مركز تعلّم الذكاء الاصطناعيEnglish
ترجمة عربية جديدة ✦ نراجعها باستمرار لتحسينها.
نُشر في 5 أغسطس 2026

كيف تختار نموذج ذكاء اصطناعي (دون أن تلاحق كل إصدار جديد)

كل بضعة أشهر يصل نموذج ذكاء اصطناعي (AI) جديد، ومعه رسوم بيانية مبهرة وموجة من العناوين تعلن بطلًا جديدًا. وإن كنت تحاول اختيار مساعد محادثة لعملك اليومي، أو نموذجًا عبر واجهة برمجة التطبيقات (API) لمنتج تبنيه، فقد تجعلك هذه الدورة تشعر بأنك متأخر دائمًا. فما إن تستقر على خيار حتى يخبرك الإنترنت أن الأرض تحرّكت من تحتك.

والخبر السار أنك تستطيع النزول عن هذه الدوّامة. فالاختيار الجيد لا يتطلب متابعة كل إصدار، بل يتطلب شيئًا أبسط بكثير وأبقى أثرًا: قائمة قصيرة من المهام تمثّل عملك الفعلي، واستعدادًا لتجربتها بنفسك. يشرح هذا المقال تلك الطريقة، ولماذا تتفوّق على مراقبة لوحات الترتيب، وكيف تعرف متى تكون الإجابة الصادقة: «عدة خيارات تفي بالغرض».

لماذا تضلّل لوحات الترتيب

تقيس الاختبارات المعيارية العامة (Benchmarks) ولوحات الترتيب (Leaderboards) شيئًا حقيقيًا، لكنه في الغالب ليس ما يهمّك. فالاختبار المعياري مجموعة ثابتة من الأسئلة، كمسائل الرياضيات وألغاز البرمجة وتمارين فهم المقروء، تُصحَّح آليًا على نطاق واسع. هذا التصميم يجعل الاختبارات المعيارية مفيدة للباحثين حين يقارنون بين التقنيات، لكنه يجعلها أيضًا بديلًا ضعيفًا عن وظيفتك أنت.

والفجوة عميقة. فالاختبارات المعيارية تكافئ نوع المهام التي تستطيع الآلة تصحيحها: أسئلة لها إجابة صحيحة واحدة، وكود إما أن يجتاز الاختبارات وإما لا. أما معظم العمل الحقيقي فليس كذلك. تلخيص اجتماع لفريقك، وصياغة رسالة بريد إلكتروني بأسلوب شركتك، ومراجعة بند في عقد، وشرح سياسة لعميل: هذه كلها لها إجابات أفضل وأسوأ، لا إجابات صحيحة. ولا يوجد اختبار معياري عام يقيس مدى إتقان النموذج للكتابة بنبرتك، أو فهمه لمصطلحات قطاعك، أو تعامله مع المستندات الفوضوية التي تنتجها مؤسستك فعلًا.

وهناك مشكلة ثانية: الفروق في القمة صغيرة. توحي لوحات الترتيب بتسلسل واضح، لكن النماذج المتجمّعة قرب القمة كثيرًا ما تفصل بينها نقاط قليلة في اختبارات جرى ضبطها جميعًا، بدرجة ما، لتتفوّق فيها. وفارق بهذا الصغر لا يخبرك تقريبًا بشيء عن النموذج الذي سيتعامل مع عبء عملك صباح يوم الثلاثاء بشكل أفضل. فالفروق الصغيرة في الترتيب نادرًا ما تصمد أمام المهام الحقيقية. وقد يكون نموذج يحصل على درجة أقل قليلًا في المجمل أفضل بوضوح في الأمرين اللذين تفعلهما أكثر من غيرهما، ولن تعرف ذلك أبدًا من رسم بياني.

لا يعني أيٌّ من هذا أن الاختبارات المعيارية غير نزيهة، بل يعني أنها تجيب عن سؤال غير الذي تطرحه أنت. سؤالها: «كيف يؤدي هذا النموذج في الاختبارات الموحّدة؟» وسؤالك: «كيف يؤدي هذا النموذج في عملي؟» ووحدك تستطيع الإجابة عن السؤال الثاني، والإجابة عنه أسهل مما قد تظن.

الطريقة: اختبر النماذج على عملك أنت

بدل أن تقرأ المقارنات، أجرِ مقارنة بنفسك. اختر من ثلاث إلى خمس مهام تمثّل فعلًا ما ستستخدم النموذج من أجله. لا أمثلة شكلية، ولا ألغازًا ذكية رأيتها على الإنترنت، بل العمل الفعلي. إن كنت تقضي أيامك في تلخيص الأبحاث، فاختر ورقة بحثية حقيقية تعرفها جيدًا واطلب من كل مرشّح تلخيصها. وإن كنت تردّ على رسائل العملاء، فخذ سلسلة رسائل حقيقية (بعد إخفاء هوية أصحابها) واطلب ردًّا عليها. وإن كنت تكتب الكود، فأعطِه خطأً برمجيًا حقيقيًا من قائمة مهامك المؤجّلة.

ثم نفّذ المهام نفسها، بالصياغة نفسها، على كل نموذج تفكّر فيه، واحكم على النتائج بنفسك. فأنت الخبير في عملك. وترى فورًا ما إذا كان الملخّص قد فاته جوهر الموضوع، وما إذا كانت الرسالة تشبه أسلوبك، وما إذا كان الشرح سيفيد السائل فعلًا. وهذا الحكم، حكمك أنت على مهام تمثيلية، أثمن من أي درجة منشورة، لأنه يقيس بالضبط الشيء الذي تشتريه.

ونسخة بسيطة من هذه الطريقة تستغرق فترة بعد الظهر:

  • اختر من 3 إلى 5 مهام تمثّل عملك الحقيقي، ومن بينها حالة صعبة واحدة على الأقل
  • اكتب شكل النتيجة الجيدة قبل أن تجرّب أي شيء
  • نفّذ التعليمات (Prompts) نفسها حرفيًا على كل نموذج مرشّح
  • قارن المخرجات جنبًا إلى جنب، ودوّن أين أخفق كل منها
  • كرّر التجربة مرة واحدة بأسئلة متابعة، لأن الاستخدام الحقيقي محادثة لا تعليمات منفردة

إن تحديد معنى «الجيد» قبل أن تنظر إلى المخرجات أهم مما يبدو. فمن دون هذه الخطوة يسهل أن تنخدع بالصياغة الواثقة أو بالطول وحده، وكلاهما ليس الجودة. ومعها تقيّم وفق معيارك أنت، لا وفق طريقة النموذج في عرض إجابته.

طريقة الاختبار: خمس خطوات، كرّرها مع كل دورة إصدارات 1 · اختر المهام 3–5 مهام من عملك الفعلي، لا اختبارًا معياريًا لغيرك 2 · عرّف الجيد اكتب شكل النتيجة الجيدة قبل أن تنظر إلى المخرجات 3 · جرّبها كلها المهام نفسها على كل مرشّح، في محادثات جديدة 4 · احكم بنفسك وفق معيارك المكتوب، أنت لا لوحة الترتيب 5 · قرّر ثم توقّف عن قراءة المقارنات في دورة الإصدارات التالية: أعد الاختبار، ولا تُعِد قراءة المراجعات النتيجة الصادقة الشائعة عدة نماذج تتجاوز معيارك، وعندها يصبح القرار مسألة سعر وملاءمة لطريقة عملك، لا مسألة ذكاء ساعة من هذا أنفع من شهر من متابعة إعلانات الإصدارات.

الطريقة تصمد مع كل دورة إصدارات؛ أما الترتيبات فلا تصمد أبدًا.

الأبعاد التي تُحدث الفرق فعلًا

حين تجعل الجودة في مهامك أنت نقطة الارتكاز، تبقى مجموعة صغيرة من الأبعاد العملية تميّز المرشّحين بعضهم من بعض. وتستحق هذه الأبعاد أن تقارنها عن قصد، لأنها تختلف بين المزوّدين أكثر بكثير مما تختلف درجات الاختبارات المعيارية.

السرعة أحدها. فالنموذج الذي يقدّم إجابات أفضل قليلًا لكنه يستغرق ثلاثة أضعاف الوقت قد يخسر في الاستخدام اليومي، خصوصًا في العمل التفاعلي الذي تعدّل فيه المسودّات مرة بعد مرة. والسعر بُعد آخر، ويتفاوت كثيرًا، سواء في فئات الاشتراك لمساعدات المحادثة أو في أسعار الاستخدام عبر API. ففي الاستخدام الشخصي العرضي لا تكاد الفروق تُذكر، أما في منتج يعالج آلاف الطلبات يوميًا فهي التي تحسم القرار.

وطول السياق، أي مقدار النص الذي يستطيع النموذج أخذه في الحسبان دفعة واحدة، ويُعرف بنافذة السياق (Context window)، مهمّ إن كان عملك يتضمن مستندات طويلة أو قواعد كود كبيرة أو محادثات ممتدة. وإن كنت تحتاج باستمرار إلى نموذج يستوعب عقدًا أو تقريرًا كاملًا أمامه، فهذا شرط أساسي لا ميزة إضافية. كما أصبحت ملاءمة الأدوات والتكامل عاملًا حاسمًا على نحو متزايد: هل يعمل النموذج داخل البرامج التي تستخدمها أصلًا، ويتصل بملفاتك وتقويمك، ويدعم ميزات المطوّرين التي يحتاجها فريقك؟ فالنموذج الأضعف قليلًا الذي يعيش حيث يعيش عملك كثيرًا ما يتفوّق على نموذج أقوى لا يفعل ذلك.

وأخيرًا، تستحق سياسات البيانات قراءة متأنية لا نظرة عابرة. فالمزوّدون يختلفون في استخدام محادثاتك لتدريب (Training) النماذج المستقبلية، وفي مدة الاحتفاظ بالبيانات، وفي الحماية التي يحصل عليها عملاء الأعمال. وإن كنت تتعامل مع معلومات العملاء أو السجلات الصحية أو أي شيء تحكمه التزامات السرّية، فقد يستبعد هذا البعد مرشّحين قبل أن تدخل الجودة في الحساب أصلًا.

لاحظ ما الذي تضمّه هذه القائمة وما الذي لا تضمّه. لا شيء فيها يتطلب معرفة النموذج الذي يتصدّر رسم هذا الشهر البياني. وكل ما فيها تستطيع ملاحظته من موقعك أنت.

«أفضل نموذج» ليس حقيقة ثابتة

السبب الأعمق لاعتماد هذه الطريقة أن سؤال «أي نموذج هو الأفضل؟» ليست له إجابة دائمة. فالمزوّدون الكبار، OpenAI مع ChatGPT، وAnthropic مع Claude، وGoogle مع Gemini، ومجموعة متنامية من غيرهم، يطرحون تحديثات كبيرة كل بضعة أشهر. وأي ترتيب قائم اليوم ستبعثره دورة الإصدارات التالية، ثم التي تليها. وأي نصيحة تسمّي فائزًا حاليًا صلاحيتها تُقاس بالأسابيع.

ولنكن واضحين بشأن صلاحية هذا المقال نفسه: مشهد المزوّدين الموصوف هنا هو مشهد عام 2026 وسيتقادم، أما الطريقة فلن تتقادم. فاختيار مهام تمثيلية، وتحديد شكل الجيد، والحكم على النتائج بنفسك، كلها تنجح أيًّا كانت الشركات التي تطرح منتجاتها وأيًّا كان النموذج الذي يتصدّر. ولهذا بالضبط تتفوّق على حفظ ترتيبات اليوم: إنها مهارة، والمهارات تصمد أمام دورات الإصدارات بطريقة لا تصمد بها الحقائق عن الترتيبات أبدًا.

ويغيّر هذا أيضًا معنى الإصدار الجديد بالنسبة إليك. فهو ليس استدعاءً للانتقال، بل هو في أقصى الأحوال دعوة لإعادة تجربة مهامك الثلاث إلى الخمس، أي عشرين دقيقة من العمل، لترى إن كان شيء قد تغيّر في حالتك. وفي كثير من الأحيان لا يتغيّر شيء ذو قيمة.

حين يكون «جيد بما يكفي» هو الجواب الصادق

نفّذ هذا التمرين وستصل كثيرًا إلى نتيجة بلا إثارة: عدة نماذج تؤدي مهامك جيدًا. لا فائز واضح، ولا إخفاق صارخ. قد تبدو هذه النتيجة غير مُرضية، لكنها النتيجة الصادقة، وهي محرِّرة. فحين يتجاوز عدة مرشّحين معيار الجودة لديك، توقّف عن السعي وراء الجودة واختر على أساس السعر والملاءمة لطريقة عملك. اختر الأقل تكلفة، أو الذي يتكامل مع أدواتك، أو الذي يعرفه فريقك مسبقًا. ثم توقّف عن قراءة المقارنات.

والذين يستفيدون أكثر من أدوات الذكاء الاصطناعي نادرًا ما يكونون مستخدمي أحدث نموذج. إنهم الذين فهموا احتياجاتهم، واختبروا وفقها، واتخذوا خيارًا معقولًا، ثم صرفوا طاقتهم في تعلّم استخدام الأداة جيدًا. فاختيار النموذج قرار تتخذه عن وعي وتراجعه من حين لآخر، لا سباق تركضه إلى الأبد.

لمن يريد التعمّق

إن أردت أن تفهم ما يجري فعلًا داخل هذه الأنظمة، كيف تُبنى وتُدرَّب ولماذا تتصرّف كما تتصرّف، فدورتنا المجانية الذكاء الاصطناعي بعمق تغطّي البنية والآليات لمن يريد الصورة الكاملة. وإن راقتك الفكرة الأساسية لهذا المقال، أي اختبار الذكاء الاصطناعي وفق معيارك أنت بدل الوثوق بالادعاءات، فإن دورة هل يعمل ذكاؤك الاصطناعي فعلاً؟ تحوّل هذا الحدس إلى ممارسة منهجية: بناء مجموعات الاختبار، والحكم على جودة المخرجات، واكتشاف المشكلات قبل أن تصل إلى من تخدمهم. وكلتاهما مجانية، مثل كل ما في مركز تعلّم الذكاء الاصطناعي.

دورات مجانية ذات صلة