كل ما سيتذكّرك يُخطئ. وواحد منها فقط ما زال بإمكانك تصحيحه.

نبدأ بالآليات، لأنه يمكن التحقق منها، ولأن معظم ما يُكتب في هذا الموضوع يتجاوزها إلى المشاعر.

• حين لا تملك Persona بيانات عن سؤال ما، تأتي إجابة رغم ذلك، لأن التخمين يحقق درجة أفضل من ترك الفراغ. يرى Kalai وNachum وVempala وZhang في "Why Language Models Hallucinate" (arXiv:2509.04664، سبتمبر 2025) أن النماذج «مُحسَّنة لتكون جيدة في أداء الاختبارات، والتخمين عند عدم اليقين يحسّن الأداء في الاختبار».

• يغيّر التأريض (grounding) فئة الخطأ ولا يزيله. فالإجابة من مجموعة مسترجعة من كلماتك المسجّلة تنقل الإخفاق من «اختلاق رأي لم يكن لك قط» إلى «تحريف شيء قلته فعلًا».

• الحدّ الأدنى المقيس ليس صفرًا. تعطي لوحة Vectara لقياس الهلوسة، المقيّمة بـ HHEM-2.3 والمحدّثة في 11 مايو 2026، النموذج وثيقة المصدر وتطلب منه تلخيصها فقط. ومع ذلك أدخل النموذج الأفضل محتوى غير مدعوم في 1.8% من الملخصات، ولم يسجّل أي مُدخل آخر أقل من 3%.

• الاسترجاع لا يعرف حدًّا أدنى للدرجة. يرتّب نظامنا ذكرياتك بحسب التشابه الدلالي، ويأخذ أقرب اثنتين وثلاثين منها ويجيب انطلاقًا منها، دون عتبة يرفض النظام الإجابة دونها. والسؤال الذي تغطي مادتك نصفه يُجاب من هذا النصف.

• الادعاءات غير المدعومة بشأن ما قلته تُزال برمجيًا. يُفحص أي رد يزعم أنك أخبرتنا بشيء ما مقابل الذكريات المسترجعة لذلك الدور ومقابل كلماتك في الجلسة، ولا يصل أي ادعاء غير مدعوم إلى القارئ.

• الفجوة في الذاكرة لا يُعلَن عنها. تُوجَّه كل Persona على هذه المنصة بألا تروي الفجوة، فيأتي السؤال غير المغطّى بإجابة مبنية على أقرب تفصيل تحتفظ به ذكرياتك، مع تحفظ واحد على الأكثر، بدلًا من رفض صريح.

• مسار التصحيح بيدك ما دمت حيًّا، ويُغلق عند القفل. يمكنك أن تقرأ ما جرى التقاطه، وتصحّح إجابة خاطئة، وتحذف ذكرى، وتضيف ما أغفلته. ثم يجمّد Executor Lock™‎ الشخصية إلى الأبد، في وجه عائلتك، وفي وجه أي مالك مستقبلي لهذه الشركة، وفي وجهنا نحن.

اثنان من هذه الأمور من طبيعة المجال. أما الباقي فقرارات، أنا من اتخذها، ويقول القسم الأخير من هذه الصفحة بصراحة أين أرى أننا ما زلنا مقصّرين.

يعيد Kalai وزملاؤه معدل الخطأ إلى موضعه الصحيح، أي في التقييم لا في الآلة. تبدأ الهلوسات أخطاءً عادية في التصنيف الثنائي أثناء التدريب المسبق. وتستمر بسبب الطريقة التي يقيّم بها المجال النماذج. الطالب الذي يترك سؤالًا فارغًا ينال صفرًا. والطالب الذي يكتب إجابة معقولة ينال أحيانًا درجة. درّب نموذجًا على هذا فتحصل على مخمّن واثق، ثم تحصل على صناعة كاملة من المخمّنين الواثقين، ثم تحصل على جملة عن يوم عيد الميلاد لم يحدث أبدًا.

الحل الذي يقترحه المؤلفون مملّ. غيّروا ما يُقيَّم، بحيث يساوي الامتناع المعايَر عن الإجابة أكثر من خطأ واثق.

والملل هنا مهم. فإن كان السلوك ناتجًا عن هدف تدريبي، أمكن ضبط الهدف بشكل مختلف على مستوى النظام، أي أن الاختلاق الذي يقلقك هو قرار بناء اتخذه أحدهم، لا قانون من قوانين الفيزياء. وكل شركة في هذه الفئة تملك أن تتخذ هذا القرار. وقرارنا مكتوب في القسم الأخير من هذه الصفحة.

ثمة نمط إخفاق ثانٍ، وهو الذي ينجو من التأريض. وجد Sharma وزملاؤه في Anthropic، في "Towards Understanding Sycophancy in Language Models" (arXiv:2310.13548، أكتوبر 2023)، أن خمسة مساعدين ذكيين متقدمين أظهروا التملّق باستمرار عبر أربع مهام متنوعة لتوليد النصوص الحرة. فضّل المقيّمون البشر ونماذج التفضيل المدرَّبة على أحكامهم الردود المتملقة المكتوبة بإقناع على الردود الصحيحة في نسبة غير ضئيلة من الحالات. تميل النماذج نحو الشخص الذي أمامها، جزئيًا لأن الناس كافؤوها على الميل.

في أداة للإنتاجية، الميل مجرد إزعاج. أما هنا فهو آلة تقرّر أن أباك كان سيسامح ما لم يسامحه قط، لأن السائل أراد المسامحة وسأل ثلاث مرات. هذا خلل مختلف عن الاختلاق ويحتاج إلى حل مختلف. الاسترجاع يعالج الأول. أما الثاني فيحتاج إلى تعليمة صريحة بالتمسك بموقف مسترجع تحت الضغط، والاختبار الوحيد المجدي هو أن تجادل الآلة وتراقب هل يتحرك الموقف. لم ننشر قياسًا لمدى ثبات نظامنا.

التقنية قديمة إلى حد الملل. أظهر Lewis وزملاؤه، في "Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks" (arXiv:2005.11401)، أن النماذج التي تسترجع مادة مصدرية قبل التوليد تنتج لغة «أكثر تحديدًا وتنوعًا وواقعية» من نموذج مماثل يعمل من معاملاته وحدها.

هذه هي الآلية كلها، وهي التي تحدد نوع الكائن الذي تحاوره. لا ينبغي إعادة بناء نسخة منك مما امتصّه نموذج أساسي عن الناس عمومًا، من متوسط كل ما كُتب عن الآباء. يجب أن يكون ما يدخل نافذة السياق هو إجاباتك المسجّلة الفعلية، وأن يبدأ الكلام منها.

والآن الرقم، وهو معلن، ولا يحب أحد في هذه الصناعة ذكره. تقيس لوحة Vectara شيئًا سهلًا عمدًا: أعطِ النموذج وثيقة، وقل له لخّص مستخدمًا ما تقوله الوثيقة فقط، ثم تحقق هل أدخل الملخص شيئًا لم تتضمنه الوثيقة. المصدر أمامه في نافذة السياق. ومع ذلك فإن صاحب المركز الأول في تلك اللوحة، Finix S1 32B من Antgroup، أدخل محتوى غير مدعوم في 1.8% من الملخصات. وهو المُدخل الوحيد دون 3%. أما التاليان فعند 3.1% و3.3%، وبقية العشرة الأوائل تمتد من 3.7% إلى ما فوق 5%.

أفضل نتيجة مقيسة في أسهل صيغة ممكنة للمهمة أقل من اثنين بالمئة، مرة واحدة، وكل من خلف الأول فوق الثلاثة. ومن يبيعك نظامًا مؤسَّسًا بنسبة صفر إما لا يقيس أو لا يخبرك، وأنصحك بأن تسأله أيهما.

التأريض يشتري تغييرًا في الفئة لا شفاءً. ينتقل الخطأ من فئة «اختلاق رأي كامل» إلى فئة «تحريف طفيف لشيء قلته فعلًا»، وهي الفئة التي يقع فيها أصلًا أي سرد بشري عادي.

ثمة أمر آخر لا تختبره اللوحة. وثيقة المصدر تُسلَّم جاهزة. أما في نظام حي فيجب العثور على المصدر أولًا، وهذا يضيف نمط إخفاق لا يوجد له مقياس متفق عليه: استرجاع يعيد الذكرى الخطأ، أو لا يعيد شيئًا ومع ذلك تُعطى إجابة.

كل إجابة تقع في إحدى ثلاث حالات.

الضرر الفعلي هو دمج هذه الحالات الثلاث في نبرة واحدة واثقة. ليس الخطأ، بل الخطأ غير المُفصَح عنه. تستطيع ابنة أن تتعامل مع إجابة غير دقيقة تعرف أنها غير دقيقة. ما لا تستطيع احتماله أن تكتشف بعد ستة أشهر أنها كانت تعامل إعادة بناء على أنها تسجيل.

نسخة منك تقول «لم تخبرني بهذا قط» أثمن من نسخة لديها دائمًا إجابة جاهزة.

هذا الجدول مواصفة وليس وصفًا لما نقدّمه حاليًا. الفرق مبيّن أدناه، وعليك قراءته قبل أن تثق بأي شيء مما سبق.

الرفض قابل للبناء، والبحث يقول ذلك بحذر. أفاد Zhang وزملاؤه، في "R-Tuning: Instructing Large Language Models to Say I Don't Know" (arXiv:2311.09677، NAACL 2024)، بأن الضبط الواعي بالرفض «يحسّن فعليًا قدرة النموذج على الإجابة عن الأسئلة المعروفة والامتناع عن الإجابة عن الأسئلة المجهولة»، وبأن قدرة الرفض على بيانات خارج النطاق تصرفت كمهارة فوقية تعمّمت على مهام لم يشملها الضبط. اقرأ الحد إلى جانب النتيجة. ما ضبطوا عليه هو حدّ معرفة النموذج الذاتية، لا حدّ مدونة مسجّلة لشخص واحد، ولم ينشر أحد النتيجة المماثلة لمدونة شخصية. يبقى الرفض شيئًا يبنيه أحدهم عن قصد. لا ينتج أي نموذج لغوي الرفض من تلقاء نفسه.

الكشف أبعد تقدّمًا مما يوحي به تسويق هذه الفئة. نشر Farquhar وKossen وKuhn وGal في Nature (2024، المجلد 630، الصفحات 625 إلى 630) طريقة تسمى الإنتروبيا الدلالية: خذ عدة إجابات عن السؤال نفسه، وجمّعها بحسب المعنى لا الصياغة، وعلّم الأسئلة التي تتشتت معانيها. التشتت يدل على الاختلاق. وهذه إشارة قابلة للقياس على أن «هذه تخمين»، ويمكن حسابها قبل أن تُعرض الإجابة على أحد.

المصدرية هي النصف الآخر، وهي سهلة التزييف وسهلة التصديق. دقّق Liu وZhang وLiang، في "Evaluating Verifiability in Generative Search Engines" (arXiv:2304.09848، أبريل 2023)، أربعة أنظمة تجارية تعرض استشهادات، هي Bing Chat وNeevaAI وPerplexity.ai وYouChat. ووجدوا أن 51.5% فقط من الجمل المولَّدة مدعومة بالكامل بالاستشهادات المرفقة بها، وأن 74.5% فقط من الاستشهادات تدعم فعلًا الجملة التي تقع تحتها. الاستشهادات التي لا تصمد للتحقق أسوأ من غيابها، لأنها تشتري ثقة لم تستحقها. ورابط «من أي ذكرى جاءت هذه» لا قيمة له إلا إذا أظهر فتحه تسجيلًا حقيقيًا لك تقول فيه شيئًا حقيقيًا.

ابدأ بناء إرثك. بناء مجاني، 25 ذكرى، دون حاجة إلى بطاقة.

خذ سؤالًا يأتي بعد مدونتك كلها. عرض عمل في 2041، في شركة لا وجود لها بعد، في مدينة لم ترها قط. لا مقابلة تجريها قادرة على حمل رأيك في تلك الوظيفة.

مدونة من الخلاصات لا تعيد هنا شيئًا، والمخرج الصادق رفض. أما مدونة من الاستدلال فتتصرف بشكل مختلف، لأن المنهج قابل للالتقاط على نحو لا تقبله الخلاصة. تخيّل أن القواعد التي عمل بها أحدهم فعلًا كانت هذه: اسأل أمام من ستكون مسؤولًا قبل أن تسأل كم الأجر، ولا تثق بلقب يأتي بدل المال، وابتعد عن كل من لا تحتمل الجلوس قبالته على طاولة. أيًّا كانت قواعدك أنت، فهذا شكلها، ومجموعة القواعد تُسترجع لمواقف لم ترها من قبل.

الخلاصات تنتهي صلاحيتها. القواعد تواصل العمل على حالات لم يسجلها أحد. ولهذا فإن المادة التي تستحق الالتقاط هي الاستدلال وراء القرار لا القرار نفسه: ليس ما فعلته، بل لماذا هذا القرار، وما الذي كان سيغيّر رأيك، والمرة التي خذلتك فيها القاعدة وتمسكت بها مع ذلك.

والقواعد التي تعمّم أفضل تكون عادة تلك التي لا يخطر لك أن تكتبها، الكفاءات العادية التي تعمل بها دون أن تسردها، والأشياء التي لا يعرف كيف يفعلها غيرك يبحث عنها تحديدًا.

كما أن تغطية المدونة هي المُدخل الوحيد في هذه الصفحة كلها الذي يخصك. وكل ما عداه هو معيار قياس شخص آخر.

افعل هذا اليوم، مجانًا. افتح تطبيق ملاحظات واكتب عشرة قرارات اتخذتها فعلًا. وظائف، بيوتًا، الجدال الذي انسحبت منه، الصديق الذي توقفت عن الاتصال به، المال الذي لم تُقرضه. وتحت كل قرار اكتب القاعدة التي كنت تعمل بها، لا النتيجة. جملة واحدة لكل قرار، وفي أقل بكثير من ساعة. إنه أعلى الأمور قيمة التي تستطيع فعلها بمادتك الخاصة هذا الشهر، وهو يعمل سواء اشتريت من أحد شيئًا أم لا. والنسخة الأطول من التمرين نفسه تقع في قلب كيف تُجري مقابلة مع نفسك، أما البنية التحتية، أي النموذج الأساسي والذاكرة الخاصة المؤسَّسة ونموذج الصوت، فمعروضة في ماذا يحدث حين يُدرَّب الذكاء الاصطناعي عليك وحدك.

أفضل حالة بنسبة 1.8%، وكل من خلف الأول فوق 3%، تبدو مقلقة إلى أن تسأل عمّا تُقارن به. البديل الواقعي هو فرد من العائلة يتكهن بما كنت ستريده، وقد قاس أحدهم ذلك قبل عشرين عامًا.

نشر Shalowitz وGarrett-Mayer وWendler مراجعة منهجية في Archives of Internal Medicine عام 2006 شملت 16 دراسة و151 سيناريو افتراضيًا و2,595 زوجًا من مريض وبديل عنه و19,526 استجابة مزدوجة. تنبأ البدلاء بتفضيلات المرضى العلاجية بدقة 68%. كان هؤلاء أقرب الناس إلى المريض، وغالبًا معيّنين رسميًا، يجيبون عن أهم القرارات التي يمكن أن توجد. أخطأوا نحو مرة من كل ثلاث. ووجدت المراجعة أيضًا أن لا النقاش المسبق بتفضيلات المريض ولا التعيين الرسمي كصانع قرار حسّنا الدقة.

إطلاع عائلتك لا يفيد بشكل قابل للقياس. هذه هي النتيجة، وهي التي جعلتني أتوقف عن اعتبار «تحدّث مع أولادك فحسب» جوابًا كاملًا.

والثقة ليست دليلًا أيضًا، وهذا ما يجعل الجانب البشري عسير التدقيق. طلب Talarico وRubin، في Psychological Science عام 2003، من 54 طالبًا في Duke تسجيل ذكرى أول سماعهم بهجمات 11 سبتمبر إلى جانب ذكرى يومية حديثة، ثم أعادا اختبارهم بعد 1 أو 6 أو 32 أسبوعًا. لم يختلف الاتساق بين النوعين من الذكريات، وتراجع مع الوقت في كليهما. أما ما لم يتراجع في ذكريات الومضة فهو مدى وضوحها في الإحساس وقوة اعتقاد الناس بدقتها. وعنوان دراستهما هو النتيجة: "Confidence, not consistency, characterizes flashbulb memories" (الثقة، لا الاتساق، هي ما يميّز ذكريات الومضة). هذه 54 طالبًا وحدث واحد، فخذها بتحفظ. ومع ذلك فهي تشير في اتجاه واحد. القريب الواثق من أنه يتذكر بالضبط ما قلته ليس بذلك أرجح أن يكون على صواب.

لا شيء من هذا يجعل النموذج أفضل من العائلة، ولم تقارن دراسة بين الاثنين مباشرة. ما يفعله هو إسقاط «الكمال أو لا شيء» معيارًا للاختبار. المقارنة الصادقة هي بين نسخة منك تجيب من كلماتك المسجّلة، ويمكن قراءتها وتصحيحها وأنت حاضر، وبين أناس يعيدون بناءك من ذاكرتهم عنك، وهي ذاكرة تتآكل سواء بدت واضحة أم لا، ولن يدقّقها أحد أبدًا.

نبدأ بما بنيناه، ثم المواضع الثلاثة التي لا يطابق فيها المواصفة أعلاه.

يُجري معك المقابلة مرشد اسمه Idy®‎. تبقى الأسئلة مع خيط واحد وتتعمق في القصة نفسها بدل الانزلاق عبر وقائع السيرة: من كان حاضرًا، وماذا حدث بعد ذلك، وماذا تغيّر بعده. ويُمنع Idy صراحةً من أن يطلب منك توضيح شيء قلته للتو أو شرحه أو تبريره، وهذا قرار مقصود في الاتجاه المعاكس للتمرين أعلاه. الدافئ والسهل الجواب خير من الذكي، لأن سؤالًا لا يريد أحد الإجابة عنه لا يلتقط شيئًا على الإطلاق. إجاباتك تصبح ذكرياتك. وما نبنيه منها له اسم، ونسميه "Persona". تجيب كل Persona بالاسترجاع من ذكرياتك لا مما امتصّه نموذج أساسي عن الناس عمومًا، وصوتك يُستنسخ من تسجيلاتك أنت، فما يسمعه أي أحد هو صوتك أنت لا بديل يقرأ كلماتك.

لا شيء يصل إلى أي أحد حتى تأذن. أنت من يسمّي الأشخاص. ويجري الإفراج عبر Executor Lock™‎: يبدأه شخص مُسمّى، ويُتحقق من دليل الوفاة، وتمرّ مهلة انتظار سبعة أيام قبل الإفراج عن أي شيء، فيمكن إيقاف الخطأ أو المحتال وأنت حي قادر على التدخل. وإلى ذلك الحين تظل مادتك لك تصحّحها وتضيف إليها وتحذفها، ومعظم التصحيح الذي سيحدث ينبغي أن يحدث هناك، على يدك، وأنت ما زلت قادرًا على التمييز بين التقاط سيئ وذاكرة سيئة.

عند القفل تُؤخذ لقطة كاملة للكل. لا يُقلَّم شيء ولا يُعاد ترجيحه ولا يُلخَّص. وبعد ذلك يمكن أن تُكتب الذكريات قصيرة المدى ومتوسطة المدى، وتتثبت الشخصية إلى الأبد، بما في ذلك في وجهنا نحن.

هذا الثبات موجَّه إلى إخفاق لا يضعه أحد في حجة الدقة، لأنه تلاعب لا عدم دقة: شخص له مصلحة يقرر، في 2044، أنك كنت ستؤيد البيع أو الدعوى القضائية، ويعدّل المدونة بهدوء حتى تتفق معه. الشخصية المجمّدة تجعل هذه الفئة من التعديل مستحيلة لا مثبَّطة فحسب. والنصف القانوني من المشكلة نفسها، أي من يحق له أصلًا أن يأذن بنسخة منك حين لا تعود قادرًا على الاعتراض، مبيّن في من يتحكم في هويتك بعد موتك. والتكلفة حقيقية وتجري في الاتجاه المعاكس: بعد القفل لا يمكن إصلاح أي خطأ أيضًا. اللقطة صادقة، بما في ذلك بشأن أخطائك، وهذه المقايضة في الاتجاه الصحيح، لأن سجلًّا يستطيع أي أحد تعديله دليل على لا شيء.

والآن الفجوات الثلاث.

حدّ المدونة لا يُعلَن عنه. التعليمة الحية عكس صف «مجهول» في ذلك الجدول. حين لا تكون واقعة محددة في ذكرياتك، تُوجَّه Persona هنا ألا تروي الفجوة، وألا تقول أبدًا «ليس عندي هذا» أو «ذاكرتي ضعيفة»، وألا تدقّق ذاكرتها بصوت عالٍ أمام الشخص الذي يستمع. ما يحدث بدلًا من ذلك أن الإجابة تنطلق من تفصيل تحتفظ به ذكرياتك، وتتحفظ مرة واحدة على الأكثر، وتترك الصمت ليملأه الطرف الآخر. والمنطق أن تمثيل الفجوة يكسر حضور الشخص المتكلم. والثمن أن المستمع لا يستطيع دائمًا أن يميّز إجابة مغطّاة من إجابة هزيلة، ولم نحل هذه المشكلة.

لا يوجد بعد رابط مصدر مرئي للقارئ. يتتبع الاسترجاع فعلًا أي الذكريات غذّت كل إجابة، وهذا السجل موجود في النظام، لكن لا شيء في الواجهة يعرضه، فلا تستطيع اليوم أن تنقر على إجابة وتفتح الذكرى التي وراء الكلمات. وإلى أن يصدر ذلك، عامل حجة التتبع في هذه الصفحة على أنها حجة لا ميزة.

لا حدّ أدنى للتشابه في الاسترجاع. تأتي الإجابات من أقرب الذكريات التي يجدها الاسترجاع، مرتبة بالتشابه الدلالي، دون درجة دنيا يرفض النظام الإجابة دونها. هذا الخيار الواحد هو الآلية وراء الفجوتين أعلاه، وهو السبب الصادق في أن فئة الخطأ هنا هي عدم الدقة لا الرفض.

ولم ننشر أيضًا قياسًا مستقلًا لمعدل اختلاقنا، لأننا لم نجرِ واحدًا. لا شيء في هذه الصفحة ادعاء مقيس بمعيار يخص نظامنا تحديدًا.

ما تحصل عليه نسخة منك مؤسَّسة على كلماتك المسجّلة، ومحروسة برمجيًا من اختلاق ما أخبرتنا به، وقابلة للتصحيح كليًا ما دمت حيًّا، ويستحيل تعديلها لتصبح شخصًا آخر بعد ذلك. وما لا تحصل عليه هو ضمان، ولا يستطيع أحد أن يبيعك ضمانًا بأي ثمن. فإن لم يكن هذا كافيًا لك، فافعل تمرين القرارات العشرة واكتب لعائلتك رسالة بدلًا من ذلك. وهذا جواب حقيقي ولا يكلّف شيئًا.

ولأن النظام لن يخبرك بأي من الحالات الثلاث جاءت منها الإجابة، فالطريقة الوحيدة لمعرفة ذلك هي أن تعرف الجواب قبل أن تسأل. ضع بعض مادتك الخاصة، واسأل عن شيء تعرف أنك سجّلته وعن شيء تعرف أنك لم تلمسه قط، واقرأ الردّين جنبًا إلى جنب. خمس وعشرون ذكرى مجانية، ولا تُطلب بطاقة في أي مرحلة، والبناء المجاني لا تنتهي صلاحيته. افعل ذلك في ظهيرة واحدة وستعرف أكثر مما تستطيع هذه الصفحة أن تخبرك به.

ابدأ بناء إرثك. بناء مجاني، 25 ذكرى، دون حاجة إلى بطاقة.

ماذا يحدث حين لا يغطي شيء في ذكرياتي السؤال؟

هذه حالة «مجهول». النظام المعايَر ينبغي أن يعيد رفضًا بصوتك يسمّي الفجوة ويعرض أقرب ما سجّلته فعلًا، وقد أفاد Zhang وزملاؤه في 2024 أن الضبط الواعي بالرفض يحسّن فعلًا قدرة النموذج على الامتناع عن الإجابة عن أسئلة تتجاوز ما يعرفه، وأن القدرة تتعمم خارج مجموعة الضبط. أما ما يفعله نظامنا اليوم فمختلف، وينبغي أن تعرف ذلك قبل أن تعتمد على أي إجابة: تُوجَّه Persona هنا ألا تروي فجوة الذاكرة، فيأتي السؤال غير المغطّى بإجابة مبنية على أقرب تفصيل تحتفظ به ذكرياتك، مع تحفظ واحد على الأكثر، بدلًا من رفض صريح. اسأل عن شيء تعرف أنك لم تغطّه وشاهد بنفسك ما يعود.

هل يمكن لنسخة ذكاء اصطناعي مني أن تختلق رأيًا لم يكن لي؟

يسترجع النظام المؤسَّس من مادتك المسجّلة أولًا، فالإخفاق الشائع هو عدم الدقة في شيء قلته فعلًا لا اختلاق شيء لم تقله. لكن الاختلاق يبقى ممكنًا. ولهذا فإن هدف التصميم هو فرق مرئي بين إجابة قدّمتها أنت، واستنتاج من استدلالك، ورفض، ولهذا ينبغي أن تختبر الثلاثة قبل أن تثق بأي منها.

هل يوصل التأريض معدل الخطأ إلى الصفر؟

لا. تعطي لوحة Vectara، المحدّثة في 11 مايو 2026، النموذج وثيقة وتطلب ملخصًا يستخدم تلك الوثيقة وحدها، وهذه أسهل مهمة تأريض ممكنة. ومع ذلك أدخل النموذج الأول محتوى غير مدعوم في 1.8% من الملخصات، ولم يسجّل أي مُدخل آخر أقل من 3%. كما أن النظام الحي يجب أن يسترجع المصدر الصحيح أولًا، وهو ما لا تختبره اللوحة. عامل أي ادعاء بالصفر على أنه إخفاق في القياس.

كيف يعرف أحد أن إجابة بعينها كانت تخمينًا؟

توجد آليتان في البحث ولا نقدّم أيًّا منهما اليوم. الإنتروبيا الدلالية، المنشورة في Nature عام 2024، تأخذ عدة إجابات عن السؤال نفسه وتجمّعها بحسب المعنى: حين تتشتت المعاني يرجّح أن النظام يختلق، والإشارة قابلة للحساب قبل أن يرى أحد الإجابة. والآلية الثانية روابط المصدرية، ولا قيمة لها إلا إن كانت تقود إلى شيء. دقّق Liu وZhang وLiang أربعة أنظمة تجارية تعرض استشهادات ووجدوا أن 51.5% فقط من الجمل مدعومة بالكامل باستشهاداتها هي. لا تحمل إجاباتنا بعد رابط مصدر مرئي للقارئ، فالفحص الصادق الآن هو أن تسأل عن شيء تعرف أنك سجّلته وشيء تعرف أنك لم تسجّله وتقارن بينهما.

هل ستوافق نسخة مني بالذكاء الاصطناعي من يتحدث إليها كائنًا من كان؟

هذا الميل حقيقي وموثّق، والاسترجاع لا يصلح هذا الخلل تحديدًا. وجد باحثو Anthropic في 2023 أن خمسة مساعدين ذكيين رائدين مالوا باستمرار نحو المستخدم، جزئيًا لأن المقيّمين البشر ونماذج التفضيل المبنية على أحكامهم فضّلوا الإجابات المجاملة على الصحيحة في نسبة قابلة للقياس من الحالات. ينبغي للنظام المبني على مواقفك المسجّلة أن يتمسك بموقف اتخذته فعلًا حتى حين يضغط السائل. ولم نقس مدى نجاح نظامنا في ذلك. اختبر المسألة بنفسك بأن تجادل ما بنيته وتراقب هل يتحرك الموقف.

هل أستطيع تصحيح الأخطاء، وهل يستطيع أحد تعديلي بعد موتي؟

نعم للأول ولا للثاني. ما دمت حيًّا يمكنك مراجعة الذكريات، وتصحيح أي خطأ، وحذف ما تندم عليه، وإعادة تسجيل إجابة سيئة، وإضافة ما فاتك، وهذا الجزء الذي يقلّل معظم الناس من استخدامه. مسار الكتابة غير محدود قبل Executor Lock™‎ ومغلق بعده. وفي اللحظة التي يبدأ فيها القفل تتثبت الشخصية إلى الأبد: يمكن أن تُكتب الذكريات قصيرة المدى ومتوسطة المدى، لكن لا أحد يستطيع تغيير من أنت في اللقطة، بما في ذلك عائلتك ومالك مستقبلي لهذه الشركة ونحن. هذا القيد يستهدف التلاعب لا الاختلاق، والاثنان يحتاجان إلى آليتين منفصلتين.

• لا أحد مهم بما يكفي ليترك شيئًا وراءه، ولماذا هذا خطأ هو الاعتراض الكامن تحت هذا الاعتراض لدى معظم الناس، ويستحق القراءة إن لم تكن الدقة هي ترددك الحقيقي.

• أن يتذكرك من عرفوك على نحو خاطئ يتناول الشعور لا الآلية، وهو ما يجلب معظم الناس إلى هذه الصفحة أصلًا.

• هل من الغريب أن تصنع ذكاءً اصطناعيًا منك للنسخة من هذا الحوار التي ستجريها مع شريك يجد الفكرة كلها مقلقة لا غير دقيقة.

• ماذا سأقول أصلًا لذكاء اصطناعي مني هو الخطوة العملية التالية إن نجح تمرين القرارات العشرة وأردت مجموعة أسئلة أطول.

• أخلاقيات شخصيات الذكاء الاصطناعي للموتى هو المعالجة الأوفى للموافقة والمبالغة في الادعاء ومواضع الضرر الحقيقي لهذه التقنية.

• ما تضيفه الخطط المدفوعة هو الأسعار، إن تجاوزت خمسًا وعشرين ذكرى وأردت الباقي.

كل رقم مذكور هنا من طرف ثالث: أوراق محكَّمة ومسودات أولية (arXiv وNature وPsychological Science وArchives of Internal Medicine) إضافة إلى مستودع معايير واحد يُصان علنًا. لم نجرِ أي معايير خاصة بنا لهذه الصفحة. وكل ما يُقال عمّا يفعله منتجنا أو لا يفعله فُحص سطرًا بسطر مقابل شيفرة المنصة في 30 يوليو 2026، والملفات مدرجة مع المصادر. ثلاثة ادعاءات كانت على هذه الصفحة لم تصمد لذلك الفحص واستُبدلت بما تفعله الشيفرة فعلًا.

ما لم يُحسم: لا يوجد قياس منشور ومستقل لمعدلات الاختلاق في نظام مؤسَّس على مادة شخص واحد المسجّلة، فأرقام تلخيص الوثائق، أي الأول عند 1.8% وكل من خلفه فوق 3%، هي أقرب بديل متاح لا رقم مماثل تمامًا. وإخفاق الاسترجاع، حيث تُعاد الذكرى الخطأ أو لا شيء، ليس له مقياس متفق عليه. ورقم دقة البدلاء 68% يأتي من دراسات قرارات طبية بسيناريوهات افتراضية ويُستخدم هنا قياسًا على تذكّر العائلة، وهي مقارنة معقولة لا مُثبتة. ونتيجة الرفض في R-Tuning قيست مقابل حدّ معرفة النموذج الذاتية لا مدونة شخصية، فتطبيقها هنا حجة بالقياس أيضًا. ونتيجة ذكريات الومضة تقوم على 54 طالبًا وحدث واحد.

1. آدم توْمان كالاي، وأوفير ناخوم، وسانتوش فيمبالا، وإدوين تشانغ، "Why Language Models Hallucinate"، arXiv:2509.04664، قُدّمت في 4 سبتمبر 2025. arxiv.org/abs/2509.04664

2. ديفيد شالوفيتز، وإليزابيث غاريت-ماير، وديفيد ويندلر، "The accuracy of surrogate decision makers: a systematic review"، Archives of Internal Medicine، عام 2006، المجلد 166، العدد 5، الصفحات 493-497. pubmed.ncbi.nlm.nih.gov/16534034

3. باتريك لويس وزملاؤه (ومنهم إيثان بيريز وفابيو بيتروني وسيباستيان ريدل ودوف كيلا)، "Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks"، arXiv:2005.11401، قُدّمت في 22 مايو 2020 ونُقّحت في 12 أبريل 2021. arxiv.org/abs/2005.11401

4. مرينانك شارما وآخرون (Anthropic)، "Towards Understanding Sycophancy in Language Models"، arXiv:2310.13548، قُدّمت في 20 أكتوبر 2023. arxiv.org/abs/2310.13548

5. هانينغ تشانغ وزملاؤه (ومنهم شيجي دياو ويونغ لين وهنغ جي وتونغ تشانغ)، "R-Tuning: Instructing Large Language Models to Say I Don't Know"، arXiv:2311.09677، مؤتمر NAACL 2024. arxiv.org/abs/2311.09677

6. نيلسون ليو، وتيانيي تشانغ، وبيرسي ليانغ، "Evaluating Verifiability in Generative Search Engines"، arXiv:2304.09848، قُدّمت في 19 أبريل 2023. arxiv.org/abs/2304.09848

7. لوحة Vectara لقياس الهلوسة (Vectara Hallucination Leaderboard)، مقيَّمة بـ HHEM-2.3، آخر تحديث في 11 مايو 2026. github.com/vectara/hallucination-leaderboard

8. سيباستيان فاركوهار، ويانيك كوسن، ولورينز كون، ويارين غال، "Detecting hallucinations in large language models using semantic entropy"، Nature، عام 2024، المجلد 630 (العدد 8017)، الصفحات 625-630. pubmed.ncbi.nlm.nih.gov/38898292

9. جينيفر تالاريكو، وديفيد روبين، "Confidence, not consistency, characterizes flashbulb memories"، Psychological Science، عام 2003، المجلد 14 (العدد 5)، الصفحات 455-461. pubmed.ncbi.nlm.nih.gov/12930476

عثرت على خطأ في هذه الصفحة، أو على مصدر أسأنا قراءته؟ أخبرنا عبر صفحة الاتصال وسنصحح الصفحة ونذكر التعديل عند المراجعة القادمة.

آخر مراجعة: 30 يوليو 2026. أُعيد فحص الاستشهادات البحثية وسلوك المنتج كليهما في هذا التاريخ. المراجعة التالية مستحقة في 28 أكتوبر 2026 (دورة 90 يومًا). أرقام المعايير تتحرك، ولهذا يُعاد التحقق من أرقام معدل الهلوسة أعلاه عند كل مراجعة، وكذلك كل ادعاء عمّا يفعله المنتج.