لماذا يضعف الذكاء الاصطناعي في المحادثات الطويلة
بقلم Chatday Editorial Team ·
العشر دقائق الأولى رائعة. الذكاء الاصطناعي يفهم ما تريد، والإجابات دقيقة، وتشعر أنك وجدت أخيراً شريك عمل حقيقياً.
ثم، عند الرسالة الثلاثين تقريباً، يبدأ الانزلاق. ينسى قاعدة وضعتها في البداية. يعيد إليك شيئاً سبق أن رفضته. تصحّح له، فيعتذر، وبعد ردّين يكرر الخطأ نفسه.
المسألة ليست نفاد صبرك، ولا أن النموذج يمرّ بيوم سيئ. المحادثات الطويلة تتراجع فعلاً، وهذا يحدث مع كل نموذج في السوق، وقد قاس الباحثون حجم التراجع.
ماذا يحدث لإجابات الذكاء الاصطناعي في محادثة طويلة
أجرى باحثون في مايكروسوفت وسيلزفورس تجربة يسهل شرحها. أخذوا مهامّ يتقنها النموذج عادةً، مثل كتابة قطعة برمجية صغيرة أو الإجابة عن سؤال انطلاقاً من عدة مستندات، وطلبوها بطريقتين.
في النسخة الأولى، يصل الطلب كاملاً في رسالة واحدة متكاملة. وفي الثانية، تُقدَّم المعلومات نفسها بالضبط على دفعات عبر عدة أدوار، تماماً كما يتحدث شخص حقيقي: طلب افتتاحي غامض، ثم تفصيل، ثم تصحيح، ثم تفصيل آخر.
النموذج نفسه، والمعلومات نفسها، والهدف النهائي نفسه. الشيء الوحيد الذي تغيّر هو طريقة التسليم.
عبر أكثر من 200,000 محادثة محاكاة وستة أنواع من المهام، جاءت نتائج كل النماذج المتقدمة المختبَرة أسوأ بوضوح في النسخة المجزّأة. بلغ متوسط التراجع 39%. نُشر العمل في مايو 2025، وعُرض في أبريل كمداخلة شفهية في مؤتمر ICLR 2026، أحد أهم مؤتمرات هذا المجال.
الأمر الأكثر إثارة للاهتمام هو كيف يفشل. النماذج لم تصبح أقل قدرة، بل أصبحت أقل موثوقية، وهذه مشكلة مختلفة وأكثر إزعاجاً. اسأل النموذج نفسه السؤال المجزّأ نفسه عشر مرات، وستجد تفاوتاً في الجودة أوسع بكثير مما يحدث في رسالة واحدة.
السبب سهل التصور. حين تكون رسالتك الأولى غامضة، لا ينتظر النموذج التوضيح. يملأ الفراغات بهدوء بتخمين، ويتمسّك به، ويبدأ إنتاج إجابة مبنية عليه. وإذا كان التخمين خاطئاً، يرث كل ما يليه ذلك الخطأ. وجد الباحثون أن النموذج حين يسلك الطريق الخاطئ مبكراً في المحادثة، فإنه غالباً لا يعود، حتى عندما تصحّح له مباشرة.
لماذا لا تُنقذ الذاكرة الأكبر المحادثات الطويلة
الاعتراض البديهي أن النماذج صارت تملك ذاكرة هائلة. بعضها يقرأ مليون كلمة دفعة واحدة. فمحادثة من خمسين رسالة لا ينبغي أن تعني شيئاً.
هذا صحيح من ناحية السعة، وغير صحيح من ناحية الجودة، والفجوة بين الأمرين هي القصة كلها. إن أردت الصورة الكاملة لطريقة عمل تلك الذاكرة، شرحنا بشكل منفصل ما هي نافذة السياق فعلاً. باختصار: هي كمية النص التي يستطيع النموذج إبقاءها أمامه أثناء الإجابة.
إبقاء النص أمامك ليس كحسن استخدامه. اختبر فريق بحثي في Chroma 18 نموذجاً رائداً في يوليو 2025، ووجد النمط نفسه في جميعها. كانت الدقة تتراجع كلما طال المُدخل، وتتراجع قبل الاقتراب من الحد المُعلن بكثير. النموذج الذي يقبل تقنياً مليون كلمة قد يصبح أسوأ بوضوح عند خمسين ألفاً.
يبرز تفصيلان من ذلك العمل لأنهما يخالفان الحدس:
- مقطع واحد غير ذي صلة يكفي للإضرار. إضافة كتلة نص مشتّتة واحدة، لا مئة، خفّضت الدقة بشكل قابل للقياس.
- النص المرتّب بعناية قد يكون أسوأ من كومة مخلوطة. حصلت النماذج على نتائج أعلى حين كانت المواد المحيطة مبعثرة، مقارنة بترتيبها ترتيباً منطقياً.
وهناك أيضاً نتيجة أقدم ومؤكَّدة مراراً تفسّر جزءاً كبيراً من الإحباط اليومي. أظهرت دراسة قادتها ستانفورد عام 2023 أن النماذج تلتقط المعلومة الموجودة في بداية المُدخل الطويل أو في نهايته على نحو أفضل بكثير مما تلتقط الموجودة في الوسط. تعليماتك التي كتبتها بعناية في الرسالة الثامنة صارت الآن مدفونة في وسط الكومة، وهو أسوأ موضع ممكن.
اجمع الأمرين وتتضح الصورة. محادثتك الطويلة ليست ملفاً مرتباً يعود إليه الذكاء الاصطناعي، بل كومة نص تتضخم، تتنافس فيها جملتك المهمة مع أربعين رسالة من الكلام الجانبي والطرق المسدودة والتصحيحات التي تجاوزتها منذ زمن.
مختبرات الذكاء الاصطناعي تعرف ذلك، وبنت حلاً التفافياً
هذه ليست شكوى هامشية، بل توثّقها الشركات نفسها.
يصف توثيق المطوّرين لدى Anthropic ميزة اسمها compaction، تلخّص تلقائياً الأجزاء الأقدم من المحادثة حين تطول. والسبب المُعلن صريح: «كلما نمت المحادثة تراجعت جودة الإجابة»، ولذلك تُستبدل المواد القديمة بملخص قصير.
أعد قراءة هذه الجملة، فالفائدة تكمن فيها. العلاج الرسمي للمحادثة الطويلة هو التخلص من معظمها والاحتفاظ بملخص. ويمكنك فعل الشيء نفسه تماماً يدوياً، مجاناً، في أي تطبيق دردشة، دون انتظار ميزة تقوم بذلك عنك.
ماذا تفعل حين تبدأ المحادثة بالانحراف
هذه هي الترجمة العملية. اربط العَرَض بما يجري فعلاً.
| ما تلاحظه | ما الذي يجري | ماذا تفعل |
|---|---|---|
| ينسى قاعدة وضعتها مبكراً | التعليمات مدفونة في وسط محادثة طويلة | أعد كتابة القاعدة في أحدث رسالة، لا كتذكير بل بوصفها التعليمات نفسها |
| يعيد اقتراحاً سبق أن رفضته | النسخة المرفوضة ما زالت في السجل وما زالت تُحسب سياقاً | افتح محادثة جديدة واذكر ما تريده فقط، ولا تذكر أبداً ما استبعدته |
| تصبح الإجابات أعمّ وأقل تحديداً | مواد كثيرة تتنافس داخل النافذة | لخّص الوضع الحالي في رسالة واحدة وتابع من هناك |
| يكرر الخطأ نفسه رغم التصحيح | تمسّك مبكراً بتخمين خاطئ | اترك هذا المسار. نادراً ما يرجح التصحيح على المحادثة التي يستند إليها |
| يخطئ في الوقائع بثقة تامة | مشكلة أخرى لا علاقة لها بالطول | انظر لماذا يختلق الذكاء الاصطناعي بثقة |
وخمس عادات تمنع معظم ذلك من البداية:
- ضع الطلب كاملاً في المقدمة. أقوى نتيجة في هذا البحث أن رسالة واحدة متكاملة تتفوّق على المعلومات نفسها موزَّعة على أجزاء. امنح ثلاثين ثانية إضافية لكتابة الطلب كاملاً.
- ابدأ من جديد بدل الجدال. حين تسوء المحادثة، لا يكلّفك فتح واحدة جديدة شيئاً. الصق فيها الأجزاء الجيدة فقط.
- اكتب ملخصك الخاص في نهاية جلسة طويلة. اطلب من الذكاء الاصطناعي موجزاً قصيراً للقرارات المتخذة، راجعه، ثم افتح محادثة جديدة والصقه كأول رسالة.
- افصل المواضيع في محادثات منفصلة. مسار لمشروع العمل وآخر لخطة الإجازة. الخلط بينهما يضع عوامل تشتيت في كليهما.
- بدّل النموذج حين يتعثّر أحدها. النموذج الآخر لا يعرف شيئاً عن محادثتك السابقة الفاشلة. يأتي إلى المسألة نظيفاً، وكثيراً ما يختلف مع الأول بطريقة مفيدة، وهو ما تناولناه في لماذا تعطي نماذج الذكاء الاصطناعي إجابات مختلفة.
هذه الأخيرة أرخص حيلة على الإطلاق، وأكثر ما يتجاهله الناس لأنهم لا يفتحون سوى تطبيق ذكاء اصطناعي واحد.
أين تقصُر هذه النصيحة
بعض التحفظات الصادقة، فالحل ليس شاملاً.
للبدء من الصفر كلفة حقيقية. إن قضيت ساعة تعلّم فيها الذكاء الاصطناعي أسلوب نشرتك البريدية، فالتخلي عن ذلك مؤلم، والملخص لا يلتقط كل شيء أبداً. في تلك الحالة، احتفظ بموجز قصير قابل لإعادة الاستخدام في ملاحظة على جهازك والصقه في كل محادثة جديدة. تحتفظ بالجزء المفيد وتترك الفوضى.
اختبرت الدراسة أيضاً النماذج أمام مستخدمين محاكين يتبعون نصاً مكتوباً، لا أمام الأخذ والرد الفوضوي مع شخص حقيقي قادر على ملاحظة المنعطف الخاطئ وإيقافه. من ينتبه ويلتقط الخطأ في الرسالة الثالثة سيحقق نتيجة أفضل مما توحي به هذه الأرقام. وهذه حجة لقراءة الردود الأولى بتمعّن، حين يكون التصحيح ما زال شبه مجاني.
كما أن بعض الأعمال تحتاج فعلاً إلى مسار طويل واحد، مثل العمل على مستند كبير لا يمكن تلخيصه دون فقدان جوهره. نموذج مصمم للمستندات الطويلة، مثل Claude Opus 4.7، يتعامل مع ذلك أفضل من معظم النماذج، لكنه لا يلغي المشكلة. في هذه الحالات، أبقِ المسار وأعد كتابة تعليماتك الأساسية كل بضع رسائل لتبقى قريبة من نهاية الكومة، حيث ينظر النموذج بأكبر قدر من الانتباه.
الخلاصة
المحادثات الطويلة مع الذكاء الاصطناعي لا تفشل لأن الآلة تتعب، بل لأن النموذج وضع افتراضاً صامتاً في البداية، وبنى كل شيء فوقه، ثم دفن أفضل تعليماتك في وسط كومة نص لا يقرأها بالتساوي.
حين تعرف ذلك، تصبح العادات بديهية. قل كل شيء دفعة واحدة. ابدأ من جديد حين تنحرف المحادثة. احتفظ بموجزك في مكان تستطيع لصقه منه مجدداً. وحين يعلق نموذج في حلقة مفرغة، توقّف عن الجدال معه وسلّم السؤال نفسه لنموذج آخر.