع النموذج رؤيته والرجوع إليه أثناء كتابة إجابته، أما ما لا يتسع له المكتب فيسقط خارج نطاق انتباهه. ويشمل هذا المكتب كل شيء في المحادثة؛ تعليمات النظام، ورسائلك السابقة، وردود النموذج عليها، والملفات التي ترفعها، وأيضًا الإجابة التي يكتبها النموذج الآن. ولهذا فإن المحادثة الطويلة جدًا قد تتجاوز حجم النافذة، فتضطر التطبيقات إلى حذف الأجزاء القديمة أو تلخيصها، وهنا يبدو الأمر كأن النموذج «نسي» ما قيل في البداية.

ولا تُقاس النافذة السياقية بعدد الكلمات أو الصفحات، بل بوحدات تسمى «التوكنز» أو الرموز، وهي أجزاء صغيرة من النص قد تكون كلمة كاملة أو جزءًا من كلمة أو علامة ترقيم. وفي اللغة الإنجليزية يعادل التوكن الواحد في المتوسط نحو ثلاثة أرباع الكلمة، بينما تستهلك اللغة العربية عادة عددًا أكبر من التوكنز للمعنى نفسه بسبب طبيعة الكلمات المركبة من سوابق ولواحق، وهو ما يعني أن النافذة نفسها تتسع لنص عربي أقصر نسبيًا من النص الإنجليزي.

وقد شهدت النافذة السياقية قفزات مذهلة خلال فترة قصيرة؛ فنموذج GPT-3 الذي أطلقته OpenAI عام 2020 كان يتعامل مع نحو ألفي توكن فقط، أي ما يعادل بضع صفحات. ثم جاء GPT-4 عام 2023 بنافذة تصل إلى 32 ألف توكن في إحدى نسخه، ووسعت Anthropic نافذة نموذجها Claude إلى مئة ألف توكن ثم إلى مئتي ألف في العام نفسه. وفي مطلع 2024 أعلنت جوجل أن نموذج Gemini 1.5 Pro يستطيع التعامل مع مليون توكن، قبل أن ترفعها إلى مليوني توكن، فيما أعلنت ميتا في أبريل 2025 أن نموذجها Llama 4 Scout يدعم نظريًا عشرة ملايين توكن. وبحلول 2026 صار المليون توكن تقريبًا هو المعيار المشترك بين النماذج الرائدة من OpenAI وAnthropic وجوجل، وهو ما يكفي لقراءة عدة كتب أو قاعدة برمجية كاملة في طلب واحد.

لكن لماذا لا تُمنح النماذج نافذة غير محدودة؟ السبب الأساسي تقني ومالي معًا؛ فآلية «الانتباه» التي تقوم عليها نماذج المحولات تجعل كل جزء من النص يقارن نفسه بكل الأجزاء الأخرى، ولذلك يتضاعف حجم الحسابات والذاكرة المطلوبة بسرعة كبيرة كلما زاد طول النص. ويعني ذلك أن معالجة النصوص الطويلة جدًا تكون أبطأ وأغلى، ولهذا تفرض بعض الشركات أسعارًا أعلى على الطلبات التي تتجاوز حدًا معينًا من التوكنز، بينما يعمل المهندسون باستمرار على ابتكار طرق أكثر كفاءة لإدارة هذا الانتباه.

والأهم من ذلك أن النافذة الكبيرة لا تضمن أن النموذج سيستفيد من كل ما فيها بالقدر نفسه؛ فقد أظهرت دراسة شهيرة نُشرت عام 2023 بعنوان «ضائع في المنتصف» أن النماذج تتذكر المعلومات الموجودة في بداية النص ونهايته أفضل من تلك المدفونة في وسطه. كما اختبرت شركة Chroma ثمانية عشر نموذجًا في دراسة عن ظاهرة سمتها «تعفن السياق»، ووجدت أن موثوقية جميع النماذج تتراجع بشكل ملموس كلما طال النص المدخل، وأحيانًا قبل أن تمتلئ النافذة بكثير. أي أن الرقم المعلن للنافذة يمثل الحد الأقصى النظري، بينما قد يكون الجزء الذي يعمل فيه النموذج بكفاءة عالية أصغر من ذلك.

وتفتح النوافذ الكبيرة مع ذلك أبوابًا واسعة للاستخدام؛ فهي تسمح بتحليل عقود قانونية طويلة، ومراجعة تقارير مالية سنوية كاملة، وفهم مشروعات برمجية بآلاف الملفات، وتلخيص ساعات من التسجيلات الصوتية والمرئية، كما تمنح وكلاء الذكاء الاصطناعي القدرة على العمل لفترات أطول على مهام معقدة دون أن يفقدوا خيط العمل. وفي المقابل تظل تقنية «التوليد المعزز بالاسترجاع» مكملًا مهمًا، إذ تبحث في قواعد معرفية ضخمة وتضع في النافذة المقاطع ذات الصلة فقط، بدلًا من إغراق النموذج بكل شيء.

وللاستفادة العملية من النافذة السياقية ينصح الخبراء بعدة أمور؛ منها بدء محادثة جديدة عند الانتقال إلى موضوع مختلف بدلًا من إطالة المحادثة القديمة، ووضع التعليمات والأسئلة الأهم في بداية الطلب أو نهايته، وتقديم المستندات ذات الصلة فقط بدلًا من رفع كل ما هو متاح، وطلب ملخص دوري في المحادثات الطويلة لإعادة تثبيت النقاط الأساسية. فالنافذة الأكبر أداة قوية، لكن حسن استخدامها هو ما يصنع الفرق.

إن النافذة السياقية هي في جوهرها «الذاكرة العاملة» لنموذج الذكاء الاصطناعي، وتوسعها السريع أحد أهم أسباب تحول المساعدات الذكية من أدوات للإجابة عن أسئلة قصيرة إلى شركاء قادرين على قراءة الكتب وتحليل المشروعات الكاملة. ومع استمرار السباق نحو نوافذ أكبر، يبقى التحدي الحقيقي أمام الشركات ليس في الرقم المعلن، بل في جعل النموذج يفهم كل ما تحتويه نافذته بالدقة نفسها من أولها إلى آخرها.

ــــــــــــــــــــ

هذا المحتوي تم باستخدام أدوات الذكاء الإصطناعي