---
title: "الذكاء غير المرصود في نماذج اللغة الكبيرة"
description: "الجميع يراقب السؤال والجواب. الذكاء يقع بينهما، ولا أحد ينظر إليه. عشرة أيام في Hexa، في سوق حقيقي، وطبقة من المنظومة لم يمتلكها أحد بعد."
canonical: https://www.askgib.com/ar/articles/the-unobserved-intelligence-of-llms
last-updated: 2026-08-17
lang: ar
---
# الذكاء غير المرصود في نماذج اللغة الكبيرة
> الجميع يراقب السؤال والجواب. الذكاء يقع بينهما، ولا أحد ينظر إليه. عشرة أيام في Hexa، في سوق حقيقي، وطبقة من المنظومة لم يمتلكها أحد بعد.
By Gibril Bachouchi. Filed 2026-08-17. 6 min read. Web page: https://www.askgib.com/ar/articles/the-unobserved-intelligence-of-llms
Languages: [en](https://www.askgib.com/articles/the-unobserved-intelligence-of-llms.md) · [fr](https://www.askgib.com/fr/articles/the-unobserved-intelligence-of-llms.md) · [ar](https://www.askgib.com/ar/articles/the-unobserved-intelligence-of-llms.md) · [es](https://www.askgib.com/es/articles/the-unobserved-intelligence-of-llms.md) · [ru](https://www.askgib.com/ru/articles/the-unobserved-intelligence-of-llms.md) · [pt](https://www.askgib.com/pt/articles/the-unobserved-intelligence-of-llms.md) · [it](https://www.askgib.com/it/articles/the-unobserved-intelligence-of-llms.md) · [de](https://www.askgib.com/de/articles/the-unobserved-intelligence-of-llms.md) · [ja](https://www.askgib.com/ja/articles/the-unobserved-intelligence-of-llms.md) · [ko](https://www.askgib.com/ko/articles/the-unobserved-intelligence-of-llms.md) · [hi](https://www.askgib.com/hi/articles/the-unobserved-intelligence-of-llms.md) · [he](https://www.askgib.com/he/articles/the-unobserved-intelligence-of-llms.md) · [zh](https://www.askgib.com/zh/articles/the-unobserved-intelligence-of-llms.md) · [tr](https://www.askgib.com/tr/articles/the-unobserved-intelligence-of-llms.md) · [kab](https://www.askgib.com/kab/articles/the-unobserved-intelligence-of-llms.md)
تُوصَف العلامات التجارية لعملائها بواسطة آلة، في فقرة لم يروها مكتوبة أبدًا، ومبنية على مصادر لم يختاروها. ويدفع معظمهم الآن لأحدٍ ما كي يقيس ذلك.
الجميع يراقب السؤال والجواب. أما الذكاء فيقع بينهما، ولا أحد ينظر إليه.
كان الناس يكتبون كلمات مفتاحية في خانة، فيحصلون على عشرة روابط زرقاء. وكان بالإمكان قياس ذلك. أن تحتل المرتبة 3 لعبارة "أحذية الجري"، والمرتبة 8 لعبارة "أحذية الجري في الجبال". ممل، لكنه صادق.
الآن يكتب الناس جملة. يقرأها النموذج، ويقرر ما قصده المستخدم فعلًا، ويقسمها إلى أجزاء، ويبحث عن أشياء، ويتخلص من معظمها، ثم يكتب فقرة. إما أن تظهر العلامة التجارية في تلك الفقرة أو لا تظهر.
كل ما يهم يحدث في المنتصف. والمنتصف صندوق أسود.
كل سهم من تلك الأسهم هو مكان تدخل فيه العلامة التجارية أو تُسقَط منه. ولا يستطيع أحد يبيع خدمات GEO اليوم أن يخبرك أي سهم قضى عليك. كل ما يستطيع قوله إنك لم تظهر في الفقرة الأخيرة.
إليك ما يربك الناس حين يأتون من عالم تحسين محركات البحث.
اطرح السؤال نفسه مرتين، تحصل على جوابين مختلفين. اطرحه بصياغة مختلفة قليلًا، تحصل على مجموعة مختلفة من المصادر. اطرحه غدًا، تحصل على شيء مختلف مرة أخرى. لا يوجد ترتيب ثالث. هناك توزيع.
إذن العمل هو عمل **أخذ عينات**:
- **لا تشغّل السؤال مرة واحدة. شغّله n مرة.** الإجابة الواحدة حكاية. مئة إجابة قياس. معدل ذكر 34% ± 6 له معنى. أما "ظهرنا" فلا معنى له.
- **جمّع الأسئلة حسب النية، لا حسب النص.** "أفضل CRM لفريق صغير" و"أي CRM يجب أن تستخدم شركة من 5 أشخاص" هما السؤال نفسه بثوب آخر. إذا تعاملت معهما ككلمتين مفتاحيتين، فستعدّ الشيء مرتين وتضلّل نفسك.
- **قِس أكثر من مجرد الظهور.** معدل الذكر. حصة الصوت مقارنةً بمنافسين مسمّين. موضع الذكر في الإجابة. الانطباع عند الذكر. أي مصدر استُشهد به لتبرير الذكر.
- **راقب التباين، لا المتوسط وحده.** العلامة التجارية التي تُذكر في 90% من الحالات على نموذج، وفي 10% على نموذج آخر، لا تعاني مشكلة بنسبة 50%. بل تعاني مشكلتين مختلفتين.
- **تحتاج إلى مجموعة ضابطة.** وإلا فلن تعرف هل فعل محتواك شيئًا، أم أن النموذج تحدّث يوم الثلاثاء فحسب.
هذا هو العمود الفقري التحليلي للفئة كلها: تصميم العينات، والتجميع، والإسناد، وفترات الثقة. وهو أقرب إلى بحوث الاستطلاع منه إلى تحسين محركات البحث.
### الرياضيات التي تستحق مكانها
أربع أدوات تقوم بمعظم العمل هنا.
**فترة Wilson للثقة، للإجابة عن سؤال "هل نحن متأكدون؟"**
معدل الذكر نسبة، وتقريب التوزيع الطبيعي ينهار عند العينات الصغيرة وعند المعدلات القريبة من 0 أو 1، وهذا بالضبط حيث تعيش العلامات التجارية. أما Wilson فلا ينهار. وهي تخبرك بحجم العينة مسبقًا: لقياس معدل ذكر بهامش ±5 نقاط بثقة 95% تحتاج إلى نحو 400 تشغيل لمجموعة هذا السؤال. وعند هامش ±10 نقاط، نحو 100. وإذا كانت لوحة مؤشراتك تعرض رقمًا مبنيًا على 20 تشغيلًا، فهي تعرض ضوضاء.
**تحديث Beta-Binomial، للإجابة عن سؤال "هل تحرّك الرقم؟"**
نموذج معدل الذكر لكل مجموعة سؤال كتوزيع Beta لاحق. الاحتمال المسبق من الشهر الماضي، والاحتمال من تشغيلات هذا الأسبوع، والنتيجة اللاحقة في النهاية. يتعامل مع العينات الصغيرة بصدق، ويراكم الأدلة مع الوقت بدل أن يتخلص من بيانات الأسبوع الماضي، ويعطيك P(الرقم ارتفع) مباشرة بدل قيمة p لا يفهمها أحد.
**بايز، للإجابة عن سؤال "أي رافعة حرّكته؟"**
هذه الخطوة يتجاوزها الناس. تلاحظ ذكرًا. ما تريده هو P(صفحتنا الجديدة سببت هذا | ذُكر)، وما تستطيع قياسه هو P(ذُكر | الصفحة مستشهَد بها). بايز يقلب الاحتمال، والاحتمال المسبق هو معدل الذكر الأساسي دون الصفحة أصلًا. شغّله، وستنهار معظم ادعاءات "محتوانا نجح". فمعدل الأساس كان مرتفعًا أصلًا، ولم يتحقق أحد من ذلك. الحيلة نفسها لسلسلة المصادر: بعد ذكر ما، أي من ممتلكاتك استُشهد به، موزونًا بمدى استشهاد الآخرين بذلك الممتلك أصلًا.
**تباعد KL، للإجابة عن سؤال "ما المسافة بين مجموعتنا الاصطناعية والواقع؟"**
جمّع الأسئلة حسب النية، واحصل على توزيع عبر المجموعات لمجموعتك الاصطناعية، وتوزيع عبر المجموعات لحركة المرور الحقيقية، ثم قِس الفجوة بينهما. يعطيك KL (أو Jensen–Shannon، وهو متماثل ومحدود، فيسهل الإبلاغ عنه) رقمًا واحدًا يدل على مقدار خطأ مجموعة الأسئلة المحاكاة. ومن دون أسئلة حقيقية لا يمكنك حسابه أصلًا، وهذه هي المشكلة الصامتة في كل منصة تعتمد على البيانات الاصطناعية وحدها. فهي لا تستطيع أن تقيس خطأها هي.
أداتان إضافيتان بإيجاز: **فرق الفروق (difference-in-differences)** مقابل مجموعة ضابطة من علامات المنافسين، حتى لا يُسجَّل تحديث نموذج يوم الثلاثاء كانتصار لك؛ و**تصحيح المقارنات المتعددة**، لأنك إذا اختبرت 200 مجموعة سؤال عند `p<0.05`، فستحصل على عشر نتائج "دالة إحصائيًا" من محض الصدفة.
استخدمت العشرة أيام لأتحدث فعلًا مع الناس. شركات تعاني المشكلة، وشركات تبيع العلاج. Profound وبقية هذا الحشد.
السوق حقيقي. والألم حقيقي. العلامات التجارية تراقب قناة لا تستطيع رؤيتها، وهي تنمو.
لكن الجميع تقريبًا يعمل على **أسئلة اصطناعية**. يولّد النموذج قائمة بالأسئلة التي قد "يطرحها" العملاء، وتقيس المنصة تلك الأسئلة. الفكرة ذكية، وتعمل بما يكفي لتُباع. وقد بنيت أنا أيضًا بالبيانات الاصطناعية، وحصلت على إشارة مفيدة بسرعة.
لكنها تظل تخمينًا. تخمين أنيق جدًا عمّا يكتبه البشر فعلًا. والمشكلة الثانية أسوأ: حتى مع أسئلة مثالية، أنت لا ترى إلا المدخل والمخرج. ولا يزال المنتصف مظلمًا. لا تحصل على الأسئلة الفرعية. ولا تحصل على الاستعلامات التي أُطلقت. ولا تحصل على المصادر التي نُظر فيها ثم أُسقطت.
ارسم الحلقة وسترى أين تنكسر.
كسران، وهما يتراكمان. الكسر الأول يعني أنك تحسّن لأسئلة لم يطرحها أحد. والكسر الثاني يعني أنه حتى حين تفوز، لا تستطيع أن تقول أي تغييراتك فعلت ذلك، فيصبح القرار التالي تخمينًا أيضًا. الحلقة التي لا تحمل تغذية راجعة نظيفة ليست حلقة. إنها جهاز مشي مع لوحة مؤشرات مثبتة عليه.
الجائزة هي البيانات الخام. أسئلة حقيقية، وجلسات حقيقية، وخطوات وسيطة حقيقية. من يملك ذلك لا يخمّن عن المنتصف. إنه يراه.
تصل كل صناعة بيانات إلى الطبقات الثلاث نفسها، ومن المفيد أن تعرف أي طبقة تنتمي إليها.
**الطبقة 1: الجمع.** تملك البيانات الخام عند المصدر. لوحات، وزواحف، وسجلات النقر، والإيصالات، وسجلات شركات الاتصالات. بطيئة البناء، ومكلفة، وغير لامعة. أفضل هوامش ربح، وأصعب نسخ.
**الطبقة 2: التحليلات.** ترخّص البيانات الخام أو تشتريها، وتنظفها، وتوحّدها، وتحوّلها إلى مقاييس ومعايير، وتبيع لوحة مؤشرات. معظم الشركات الناشئة تعيش هنا لأنه المكان الأسهل للبداية.
**الطبقة 3: التفعيل.** تأخذ المقاييس وتقوم بالعمل. وكالات، وأدوات، وورش محتوى. أقرب الطبقات إلى ميزانية العميل، وأدناها هامشًا.
عادةً يوجد وسيط يجلس بين 1 و2 أيضًا، مثل LiveRamp أو Snowflake Marketplace أو بائعي بيانات البطاقات، ومهمته الوحيدة نقل البيانات من يملكونها إلى من يريدونها.
تنطبق تحسينات محركات البحث القديمة على هذا بوضوح. كان الجمع يتمثل في الزواحف مع لوحات النقر التي تبيعها بهدوء إضافات المتصفح ومزودو الإنترنت. أما التحليلات فكانت Semrush وAhrefs، ولاحظ أنهما بنيا زواحفهما الخاصة، فهما تملكان الطبقتين 1 و2، وهذا بالضبط سبب كبرهما. أما التفعيل فكان كل وكالة لتحسين محركات البحث في العالم.
تنتج من هذا قاعدتان تحددان من ينجو:
- **الطبقة 2 وحدها تتحول إلى سلعة.** إذا رخّصت عشر شركات التغذية نفسها، فستعرض جميعها الأرقام نفسها، وتتنافس في النهاية على الواجهة والسعر.
- **الطبقة 1 تستطيع أن تصعد إلى 2 و3 متى شاءت. ولا تعمل العملية في الاتجاه المعاكس أبدًا.**
انظر الآن إلى GEO اليوم. كل لاعب تقريبًا هو نشاط من الطبقة 2 دون طبقة 1 تحته. لا توجد تغذية لترخيصها، لأن البيانات موجودة داخل سجلات دردشة شخص آخر. لذلك يصنعون المدخل المفقود، أي الأسئلة الاصطناعية، ويبيعون التحليلات فوق بيانات اخترعوها.
الأسئلة الحقيقية والجلسات الحقيقية هي الطبقة 1 لهذه الصناعة، ولم يملكها أحد بعد.
لن يفعل. وهذه هي اللعبة كلها، وهنا تموت معظم الأفكار في هذا المجال بصمت.
لا يستيقظ أحد وهو يريد أن يبيعك سجل أسئلته. هناك طريقان صادقان فقط للدخول:
1. **ابنِ شيئًا يريده الناس لسبب مختلف تمامًا.** خدمة تقف بذاتها، ويستخدمونها حتى لو لم تلمس البيانات أبدًا. تكون البيانات نتاجًا ثانويًا لقيمة قدمتها أصلًا. هكذا عملت كل شركة بيانات نجحت يومًا.
2. **ادفع ثمنها.** بشكل مباشر. اشترِ البيانات من أصحابها، وكن واضحًا فيما تشتريه ولماذا.
كل ما عدا ذلك إما مشكلة خصوصية، أو أمنية.
هذا القيد ليس حاشية على العمل. إنه العمل نفسه. فأي شركة GEO تصل إلى بيانات سلوكية حقيقية قبل منافسيها لا تفوز بنسبة 10%. بل تتوقف عن التخمين بينما الجميع ما زالوا يخمّنون.
الوكيل يستخلص النية من أسئلتك بالفعل. ويقرر بالفعل ما يبحث عنه. ويقرر بالفعل ما يحتفظ به. تُبنى هذه الآلية الآن، بسرعة كبيرة، من الجميع.
فهم ما يحدث بين السؤال والإجابة، وأي إجراءات تقود إلى أي إجابة، وأخذ ذلك من بيانات حقيقية بدل البيانات المحاكاة، سيكون مهمًا لكل شركة تبيع أي شيء.
والآن الجزء الهادئ، لأن معظم من يبيعون في هذا المجال لن يقولوه. هذا مكان جيد للتواجد فيه، لكن لفترة محدودة.
هناك شيئان يغلقان النافذة.
الأول هو القانون. تتحرك حقوق البيانات في كل ولاية قضائية في الوقت نفسه، وكلها تتحرك في الاتجاه نفسه. فجمع البيانات السلوكية واستخدامها وإعادة بيعها يصبح كل منها أصعب وأبطأ وأغلى. والشركة التي تقوم ميزتها كلها على امتلاك أسئلة حقيقية وجلسات حقيقية، ميزتها كلها على بعد تنظيم واحد من أن تصبح عبئًا.
الثاني أن البيانات تتوقف عن كونها مميزة. ما قلته سابقًا، أن الأسئلة الاصطناعية تخمين أنيق، صحيح اليوم، وأقل صحة كل ربع سنة. انظر مرة أخرى إلى تشريح المنتصف. استخلاص النية، والتفكيك، والاسترجاع، والاختيار. كل واحدة منها خطوة يؤديها النموذج، وهذا يعني أنها خطوة يمكن أن يُطلب منه أن يؤديها مرة أخرى، عند الطلب. وحين يستطيع النموذج أن يعيد بناء توزيع واقعي لما يسأل عنه الناس فعلًا، يتلاشى الثمن الذي كان يُدفع مقابل أن تكون قد رصدت ذلك.
تنخفض في الوقت نفسه تكلفة القيام بذلك بنفسك. تشغيل مجموعة سؤال مئات المرات، وإجراء الإحصاء عليها، ليس حسابًا باهظًا، وهو يصبح أرخص كل عام. اليوم تشتري منصة لذلك. وقريبًا سيكون مهمة مجدولة داخل منظومتك الخاصة، ولن يشتري أحد لوحة مؤشرات لمهمة مجدولة.
ثم الضغط الأخير، وهو الذي أراقبه أكثر من غيره. تملك المختبرات الجزء الوحيد غير القابل للرصد حقًا في هذا كله. ومع تحول النموذج نفسه إلى سلعة، وهو يتحول إلى سلعة، تحتاج المختبرات إلى إيرادات ليست رموزًا. وبيع رؤية منظمة لما حدث بين السؤال والإجابة هو التنويع الواضح، وهي الجهة الوحيدة القادرة على بيعه دون أن تطلب إذن أحد. وفي ذلك اليوم، ستكون كل شركة GEO مستقلة تعيد بيع شيء يستطيع مورّدها نفسه أن يقدمه مباشرة.
إذن توقع الضجيج. جولات تمويل كبيرة، ومسميات كبيرة، وفئة تبدو كأنها Semrush التالي لمدة ثلاث سنوات تقريبًا. بعض هذه الأموال حقيقي. أما معظم الحواجز الدفاعية فليست كذلك.
ما زلت أعتقد أنه من أفضل الأماكن للتواجد فيها. لكنني لست متأكدًا أنه مكان جيد للبقاء فيه.
اكتشفت كل هذا خلال عشرة أيام في حاضنة Hexa. تحضر، فيعطونك مشكلة، ومهمتك أن تثبت أن فكرتهم تستحق. هذه هي الصفقة.
هذه ليست تجربة فكرية. فالفكرة خرجت من تلك الأيام العشرة بما يكفي من الأساس، لدرجة أن Hexa ستستثمر نحو €750,000 في بنائها، وهي تمضي بها قدمًا مع شريكي.
لم أُختَر لأستمر، لكنها كانت مع ذلك واحدة من أفضل عشرة أيام مرت عليّ منذ زمن طويل. مشكلة حقيقية، ومستخدمون حقيقيون على الهاتف، وسوق حقيقي، دون مسرحية. وصمد العمل.
كنت سأفعل ذلك مرة أخرى غدًا (لكن هذه المرة مع YC 🤣).