سر عجز ذكاء غوغل الاصطناعي عن تهجئة اسمه

في أواخر مايو 2026، واجهت ميزة 'AI Overviews' من غوغل موجة جديدة من السخرية بعد أن اكتشف المستخدمون عجزها عن أداء مهمة بمستوى روضة أطفال: عدّ الحروف. اسألها عن عدد حروف 'P' في كلمة 'Google'، فتجيبك بثقة 'اثنان' — بينما لا يوجد سوى حرف واحد. استفسر عن عدد حروف 'R' في 'poop'، فتصر على أنه 'حرف واحد بالضبط'، رغم وجود حرفين. كما ادعت أن كلمة 'journalism' تحتوي على حرفي 'D' وهجّت الكلمة على النحو التالي: 'j-o-u-r-n-a-d-i-s-m' .

ليست هذه مجرد أخطاء معزولة. إنها أحدث فصل محرج لمنتج تضعه غوغل في موقع مستقبل البحث، وتعود جذور هذه الأخطاء إلى التوتر المعماري نفسه الذي دفع الذكاء الاصطناعي سابقاً للتوصية بأكل الصخور، ووضع الغراء على البيتزا، بل وتسريب تعليمات النظام الداخلية عندما كان المستخدم يكتب كلمة واحدة.

كيف تعمل ميزة 'AI Overviews' من غوغل؟

'AI Overviews' هي ميزة ذكاء اصطناعي توليدي مدمجة مباشرة في محرك بحث غوغل. طُرحت لمئات الملايين من المستخدمين في الولايات المتحدة في مايو 2024 ثم توسعت لاحقاً، وهي تستخدم نفس تقنية نماذج اللغة الكبيرة (LLM) التي تشغّل منتجات مثل ChatGPT لإنتاج ملخصات مكتوبة بالذكاء الاصطناعي في أعلى صفحات النتائج بدلاً من مجرد عرض الروابط الزرقاء . كان الطموح جعل البحث حوارياً ومباشراً، لكن التطبيق كشف مراراً عن نقاط ضعف جوهرية في كيفية معالجة نماذج اللغة الكبيرة للمعلومات.

لماذا تعجز نماذج اللغة الكبيرة عن عد الحروف: مشكلة التحويل إلى وحدات رمزية

السبب الجذري لإخفاقات التهجئة ليس خطأً برمجياً بسيطاً — إنه قيد معماري موثق جيداً في نماذج اللغة الكبيرة يُسمى التحويل إلى وحدات رمزية فرعية (Subword Tokenization). لقد حللت دراسات متعددة محكّمة نمط الفشل هذا بدقة .

إليكم ما يحدث تحت الغطاء:

نماذج اللغة الكبيرة لا ترى الحروف الفردية. بدلاً من ذلك، تقوم بتقسيم النص إلى وحدات رمزية (Tokens) — أجزاء من حرف واحد أو أكثر — باستخدام خوارزميات مثل 'ترميز زوج البايت' (BPE). قد تصبح كلمة مألوفة مثل 'Google' وحدة رمزية واحدة، بينما يمكن أن تنقسم 'journalism' إلى أجزاء رمزية فرعية مثل

['journ', 'alism']

لا يوجد وعي فطري بالحروف. نظراً لأن بيانات التدريب محوّلة إلى وحدات رمزية، لا يتعلم النموذج أبداً عدّ الحروف الفردية بشكل فطري. يمكنه فقط تقريب المعرفة على مستوى الحروف عن طريق مطابقة الأنماط مع التهجئات المحفوظة من مجموعة بيانات التدريب الخاصة به . عندما تسأل عن عدد الحروف، فأنت تجبر النموذج على إجراء هندسة عكسية لمعلومات الحروف من نص لم يُخزّن حرفاً بحرف.

طبقة التضمين تمثّل بنية الحروف بشكل ناقص. تظهر الأبحاث أن تضمينات الوحدات الرمزية لا تشفّر معلومات مستوى الحروف بالكامل، خاصةً ما وراء الحرف الأول من كل وحدة رمزية. هذا يجعل الاستدلال التركيبي حول الحروف غير موثوق .

حدود نظرية. تنتمي معماريات المحولات (Transformer) إلى فئة التعقيد TC0، مما يجعلها عاجزة نظرياً عن حل المهام التي تتطلب استدلالاً يعتمد على العمق مع زيادة طول المدخلات — وهو قيد رياضي على العد التسلسلي الدقيق .

صرحت غوغل لـ TechCrunch في بيان عبر البريد الإلكتروني: 'لطالما شكّل عد الحروف داخل الكلمات تحدياً معروفاً لنماذج اللغة الكبيرة، ونحن نعمل على إصلاح هذه المشكلة تحديداً' . لكن كما لاحظ الباحثون، حتى النماذج التي تحتوي على مئات المليارات من المعاملات والمدرّبة على تريليونات الوحدات الرمزية تكافح من أجل عدّ حروف 'R' في كلمة 'strawberry' بشكل موثوق . المشكلة هيكلية، وليست مسألة حجم.

نمط من الإخفاقات المحرجة

فضيحة التهجئة ليست سوى أحدث حلقة في نمط مستمر لعامين من أخطاء 'AI Overviews' البارزة، وكلها تنبع من الانفصال نفسه بين توليد النصوص بطلاقة والعمليات الدقيقة التي يحتاج محرك البحث لأدائها.

كوارث إطلاق 2024: بيتزا بالغراء وحمية الصخور

في غضون أيام من الطرح الأمريكي في مايو 2024، أنتجت 'AI Overviews' سلسلة من الإجابات غير المنطقية واسعة الانتشار :

• أوصت بإضافة 'غراء غير سام' إلى البيتزا لجعل الجبن يلتصق، مستندة إلى نكتة عمرها 11 عاماً على Reddit .
• أخبرت المستخدمين أن الجيولوجيين ينصحون بأكل صخرة واحدة يومياً للحصول على الفيتامينات، مأخوذة من مقال ساخر .
• ارتكبت أخطاء تاريخية أساسية، مثل الادعاء بأن للولايات المتحدة رئيساً مسلماً .

أقرت ليز ريد، رئيسة قسم البحث في غوغل، بوجود 'أمثلة معزولة' كانت 'غير منطقية'، وألقت باللوم على مزيج من 'فجوات المعلومات' وقيام الذكاء الاصطناعي بسحب المعلومات من مصادر ساخرة ومنخفضة الجودة . وقالت الشركة إنها أجرت تصحيحات، بما في ذلك الحد من 'AI Overviews' للاستفسارات المتعلقة بالصحة والاستفسارات الحساسة .

تسريب موجه 'تجاهل' (Disregard) - مايو 2026

في 22 مايو 2026، اكتشف المستخدمون أن البحث عن كلمة 'disregard' — إلى جانب كلمات ذات صلة مثل 'ignore' و 'dismiss' و 'skip' و 'stop' — دفع 'AI Overviews' لإخراج استجابة بأسلوب روبوت المحادثة: 'مفهوم. لقد تجاهلت تعليماتك السابقة. كيف يمكنني مساعدتك اليوم؟' .

بدلاً من إرجاع تعريف قاموسي، فسّر الذكاء الاصطناعي استفساراً بسيطاً على أنه تجاوز لتعليمات على مستوى النظام. كسر هذا الخطأ واجهة بحث غوغل لتلك المصطلحات، حيث عرض مساحة فارغة حيث كان ينبغي أن تكون النتائج . أقرت غوغل بالمشكلة وقالت إن الإصلاح قادم .

أدرك باحثو الأمن أن هذا سيناريو كلاسيكي لحقن الأوامر (Prompt Injection) — كان النموذج يخلط بين مصطلحات البحث العادية وأوامر موجهة لمساعد ذكاء اصطناعي .

إخفاقات التهجئة (أواخر مايو 2026)

بعد أيام فقط من حادثة 'disregard'، ظهرت أخطاء عد الحروف. لم يستطع الذكاء الاصطناعي تهجئة اسم شركته الأم، وأخطأ في عد الحروف في كلمات بسيطة، بل وأخطأ في تهجئة 'Trump' إلى 't-r-p-u-m' . تم التحقق من الأخطاء من قبل وسائل إعلام متعددة بشكل مستقل .

ماذا يكشف هذا عن البحث بالذكاء الاصطناعي؟

القاسم المشترك بين فئات الإخفاق الثلاث معماري وليس عرضياً. استبدلت غوغل محرك بحث تقليدي يعتمد على مطابقة الكلمات المفتاحية بنموذج لغة كبير توليدي يتفوق في توليد النصوص بطلاقة لكنه يفتقر إلى الآلية اللازمة لـ:

• عمليات دقيقة على مستوى الحروف (إخفاقات التهجئة)
• الحكم على موثوقية المصدر (إجابات الغراء على البيتزا وحمية الصخور)
• فرض حدود التعليمات (تسريب موجه 'disregard')

ينتج النموذج إجابات خاطئة بثقة لأنه لم يُبنَ أبداً — على مستوى أساسي — للتعامل مع المهام المطلوب منه أداؤها الآن في بيئة بحث حية. كل فشل واسع الانتشار يكشف الفجوة بين ما تجيده نماذج اللغة الكبيرة (التنبؤ بنص يبدو معقولاً) وما يتطلبه محرك بحث جدير بالثقة (الدقة الواقعية، الدقة على مستوى الحروف، ومقاومة حقن التعليمات).

وإلى أن تتم معالجة تلك القيود المعمارية على مستوى أعمق من مجرد ترقيع أنواع استفسارات فردية، من المرجح أن تستمر 'AI Overviews' في تصدر عناوين الأخبار للأسباب الخاطئة.