لماذا أصبح الذكاء الاصطناعي يقرأ كتاباً كاملاً دفعة واحدة

إليك رقماً يبدو كأنه غير حقيقي: يمكن للذكاء الاصطناعي الذي تستخدمه اليوم أن يقرأ نحو مليون كلمة دفعة واحدة. هذا يعادل تقريباً رفاً صغيراً من الكتب، يستوعبه كله قبل أن يجيب عن سؤال واحد.

في عالم التقنية يُسمّى هذا «نافذة السياق»، ومؤخراً صارت الأرقام كبيرة بشكل لافت. فما الذي يتيحه لك مليون من أي شيء فعلاً، ولماذا يهم ذلك الشخص العادي؟ لنبسّط الفكرة.

ما نافذة السياق في الذكاء الاصطناعي فعلاً؟

تخيّل أنك تتحدث إلى شخص لا يستطيع أن يحتفظ في ذهنه إلا بآخر بضع دقائق من الحديث. إذا رويت له قصة طويلة، فسيكون قد نسي بدايتها عند وصولك إلى النهاية. هذا تقريباً ما يحدث مع ذكاء اصطناعي لديه نافذة سياق صغيرة.

نافذة السياق هي كل ما يستطيع الذكاء الاصطناعي «رؤيته» دفعة واحدة في مهمة واحدة: سؤالك، والمستند الذي لصقته، وما سبق من أخذ ورد في المحادثة، والإجابة التي يكتبها. عندما يتسع كل ذلك داخل النافذة، يستطيع الذكاء الاصطناعي ربط التفاصيل ببعضها عبر النص كله. وعندما لا يتسع، تسقط أقدم الأجزاء من الخلف، ويبدأ الذكاء الاصطناعي بالإجابة كما لو أنه لم يرها قط.

لذلك فالنافذة الأكبر هي ببساطة مكتب أكبر. مساحة أوسع ليفرد عليها كل ما يحتاجه قبل أن يبدأ العمل. (وهذا يختلف عن تذكّر الذكاء الاصطناعي لك بين محادثات منفصلة، فهذه ميزة أخرى. نافذة السياق تخص مهمة واحدة في كل مرة.)

Tokens لا كلمات: الوحدة التي تعدّ بها أنظمة AI فعلاً

هذه هي المصطلحات التقنية الوحيدة التي تستحق معرفتها، لأن كل عنوان تقريباً يستخدمها.

أنظمة AI لا تعدّ الكلمات. بل تعدّ tokens. وtoken هي جزء صغير من النص: أحياناً كلمة قصيرة كاملة، وأحياناً جزء من كلمة أطول. كقاعدة تقريبية في الإنجليزية، تساوي token واحدة نحو أربعة أحرف، أو حوالى ثلاثة أرباع كلمة. لذلك تعادل 1,000 tokens نحو 750 كلمة، ويعادل مليون tokens نحو 750,000 كلمة.

لماذا تقسيم الكلمات أصلاً؟ لأنه يساعد النموذج على التعامل مع أي لغة، وأي خطأ مطبعي، وحتى الكلمات المختلقة من دون أن يتعطل. لست بحاجة إلى تتبع tokens بنفسك. يكفي أن تعرف أنه عندما تتباهى شركة بـ «نافذة سياق من مليون token»، فهي تقول في الحقيقة: «يمكنه قراءة نحو 750,000 كلمة دفعة واحدة».

مليون token أكبر مما يبدو

عندما تكبر الأرقام إلى هذا الحد، تفقد معناها بسهولة، لذلك لنقارنها بأشياء واقعية قد تعطيها للذكاء الاصطناعي.

للمقارنة، يستطيع نموذج مثل GPT-5.5 استيعاب نحو مليون tokens. قبل عامين فقط، كان الشائع بضعة آلاف. انتقلنا من «يتذكر هذه الفقرة» إلى «يتذكر هذه المكتبة الصغيرة» خلال وقت قصير جداً.

ما الذي تتيحه لك الذاكرة الكبيرة فعلاً؟

هنا تبدأ الفائدة العملية. نافذة السياق الكبيرة تحوّل الذكاء الاصطناعي من إكمال ذكي للنص إلى شيء يستطيع التفكير فوق كومة من موادك أنت.

• اسأل مستنداً طويلاً بدلاً من قراءته. أضف تقريراً من 90 صفحة واسأل: «ما المخاطر الثلاثة التي يشيرون إليها، وأين؟» إذا لم تجرّب ذلك من قبل، فإليك شرحاً خطوة بخطوة حول كيفية الدردشة مع ملف PDF.
• لخّص من دون أن تضيع الخيط. النافذة الصغيرة تجبر الذكاء الاصطناعي على التلخيص على أجزاء ثم جمعها، وهنا تضيع التفاصيل. أما النافذة الكبيرة فتقرأ النص كله أولاً، لذلك يعكس الملخص النهاية فعلاً.
• قارن عدة ملفات دفعة واحدة. الصق ثلاث مسودات عقود واسأله عمّا تغيّر بينها. يستطيع الاحتفاظ بالثلاثة جنباً إلى جنب.
• حافظ على وضوح مشروع طويل. في محادثة تخطيط تمتد طويلاً، تعني النافذة الأكبر أنه ما زال يتذكر القرار الذي اتخذته قبل ساعة.

العائد الحقيقي لمعظم الناس هو النقطة الأولى: تتوقف عن قراءة الشيء الطويل والممل بنفسك، وتبدأ بطرح الأسئلة عليه بدلاً من ذلك.

أين ما زالت نافذة السياق الكبيرة تقصّر؟

الأكبر ليس سحراً، ومن المهم معرفة الملاحظات قبل أن تثق بها في شيء مهم.

• الوسط يصبح ضبابياً. تركّز النماذج أكثر على بداية ما تعطيها ونهايته. إذا دفنت رقماً مهماً في منتصف ملف من 500 صفحة، فقد يفوته فعلاً.
• ليست ذاكرة دائمة. أغلق المحادثة فتفرغ النافذة. في المرة التالية، لن يتذكر الذكاء الاصطناعي مستندك إلا إذا لصقته من جديد.
• الاتساع لا يعني الفهم. دخول كتاب كامل في النافذة لا يعني استيعاب كل تفصيلة فيه. عندما تضيق المساحة أو يفقد النموذج الخيط، قد يبدأ في سد الفجوات باختلاق أشياء. راجع دائماً الأجزاء المهمة بعين ناقدة.
• المدخلات الضخمة قد تكون أبطأ. مطالبة نموذج بمعالجة مليون tokens تستغرق وقتاً أطول من سؤال سريع.

الحل لمعظم هذه الحالات بسيط: ضع الجزء الذي يهمك قريباً من سؤالك، واطلب من الذكاء الاصطناعي أن يقتبس لك من المستند حتى تستطيع التحقق.

أي أنظمة AI لديها أكبر مساحة الآن؟

تخوض المختبرات الكبرى سباقاً هادئاً حول هذا الأمر. أحدث النماذج من OpenAI وAnthropic وGoogle تدور الآن حول حاجز مليون token، وقد أعلنت Google عن نموذج Gemini مصمم للتعامل مع مليونين. كما تدفع خيارات مفتوحة مثل Kimi باتجاه السياق الطويل أيضاً، وغالباً بسعر ألطف.

في الاستخدام اليومي، الرقم الدقيق أقل أهمية مما تتوقع. أي شيء حول مليون tokens يغطي بالفعل تقريباً أي مستند قد يرميه إليه شخص عادي. السؤال الأهم هو: أي نموذج يقرأ بعناية، وأي نموذج يتسرع؟ وهذا يعتمد على المهمة. قارنّا النماذج الشائعة وجهاً لوجه في مقارنة ChatGPT وGemini وClaude.

أسهل طريقة للشعور بالفرق هي أن تأخذ أطول مستند لديك وتجرّبه على عدة نماذج في مكان واحد.

الأسئلة الشائعة

الخلاصة

نافذة السياق هي ببساطة الذاكرة قصيرة المدى للذكاء الاصطناعي، تُقاس بـ tokens، وأحدث النوافذ كبيرة بما يكفي لابتلاع كتاب كامل. والنتيجة العملية أنك لم تعد مضطراً إلى قراءة المستند الطويل والممل بنفسك. يمكنك تسليمه وطرح الأسئلة.

تذكّر فقط أن النافذة تفرغ عند إغلاق المحادثة، وأن وسط الملفات العملاقة قد يفلت، وأن التحقق من الإجابات المهمة ما زال ضرورياً. عند استخدامها بهذه الطريقة، تصبح الذاكرة الكبيرة واحدة من أكثر الأشياء المفيدة التي ينجزها الذكاء الاصطناعي لك بهدوء.