“`html
يشهد عالم الحوسبة الشخصية تحولًا جذريًا، مدفوعًا بدمج الذكاء الاصطناعي مباشرة في أدواتنا اليومية. تقدم أحدث ابتكارات آبل، خاصة ضمن منصة الأتمتة القوية “الاختصارات” (Shortcuts)، للمستخدمين وصولاً غير مسبوق إلى نماذج الذكاء الاصطناعي من خلال ميزة رائدة: إجراء “استخدام النموذج” (Use Model). يعد هذا الابتكار بفتح آفاق جديدة في الإنتاجية، مما يسمح بأتمتة المهام المعقدة والمستندة إلى البيانات ببراعة لم تكن ممكنة من قبل. ومع ذلك، كما هو الحال مع أي تقنية ناشئة، يكشف تطبيق الذكاء الاصططاعي في سير العمل العملي عن كل من القوة الهائلة والعيوب المفاجئة.
يتعمق هذا المقال في التطبيق العملي لنماذج الذكاء الاصطناعي من آبل ضمن “الاختصارات”، مستفيدًا من الرؤى المستقاة من تجارب واقعية في مجالين متميزين: الوصف الآلي للصور لإمكانية الوصول على الويب ومعالجة إيصالات المصاريف المبسطة. تسلط هذه الاستكشافات الضوء على الطبيعة التكرارية لهندسة الأوامر (prompt engineering)، والفروق الدقيقة في سلوك نماذج الذكاء الاصطناعي، والأهمية الحاسمة للإشراف البشري في تحقيق أتمتة موثوقة.
إطلاق العنان للذكاء الاصطناعي في الاختصارات: إجراء “استخدام النموذج”
في قلب قدرات الأتمتة الأحدث لآبل يكمن إجراء “استخدام النموذج” في “الاختصارات”. يعمل هذا المكون الجديد والقوي كبوابة لمختلف نماذج الذكاء الاصطناعي، مما يسمح للمستخدمين بتغذية البيانات إلى الذكاء الاصطناعي وتلقي مخرجات معالجة. إن مرونة هذا الإجراء هي حجر الزاوية في جاذبيته، حيث يدعم بيئات نشر مختلفة لنماذج الذكاء الاصطناعي:
- النماذج على الجهاز: تعمل هذه النماذج مباشرة على جهاز Mac أو iPhone أو iPad الخاص بك، مما يوفر أقصى قدر من الخصوصية وغالبًا ما تكون أوقات معالجة أسرع للمهام التي لا تتطلب موارد حسابية واسعة أو مجموعات بيانات ضخمة. إنها مثالية للبيانات الحساسة أو السيناريوهات التي قد يكون فيها الاتصال بالإنترنت محدودًا.
- خوادم الحوسبة السحابية الخاصة: للمهام الأكثر تطلبًا التي تحتاج إلى قوة حاسوبية أكبر أو الوصول إلى نماذج أكبر، تقدم الحوسبة السحابية الخاصة من آبل حلاً آمنًا يحافظ على الخصوصية. يتم تشفير البيانات المرسلة إلى هذه الخوادم ومعالجتها بطريقة تمنع آبل من الوصول إليها مباشرة، مما يحقق توازنًا بين القوة والخصوصية.
- خدمات الذكاء الاصطناعي لطرف ثالث: يسمح الهيكل أيضًا بالتكامل مع مزودي الذكاء الاصطناعي الخارجيين مثل OpenAI، مما يوسع نطاق القدرات لتشمل نماذج متخصصة في مجالات مختلفة، على الرغم من أن هذا الخيار قد يأتي مع اعتبارات خصوصية مختلفة.
يظل المبدأ الأساسي ثابتًا: أنت تزود الذكاء الاصطناعي بالمدخلات، مثل النصوص أو الصور أو المستندات، ويعيد لك مخرجات محولة أو محللة بناءً على تدريبه. تفتح هذه القدرة الباب لأتمتة المهام التي كانت تتطلب تقليديًا الإدراك البشري أو البرمجة المعقدة جدًا القائمة على القواعد، مما يمثل قفزة كبيرة إلى الأمام لأتمتة macOS وخارجها.
الذكاء الاصطناعي لوصف الصور: تحدي النص البديل (Alt Text)
أحد أكثر تطبيقات الذكاء الاصطناعي فائدة وفورية هو إنشاء أوصاف للصور. بالنسبة لناشري الويب، يعد إنشاء نص بديل دقيق وموجز لسهولة الوصول مهمة تستغرق وقتًا طويلاً ولكنها بالغة الأهمية. بدا الوعد باختصار مدعوم بالذكاء الاصطناعي لأتمتة هذه المهمة جيدًا جدًا لدرجة تفويته.
شملت التجربة الأولية أخذ صورة وتمريرها إلى نموذج الحوسبة السحابية الخاصة من آبل لإنشاء وصف. سرعان ما ظهرت التحديات المبكرة:
معالجة الصور الكبيرة
أدى إرسال الصور بدقة عالية إلى النموذج السحابي إلى تأخيرات كبيرة في المعالجة. كان الحل بسيطًا: تغيير حجم الصورة داخل سير عمل الاختصار قبل إرسالها إلى الذكاء الاصطناعي. حسنت خطوة المعالجة المسبقة هذه الكفاءة بشكل كبير دون المساس بجودة الوصف، حيث كان النموذج يحتاج بشكل أساسي إلى المحتوى للفهم، وليس الدقة العالية.
فن هندسة الأوامر (Prompt Engineering)
في حين أن الذكاء الاصطناعي أنتج أوصافًا دقيقة بشكل ملحوظ، إلا أنها كانت غالبًا مطولة جدًا أو تحتوي على أحرف إشكالية (مثل علامات الاقتباس المزدوجة) من شأنها أن تكسر علامات سمة HTML البديلة. استلزم هذا عملية تكرارية لـ هندسة الأوامر – تحسين التعليمات المعطاة لنموذج الذكاء الاصطناعي. على سبيل المثال، تطور الأمر الأولي مثل “صف هذه الصورة” إلى:
“صف هذه الصورة لاستخدامها في علامة النص البديل على صفحة ويب. اقتصر على جملتين على الأكثر. إذا كانت لقطة شاشة، فيرجى تضمين جميع الكلمات. لا تستخدم علامات الاقتباس المزدوجة، بل علامات اقتباس فردية فقط.”
على الرغم من هذه التعليمات الدقيقة، غالبًا ما كانت استجابات الذكاء الاصطناعي غير متسقة. تم تجاهل قيود الطول بشكل متكرر، واستمرت علامات الاقتباس المزدوجة بعناد. يسلط هذا الضوء على سمة أساسية للذكاء الاصطناعي التوليدي: على الرغم من قوته، إلا أنه لا يلتزم دائمًا بالقواعد الصارمة كما تفعل برامج الكمبيوتر التقليدية.
الحل الهجين والإشراف البشري
للتغلب على هذه التناقضات، أثبت النهج الهجين أنه الأكثر فعالية. تم تصميم الاختصار لـ:
- إرسال الصورة إلى نموذج الحوسبة السحابية الخاصة مع الأمر الوصفي الأساسي.
- استلام الوصف والتحقق من عدد أحرفه.
- إذا كان طويلاً جدًا، قم بتمرير النص إلى النموذج على الجهاز من آبل باستخدام أمر مثل “قص هذا النص ليكون أقل من 250 حرفًا”.
- أخيرًا، استخدم إجراءات “الاختصارات” الأصلية للبحث عن علامات الاقتباس المزدوجة واستبدالها بعلامات اقتباس فردية.
حتى مع هذه المعالجة المعقدة متعددة المراحل، ظل التدخل البشري لا غنى عنه. أنشأ الاختصار النص البديل، لكن شخصًا قام بمراجعته وتعديله. يعد نهج “الإنسان في الحلقة” هذا أمرًا بالغ الأهمية، حيث يمكن لنماذج الذكاء الاصطناعي، على الرغم من براعتها، أن تنتج أخطاء غير متوقعة – من إضافة علامات تصنيف بشكل غير مفهوم إلى الإبلاغ الخاطئ عن الوقت في وصف لقطة شاشة. أكدت هذه التجربة أن الذكاء الاصطناعي يُنظر إليه على أنه مساعد قوي، وليس وكيلاً مستقلاً تمامًا، خاصة للمهام التي تتطلب الدقة والتفاصيل للاستهلاك الخارجي.
تبسيط المصاريف بالذكاء الاصطناعي: ملحمة هندسة الأوامر
يتمثل استخدام مقنع آخر للذكاء الاصطناعي في “الاختصارات” في أتمتة عملية تتبع المصاريف المملة. يعد استخراج التفاصيل يدويًا مثل اسم البائع والتاريخ والمبلغ بالدولار من الإيصالات (غالبًا ما تكون مدفونة في ملفات PDF أو رسائل البريد الإلكتروني) مشكلة شائعة. قدمت فكرة نموذج الذكاء الاصطناعي الذي يقوم بتحليل هذه المستندات بذكاء للحصول على المعلومات الرئيسية فرصة كبيرة لتحسين الإنتاجية.
كان الهدف هو استخراج نقاط بيانات محددة من إيصال وتنسيقها للإدخال المباشر في جدول بيانات، وتحديدًا Apple Numbers. شملت المحاولات الأولية مجرد سحب كل النص وطلب من الذكاء الاصطناعي تقديم قيم مفصولة بفواصل للصقها في جدول بيانات. ومع ذلك، ثبت أن لصق النص المحدد في أعمدة Numbers متعددة يمثل مشكلة.
تنسيق البيانات لجداول البيانات
كان الاكتشاف الحاسم هو أن إجراء “إضافة صف إلى جدول بيانات Numbers” في “الاختصارات” يعمل بشكل أمثل مع قائمة من العناصر. شمل سير العمل المحسن مطالبة الذكاء الاصطناعي بتقديم قيم مفصولة بفواصل للتاريخ والبائع والمبلغ، ثم استخدام إجراء تقسيم النص المدمج في “الاختصارات” لتحويلها إلى قائمة صحيحة، جاهزة للإدراج المباشر في Numbers.
تعقيدات أمر متعدد الأجزاء
لتحقيق المخرجات المطلوبة، أصبح أمر الذكاء الاصطناعي لمعالجة المصاريف مفصلاً ومعقدًا بشكل مدهش، بهدف استخراج بيانات جدول البيانات فقط، ولكن أيضًا لإنشاء اسم ملف بناءً على تفاصيل الإيصال. قد يبدو الأمر النموذجي كالتالي:
“هذه المعلومات هي إيصال للدفع. يرجى إرجاع مبلغ المصروف بالدولار الأمريكي، وتاريخ المصروف (ابحث عن التواريخ في عناوين البريد الإلكتروني إذا كانت منسقة على هذا النحو، وإلا فاستخدم التاريخ الحالي)، ومن كان البائع (استخدم سطر الموضوع وسطر المرسل في عناوين البريد الإلكتروني إذا كانت منسقة على هذا النحو). أيضًا، قم بإنشاء اسم ملف جديد بالتنسيق: YYYY-MM-DD-[أول خمسة أحرف أبجدية رقمية للبائع بأحرف كبيرة]-[المبلغ الكامل بالدولار بدون فاصلة عشرية أو علامة دولار]
قم بتنسيق القيم على النحو التالي، مفصولة بفواصل:
التاريخ بتنسيق MM/DD/YYYY، البائع، المبلغ الكامل بالدولار (تأكد من تضمين أي فاصلة عشرية ولكن ليس السلسلة USD)، اسم الملف”
غرائب الذكاء الاصطناعي: الارتباك وعدم الاتساق
على الرغم من الأمر الدقيق، أظهر الذكاء الاصطناعي بعض السلوكيات الغريبة والمحبطة:
- تعليمات متعارضة: غالبًا ما تسبب طلب المبلغ بالدولار بصيغتين مختلفتين (مثل “$209.49” لجدول البيانات و “20949” لاسم الملف) في ارتباك النموذج، مما يؤدي إلى إدخال قيم غير صحيحة في جدول البيانات، مثل “20949” بدلاً من “$209.49” – خطأ صغير له آثار مالية كبيرة محتملة.
- أخطاء العد: غالبًا ما تم تفسير طلبات عدد أحرف محددة (مثل “أول خمسة أحرف أبجدية رقمية للبائع”) بشكل خاطئ، مع قيام الذكاء الاصطناعي أحيانًا بإرجاع ستة أحرف بدلاً من خمسة.
- عدم الحتمية: ربما تكون المشكلة الأكثر إزعاجًا هي عدم قابلية الذكاء الاصطناعي للتكرار. قد يؤدي تشغيل نفس المدخلات بالضبط عبر الاختصار عدة مرات إلى نتائج مختلفة، وأحيانًا خاطئة بشكل كبير. تتعارض هذه الطبيعة غير الحتمية بشكل أساسي مع نماذج البرمجة التقليدية، حيث ينتج دائمًا نفس المدخلات نفس المخرجات.
سلطت هذه التجربة الضوء على عدم الموثوقية المتأصلة لنماذج الذكاء الاصطناعي الحالية للمهام التي تتطلب دقة مطلقة. في حين أن الذكاء الاصطناعي يمكنه أداء المهمة العامة لاستخراج المعلومات، إلا أن تناقضاته عنت أن سير العمل المؤتمت ينتج بشكل أساسي مسودة لا تزال تتطلب فحصًا بشريًا دقيقًا. ثم يصبح السؤال: إذا كان عليك التحقق من كل شيء، فهل يوفر ذلك الوقت حقًا؟
مفارقة الذكاء الاصطناعي في الأتمتة: القوة والقصور
تكشف التجارب مع كل من وصف الصور وتتبع المصاريف عن مفارقة حاسمة في الحالة الحالية للأتمتة المدعومة بالذكاء الاصطناعي: إنها قوية بشكل لا يصدق وقابلة للخطأ بشكل مدهش في نفس الوقت. يعد إجراء “استخدام النموذج” في “الاختصارات” شهادة على التزام آبل بجلب قدرات الذكاء الاصطناعي المتقدمة إلى التيار الرئيسي، ولكنه يكشف أيضًا عن مراحل نمو هذه التكنولوجيا.
مذهلة ولكن غبية
تجسد عبارة “قطعة تكنولوجيا مذهلة وغبية بشكل لا يصدق” الواقع الحالي تمامًا. يمكن للذكاء الاصطناعي فهم تعليمات اللغة الطبيعية المعقدة، وتمييز الكائنات في الصور، واستخراج المعلومات ذات الصلة من النصوص غير المهيكلة – إنجازات كانت ستعتبر خيالًا علميًا قبل بضع سنوات فقط. ومع ذلك، فإنه يكافح مع مهام بسيطة على ما يبدو مثل عد الأحرف باستمرار أو الالتزام الصارم بقواعد التنسيق على الرغم من التعليمات الصريحة. يسلط هذا الضوء على الفرق بين التعرف على الأنماط والاستدلال المنطقي الحقيقي.
هندسة الأوامر كمهارة جديدة
أصبحت عملية تحسين أوامر الذكاء الاصطناعي التكرارية مهارة جديدة أساسية لأي شخص يتطلع إلى الاستفادة من هذه النماذج بفعالية. يتعلق الأمر أقل بالترميز التقليدي وأكثر بالتواصل الواضح وغير المبهم مع كيان غير بشري يفسر التعليمات بناءً على نماذج احتمالية بدلاً من القواعد الصارمة. غالبًا ما تعتمد فعالية الاختصار المدعوم بالذكاء الاصطناعي على جودة وتفاصيل أمره.
معضلة الموثوقية
تشكل الطبيعة غير الحتمية لنماذج الذكاء الاصطناعي تحديًا كبيرًا للأتمتة ذات الأهمية القصوى. إذا كان نفس المدخل يمكن أن يؤدي إلى مخرجات مختلفة، فكيف يمكن للمرء الوثوق بالنظام للمهام التي تكون فيها الدقة أمرًا بالغ الأهمية، مثل حفظ السجلات المالية أو الامتثال لإمكانية الوصول؟ هذا التباين المتأصل يعني أنه في المستقبل المنظور، سيظل نهج “الإنسان في الحلقة” حيويًا، خاصة بالنسبة لسير العمل حيث يمكن أن تكون للأخطاء عواقب وخيمة.
قد يفسر هذا الواقع أيضًا لماذا تبنت آبل نهجًا حذرًا وتكراريًا في طرح بعض ميزات “Apple Intelligence” الأكثر طموحًا. يتطلب بناء ثقة المستخدم ليس فقط عروضًا توضيحية رائعة، بل أداءً موثوقًا ومتسقًا في سيناريوهات العالم الحقيقي.
أفضل الممارسات للاختصارات المدعومة بالذكاء الاصطناعي
على الرغم من القيود الحالية، لا يمكن إنكار إمكانات الذكاء الاصطناعي في “الاختصارات”. لزيادة فائدته مع تخفيف حدة أوجهه الغريبة، ضع في اعتبارك أفضل الممارسات هذه:
- ابدأ ببساطة وكرر: ابدأ بالمهام البسيطة وزد التعقيد تدريجيًا. اختبر أوامرك بشكل شامل مع مدخلات متنوعة.
- إتقان هندسة الأوامر: جرب صياغات مختلفة، وأدرج أمثلة، وكن واضحًا قدر الإمكان بشأن المخرجات المطلوبة (على سبيل المثال، “إرجاع كقائمة”، “الحد الأقصى X أحرف”، “لا توجد علامات ترقيم”).
- الاستفادة من إجراءات الاختصارات الأصلية: لا تعتمد فقط على الذكاء الاصطناعي. استخدم إجراءات الاختصارات التقليدية للمهام التي تتطلب سلوكًا حتميًا، مثل تغيير حجم الصور، وتقسيم النص، واستبدال الأحرف، أو التحقق من الطول. يضيف هذا النهج الهجين المتانة.
- بناء مراجعة بشرية: لأي سير عمل حرج، افترض أن الذكاء الاصطناعي سيرتكب أخطاء. ادمج دائمًا خطوة للتحقق البشري والتصحيح قبل الانتهاء من المخرجات أو استخدامها.
- فهم قيود النموذج: كن على دراية بأن الذكاء الاصطناعي يكافح مع العد الدقيق، والتنسيق الصارم، والاستدلال المنطقي المعقد. صمم سير عملك للتعويض عن هذه الضعف.
- اختر النموذج المناسب: استخدم النماذج على الجهاز للمهام الحساسة للخصوصية أو عالية السرعة التي تتوافق معها القدرات. اختر الحوسبة السحابية الخاصة للمهام الأكثر تعقيدًا أو كثافة البيانات.
- تطبيق معالجة الأخطاء: ضع في اعتبارك ما يحدث إذا أعاد الذكاء الاصطناعي مخرجات غير متوقعة أو خاطئة. هل يمكن لـ “الاختصار” الخاص بك التعامل معها بأمان، أو تقديم إشارة واضحة إلى الحاجة إلى تدخل بشري؟
الخلاصة: مستقبل الأتمتة مع Apple Intelligence
يمثل دمج آبل لنماذج الذكاء الاصطناعي في “الاختصارات” لحظة محورية لأتمتة الشخصية. إجراء “استخدام النموذج” ليس مجرد ميزة جديدة؛ إنه نموذج جديد لكيفية تفاعلنا مع أجهزتنا وتفويض المهام. توضح التجارب في وصف الصور وتتبع المصاريف القوة الهائلة التي يجلبها الذكاء الاصطناعي، مما يحول العمليات اليدوية أو المعقدة سابقًا إلى سير عمل مؤتمت جزئيًا.
ومع ذلك، تسلط هذه المحاولات المبكرة الضوء أيضًا على أن الذكاء الاصطناعي، في شكله الحالي، هو أداة قوية ولكنها غير كاملة. إنه ليس حلًا سحريًا يقضي على الحاجة إلى التفكير أو الإشراف البشري. بدلاً من ذلك، يعمل كمساعد قادر بشكل مدهش، يمكنه تسريع التقدم بشكل كبير ولكنه لا يزال يتطلب التوجيه والتصحيح وعينًا ثاقبة للتفاصيل. تعني الطبيعة غير الحتمية للذكاء الاصطناعي أن الثقة يجب بناؤها تدريجيًا، ويظل التحقق هو المفتاح.
مع استمرار تطور نماذج الذكاء الاصطناعي وتصبح أكثر تطوراً، من المرجح أن تتضاءل تحديات الاتساق والموثوقية. في الوقت الحالي، فإن مستقبل الأتمتة مع Apple Intelligence هو مستقبل الإمكانيات المثيرة، الذي يتطلب الإبداع في هندسة الأوامر، والاستخدام الاستراتيجي لسير العمل الهجين، والالتزام الراسخ بالإشراف البشري. إنها رحلة إلى منطقة غير مألوفة، وبينما قد يكون الطريق به بعض المطبات، فإن الوجهة تعد بعصر جديد من الإنتاجية الذكية والشخصية.
“`