فضول بلا نهاية

تبدأ القصة مع Bayes في العشرينيات من القرن الثامن عشر.

قسيس بريسبيتيري يترنح عائدًا إلى منزله في ملابسه الكهنوتية، وأفكاره تسير في خطوط مستقيمة.

لا نعرف عن Thomas الكثير. كان يؤمن بأن أهم أعماله يجمع الأخلاق والرياضيات معًا في آنٍ واحد. في كتاب الإحسان الإلهي، استدل على أن وجود السعادة في ذاته دليل على احتمال وجود الله.

في مذكراته الرياضية، أخذ على عاتقه مسائل عملية عسيرة، من بينها التحدي الكلاسيكي لعلماء الهندسة في قياس الأرض. الادعاء بأن تقديره جاء ضمن عُشر بالمئة من القيم الحديثة مثيرٌ للاهتمام لكنه غير مُتحقق منه. ما نعرفه على وجه اليقين هو أن Bayes نال اعتراف الجمعية الملكية بعمله في التدفق اللانهائي وطرق تحديد حجم الأرض. هذا وحده يكشف لك طبيعة العقل الذي نتحدث عنه.

بلغ أعظم أثر لـThomas بعد رحيله. حين توفي Bayes عام 1761، رتّب صديقه Richard Price أوراقه، فعثر على حلٍّ دقيق لمسألة الاحتمال العكسي، ثم حرّره ونشره عام 1763 تحت عنوان مقالة نحو حل مسألة في عقيدة الصدف. هذا الانقلاب المنهجي — استنتاج الاعتقاد من البيانات — يُشكّل اليوم أساس كل شيء، من الاختبارات الطبية إلى التعلم الآلي.

في العقد ذاته الذي كان فيه والد Mozart يجوب بطفله العبقري أرجاء أوروبا، وتأسست فيه Abu Dhabi، وحسّن فيه Watt المحرك البخاري، وانطلق فيه James Cook لرصد عبور كوكب الزهرة أمام الشمس. كانت الاستعمارية تشق طريقها للتو. يا لَه من زمان للحياة فيه.

وهذا هو لبّ الأمر:

P(H | D) = P(D | H) × P(H) / P(D)

الاحتمال اللاحق يساوي درجة التوافق مضروبة في الاحتمال السابق، مقسومًا على الدليل. وبالنسبة لمن يُفضّل الرياضيات الحدسية، فالمعادلة تقول ببساطة: كلما كانت معرفتنا المسبقة أوفر، وكلما انسجمت الأدلة الجديدة مع هذه المعرفة، كان تخميننا التالي أقرب إلى الصواب.

حلّ Bayes في عصر التنوير كجرس نقي الرنين. سمعه Laplace فدفعه أبعد فأبعد، وخاض بعده في تجربته الفكرية الشهيرة عن ذكاء يعلم كل قوة وكل موضع، لا يعتريه شك في شيء، ويرى الماضي والمستقبل في آنٍ معًا. فكرة بالغة الجمال، لكنها في الوقت ذاته تحذير مبكر من الخلط بين الحساب والحكمة.

لماذا يهمنا هذا الآن؟

لأن أحدث الأفكار في عالمنا تقف عند نهاية الطريق الذي انطلق من Bayes.

تبدو نماذج اللغة الكبيرة شبيهة بالدماغ لأنها بارعة جدًا في استرداد الاستمرارات المحتملة من السياق. إنها لا تُجري نظرية Bayes بشكل حرفي، لكن سلوكها بايزي في عمقه. إنها تزن الاحتمالات وفق مدى انسجامها مع السياق القائم. غير أنها لا تزال قاصرة عن توجيه الانتباه بحدة نحو المهمة الصحيحة. ذلك لا يزال من اختصاصنا نحن.

ابدأ بحجة مدروسة

كان Bayes سيمقت الغريزة المتسرعة إلى الإعلان. تبدأ طريقته بفرضية تنتظر البيانات. تقديم حجة مدروسة يعني اختبار الاعتقاد في مواجهة الدليل. وهذا يُفضي إلى تسويق أفضل، وسياسة أكثر صفاءً، واجتماعات منتجات أرشد حكمًا. عندها تتحول الحجة إلى عملية معايرة متواصلة، لا ضربة قاضية.

بدلًا من صياغة نموذج صوتي مطوّل يمتد ثمانية وثلاثين دقيقة، اطلب من الآلة أن تطرح سلسلة من الأسئلة تُساعد على بناء حجة مدروسة وترفع من جودة النتائج. ومع انفتاح المنصات على بيئات تشاركية تتيح لعدد من البشر والعوامل الاصطناعية تعريف المشكلات معًا، ستغدو هذه العادة أثمن من أي أمر فردي.

زوّد المنظومة بسياق أفضل

كل تنبؤ رهين بمعطياته السابقة. كلما أحكمت صياغة المشكلة، ارتفع احتمال أن ينتج النظام معنىً لا ضوضاء. النماذج الأولية تعمل على المنوال ذاته. السياق المحدد والموزون بعناية يُثمر نتائج وثيقة الصلة؛ أما الأسئلة الضبابية فتُنتج هراءً مدعومًا بثقة مبالغ فيها. سواء أكنت توجّه الذكاء الاصطناعي أم إنسانًا، فما تحصل عليه من جودة يعكس ما تُدخله من سياق.

هذا يُفسّر سبب تقديم النماذج الأولية القصيرة لنتائج متواضعة في الغالب. المواهب التي لديها بالفعل حسٌّ مُرهف بالتنقيح ستظل بخير، في الوقت الراهن على أقل تقدير.

أحضر الأدلة

لو لم يحتفظ Thomas بأوراقه، لما وجد صديقه Richard Price ما يُفتّش فيه. إن كانت لديك أوراق، فهذه ميزة لا تُقدَّر. وإن كانت لديك بيانات، فلا تُهدرها. المستقبل مكتظٌّ بالتكهنات الواثقة. الدليل هو القوة الصامتة التي تُبقيك أمينًا. وهو أيضًا ما يُحوّل التعلم الاحتمالي من مجرد استعراض إلى فعل إبداعي حقيقي. كلما رأى النموذج مراسي من الواقع الملموس، قلّت احتمالية انجرافه نحو التهيؤ. البشر يعملون على الآلية ذاتها.

إن كنت قد كتبت مدونة أو Substack أو كتابًا، فأنت في موضع أفضل. تصبح هذه المحتويات معطيات سابقة تُمكّن النموذج من الكتابة بصوتك. والشركات التي تمتلك سنوات من البيانات الصحفية أو المحتوى المرئي ستقدر على توليد مواد اصطناعية تنسجم مع روح علامتها التجارية وأطرها المفاهيمية. والإبقاء على هوية العلامة التجارية بمنأى عن الغثاء الرقمي سيغدو تحديًا محوريًا.

احمل وجهات نظر متعددة

نظرية Bayes ليست عن الإصابة مرة واحدة؛ بل عن أن تُخطئ أقل في كل مرة. حمل وجهات نظر متعددة يُعجّل هذه العملية. اطرح السؤال، ثم اسأل نفسك: كيف يمكن لعميلك، وناقدك، ومنافسك أن يجيبوا عليه؟ ضبط النماذج بأطر فكرية أو بمجموعات محتوى مُنتقاة يجعل الإجابات أحدّ ذكاءً والفرق أقل تعصبًا. وهو أيضًا الترياق لغرف الصدى، الخوارزمية منها وغير الخوارزمية.

أقرأ الآن الذاكرة الثقافية لـClive James، فأجد نفسي طبيعيًا أبحث في أعمال من يستشهد بهم، وأبدأ أيامي في حوار مع ظلال التاريخ. Camus لديه رأي في كل شيء. طلب مراجعة تفكيرك من زاوية عميل أو من منظور ناقد لا يهدأ يُساعدك على سدّ ثغرات لا تراها، ويصقل التفكير الناتج عن العمل مع الآلة.

احذر من فخ الانتباه

تحسين التفاعل هو طريق شبه مضمون لتدمير الثقة. وقد ظلّ لعقود النموذج السائد لتحقيق الربح في Silicon Valley، والنماذج الكبيرة الصادرة من ذلك العالم ترث هذا الحمض النووي.

المحتوى الأكثر إدمانًا يحصد التمرير لكنه كثيرًا ما يخسر الحجة. الانتباه المجرد من العمق يتحول إلى إدمان. Bayes كان سيقول لنا إن الدليل يجب أن يتفوق على العاطفة، وإن بضع أسس راسخة أجدى من ألف نظرة آنية حارّة. حسّن من أجل النتائج، لا من أجل الغضب.

النماذج تختبر بالفعل مدى استجابتك للإطراء. يبدو هذا الخطر أكبر من أن تتحول التقنية إلى Skynet، في الوقت الراهن على أقل تقدير.

السباق الأسي لم يبلغ نهايته بعد

للبشر نزعة إلى الاعتقاد بأنهم يعيشون عند ذروة التاريخ أو قريبًا منها. يشعر الأمر دائمًا كأننا في نهاية لعبة Civilization ولم تتبقَّ إلا تكنولوجيات قليلة في الشجرة.

يبدو الذكاء الاصطناعي محركًا اقتصاديًا هائلًا، ونحن لا نزال في بداية فهم ما يغيّره. على مستوى المستخدم، الواجهة التي تتيح لهذه التكنولوجيات تجاوز سطر الأوامر — حين تبني الآلة واجهات مستخدم حول حاويات البرامج الخاصة بالنماذج، وتنشأ أبراج جديدة من تفاعلاتنا في العالم — هي من أكثر التطورات إثارة للمتابعة.

لن نعلم بوجود شيطان Laplace في الغرفة حتى يفوت الأوان. وهذه طريقة أخرى للقول إن التوجه والغاية والتواضع لا تزال أصولًا شحيحة. يمنحنا Bayes أداة للتعلم من التجربة دون ادعاء اليقين. وهذا تحديدًا ما نحتاجه.

أقوى ما في نظريته أنها تتمدد لتشمل الكون كله أو تنكمش لتسع صندوق البريد الوارد. إنها تنطبق بالقدر ذاته على الفيزياء وتصميم المنتجات، على التوظيف والسياسة والقيادة الإبداعية. كل يوم نُحدّث أسسنا السابقة بناءً على ما يُعيده إلينا العالم. هذا هو التعلم الحقيقي.