ذكاء تتبّع المعرفة لدي أراد اعتماد متعلّم تلاعب بالدورة. الكود الذي كتبته رفض.

موظّفان، وعلامتا صح خضراوان متطابقتان، وإحداهما كذبة

في المرة الأولى التي وضعت فيها السجلّين جنبًا إلى جنب، بدت علامتا الصح متطابقتين، وكانت تلك هي المشكلة بأكملها. محلّلة أقدم في قانون السرية المصرفية (BSA) بثماني سنوات في المنصب ومدير فرع بعد ستة أشهر من نقله كانا قد «أكملا» للتوّ إعادة الاعتماد نفسها لمدة أربع ساعات في مكافحة غسل الأموال. أبلغ نظام إدارة التعلّم عن الشيء نفسه لكلٍّ منهما: علامة صح خضراء، و«SCORM Completed»، وانتهى الأمر. إحداهما تستطيع إدارة تحقيق في نشاط مشبوه وهي نائمة. أما الآخر فكانت لديه فجوات حقيقية في المفاهيم التي يهتمّ بها المنظّم تحديدًا. النظام الذي كان يُفترض أن يعتمدّهما لعمل الامتثال لم يستطع التمييز بينهما، لأنه لم يكن يومًا يقيس ما يعرفانه. كان يقيس ما إذا كان الفيديو قد انتهى تشغيله.

تلك الفجوة ليست أكاديمية، وبناء هذا العرض التوضيحي أجبرني على إبقاء الرهانات أمام عينيّ. تنفق الشركات الأمريكية نحو 102.8 مليار دولار سنويًا على التدريب المؤسسي، أي تقريبًا 874 دولارًا لكل متعلّم (Training Magazine، 2025)، ويقول ربع قادة التعلّم والتطوير إنهم عاجزون عن قياس ما إذا كان أيٌّ من ذلك قد نجح. وفي العمل المنظَّم للفجوة ثمنٌ في السجلّ العام. تلقّى بنك TD Bank عقوبة قدرها 3.1 مليار دولار في مكافحة غسل الأموال مرتبطة جزئيًا ببرنامج تدريب غير كافٍ. وابتداءً من 2 أغسطس 2026، تبدأ المادة 4 من قانون الاتحاد الأوروبي للذكاء الاصطناعي بإنفاذ محو الأمية بالذكاء الاصطناعي القائم على الدور، بعقوبات تصل إلى 35 مليون يورو أو 7% من الإيرادات العالمية. في كل حالة من تلك الحالات يكون سجلّ «Completed» عديم القيمة كدليل، لأن الإكمال لم يكن يومًا كفاءة.

لم يكن النظام يقيس ما إذا كانوا قد تعلّموا. كان يقيس ما إذا كان الفيديو قد انتهى تشغيله.

بنيت عرضًا توضيحيًا يُدعى Attest لأرى ما إذا كان بإمكاني إغلاق تلك الفجوة بصدق. يمكنك تشغيله على veriprajna.com/ar/demos/adaptive-learning-ai. هذا المقال عن الجزء من بنائه الذي فاجأني حقًا، ولم يكن النموذج.

ما قصدت بناءه فعلًا كان نموذجًا يعرف ما يعرفه كل شخص

بدأت حيث يبدأ كل عرض لـ«التعلّم التكيّفي»، ثم رميت معظم ذلك جانبًا. معظم المنتجات التي تسمّي نفسها تكيّفية تدير ترشيحًا تعاونيًا من تحت: «أشخاص مثلك أخذوا الدورة X تاليًا.» ذلك محرّك توصيات يرتدي عباءة تخرّج. إنه يعرف ما فعله متعلّمون مشابهون. ولا فكرة لديه عمّا تفهمه أنت تحديدًا. أطلقت Cornerstone «وكيل التعلّم التكيّفي» في مارس 2026 وما زال يعمل بهذه الطريقة. لم أُرد موصيًا أفضل. أردت نموذجًا يقرأ تدفّق التفاعل الخام لشخص واحد ويستنتج، مفهومًا مفهومًا، ما أتقنه فعلًا.

تلك مشكلة بحثية حقيقية وقديمة تُسمّى تتبّع المعرفة، والنسخة الصادقة منها هي محوِّل (transformer)، لا متوسّط اختبار. درّبت نموذج تتبّع معرفة بالانتباه الذاتي، SAKT، بنحو 119,809 معاملًا، صغير بما يكفي ليتدرّب على وحدة معالجة مركزية في تسعين ثانية ثم يُخزَّن مؤقتًا بعدها. يعيد تشغيل تسلسل تفاعلات كل متعلّم ويُخرج احتمال إتقان لكلٍّ من المفاهيم الثمانية عشر في الدورة. على معيار تتبّع المعرفة الاصطناعي المُولَّد ببذرة لدينا وصل إلى مساحة تحت المنحنى المحجوزة قدرها 0.8315، بدقّة الخطوة التالية 0.771. بيانات المعيار مولَّدة بعائلة نماذج مختلفة تمامًا (تحليل عوامل الأداء، نموذج لوجستي كلاسيكي)، لذا فالمحوِّل لا يُصحّح افتراضاته هو. وللسياق الخارجي، تهبط نتائج SAKT المنشورة على مجموعة بيانات ASSISTments العامة حول 0.80 (Pandey و Karypis، 2019). كانت نتيجتي في الحيّ نفسه.

كنت فخورًا بذلك الرقم. ظننت أن الرقم هو المنتج. استغرق متعلّمًا واحدًا فقط ليُريني أنه لم يكن كذلك.

ثم غذّيته بشخصٍ تلاعب بالدورة بأكملها

المتعلّم الذي حطّم ثقتي كان الثالث في المجموعة، مساعد عمليات استخدم مساعد ذكاء اصطناعي للإجابة التلقائية عن الوحدة كلّها. راقب ما فعله نموذجي معه. مفهومًا بعد مفهوم، عاد استدلال SAKT مرتفعًا: 0.927 في تحديد إشارات الإنذار الحمراء لـ SAR، و0.95 في غسل الأموال القائم على التجارة، و0.992 في مخاطر البنوك المراسلة، و0.994 في محفّزات العناية الواجبة المعزّزة. شبه مثالي في كل مكان. لو وثقت بالنموذج، لكنت اعتمدت المفاهيم الثمانية عشر كلّها وسلّمت هذا الشخص سجلّ امتثال نظيفًا وموقَّعًا.

المشكلة أن الإتقان كان مزيّفًا. كانت الإجابات سريعة ومثالية عبر ثمانية عشر غير مترابطة مفاهيم، توزيع لأوقات الاستجابة يتعارض مع الاسترجاع الحقيقي. الخبير الحقيقي سريع في بعض الأمور وبطيء في أخرى. أما هذا النمط فكان مسطّحًا وسريعًا بشكل مستحيل في كل مكان، وهي بصمة مفتاح إجابات لا ذاكرة. نموذجي الحذِر بمساحة تحت المنحنى 0.83 نظر إلى مفتاح إجابات ورأى تلميذًا نجيبًا.

نموذجي لم يُخطئ التلاعب فحسب. بل كان في أقصى ثقته تمامًا حيث كان في أقصى خطئه.

تلك كانت اللحظة التي صار فيها هذا المقال صادقًا بالنسبة لي. نموذج أفضل ما كان لينقذني هنا. محوِّل أدقّ مُدرَّب على بيانات أنظف كان سينظر إلى الإجابات السريعة المثالية نفسها ويكون أكثر يقينًا بأن هذا الشخص قد أتقن كل شيء. لم يكن الفشل نقصًا في الدقّة. بل أنني تركت نموذجًا احتماليًا يتّخذ قرارًا لا ينبغي السماح لنموذج أن يتّخذه بمفرده أبدًا.

لماذا لا نُدرِّب النموذج ببساطة على التقاط ذلك؟

كانت غريزتي الأولى خاطئة، وأريد أن أكون صادقًا بشأن اليوم الذي أضعته بسببها. حاولت أن أجعل النموذج نفسه متينًا أمام التلاعب. أضِف سمات وقت الاستجابة، درِّبه على عدم الوثوق بالتسلسلات السريعة بشكل غير معقول، علِّم المحوِّل أن يكون مرتابًا. إنها خطّة مغرية لأنها تُبقي كل شيء داخل نظام أنيق واحد، وأنا أحبّ الأنظمة الأنيقة. وهي أيضًا لا تعمل، لسبب استغرقني قبوله وقتًا أطول مما ينبغي. أيُّ شيء تعلِّم نموذجًا أن يكتشفه، تكون قد علّمته أيضًا أن يخطئ بثقة في الحالات التي لم تتوقّعها. وظيفة النموذج كلّها هي التعميم والتنعيم. وقرار الحوكمة يحتاج العكس: عليه أن يكون هشًّا في الموضع الصحيح تمامًا، وأن يرفض.

فتوقّفت، ونقلت القرار خارج النموذج بالكامل. النموذج يقدّم المشورة. وكود حتمي صريح يقرّر. بعد أن يعمل استدلال SAKT، قطعة منطق بايثون خالص أسمّيها بوابة الكفاءة تتخذ قرار الاعتماد من عدمه، ولا يستطيع النموذج تجاوزها. تعتمد البوابة مفهومًا فقط إذا صحّت ثلاثة أمور معًا في آنٍ واحد: الإتقان عند 0.747 أو أعلى، ووجود ثلاث تفاعلات حقيقية على الأقل كدليل خلفه، ونمط الاستجابة ليس شاذًّا. أخفق أيٌّ من الثلاثة والمفهوم لا يُعتمد. يُوسَم بـ«يحتاج إلى إثبات»، ويحصل المتعلّم على تحدٍّ للتحقّق بدل علامة صح.

حين نظرت البوابة إلى مساعد العمليات، فعلت ما لم يستطع نموذجي فعله. وسَمت الدليل بأنه شاذّ، ورفضت كل مفهوم، واعتمدت صفرًا من ثمانية عشر. حُجب وقت الجلوس، بانتظار التحقّق.

أريد أن أكون حذرًا في كيفية صياغتي لذلك، لأن الموجز الذي كتبته لنفسي حذر بشأنه. هذا ليس كاشف غشّ بمعدّل إصابة، ولا أقدّمه أبدًا على أنه كذلك. إنه نتيجة حوكمة على متعلّم توضيحي واحد: مفاهيم محجوبة لأن الدليل لم يكن جيّدًا بما يكفي للاعتماد. النقطة ليست «أوه، لقد غششت.» النقطة هي أن Attest يعتمد فقط ما يستطيع إثباته، ويبقى صادقًا بشأن الباقي.

الوكلاء يقدّمون المشورة، والكود يقرّر، وتبيّن أن ذلك الخطّ كان حاملًا للحمل

أظلّ أعود إلى ذلك التقسيم للعمل لأنه، حين انتهيت، كان هو البنية كلّها لا شعارًا. هناك موضعان بالضبط في Attest يعمل فيهما شيء ذكي واحتمالي، وكلاهما يقدّم المشورة فقط. وكيل نموذج لغة كبير (مبني على Pydantic AI، والافتراضي claude-opus-4-8) يقوم بوسم المفاهيم، مُفكِّكًا دورة «تدريب مكافحة غسل الأموال» المسطّحة إلى تصنيف ثمانية عشر مفهومًا: العناية الواجبة تجاه العملاء (CDD)، وسرد SAR، وكشف المعاملات المُهيكلة، وفحص OFAC، والبقية. خطوة الوسم تلك هي ما سيخبرك المجال أنها السبب الأكبر الوحيد لموت مشاريع التعلّم التكيّفي، وهي صعبة حقًا، لكنها استشارية. نموذج SAKT يستنتج الإتقان، وهو أيضًا استشاري. كل قرار يهمّ فعلًا، أي مسار يسلكه المتعلّم وما يُعتمد، يتّخذه كود حتمي لا يستطيع أي نموذج أن يُجادله لتجاوزه.

المُتسلسِل هو النصف الآخر من ذلك الكود، وهو حيث يختبئ المال. لكل مفهوم: إذا كان الإتقان عند 0.67 أو أعلى يتخطّى المتعلّم أو يتحقّق فقط؛ بين 0.38 و0.67 يبقى في منطقة التدفّق؛ دون 0.38 يحصل على دعم هيكلي. تلك نقاط القطع ليست أرقامًا اخترتها بالإحساس. إنها مُتحقَّق منها عبر التحقّق المتقاطع مقابل المجموعة الموسومة، والمستودع يشحن اختبار أ/ب بخمسة طيّات يُظهر أنها تتفوّق على الاحتياطي المضبوط يدويًا مع إبقاء معنى القرار بلا تغيير. شغِّل ذلك المنطق على المحلّلة الأقدم فتتخطّى تقريبًا كل ما تعرفه بالفعل: ستة عشر من ثمانية عشر مفهومًا معتمدة، ووقت الجلوس يهبط من 240 دقيقة إلى 47.3، أي خفض بنسبة 80.3%. شغِّل الكود ذاته على مدير الفرع الذي لديه فجوات حقيقية، فيرفض أن يمنحه الخصم نفسه: عشرة من ثمانية عشر معتمدة، و38.9% فقط موفَّرة، لأنه يحتاج التدريب فعلًا.

الكود نفسه يسلِّم الخبيرة دورة مدّتها 47 دقيقة والمبتدئ دورة حقيقية. ولا يستطيع أيٌّ منهما أن يُجادله.

ذلك التفاوت هو النقطة كلّها. نظام يوفّر للجميع الوقت نفسه مجرّد دورة أقصر بعلامة تجارية أفضل. أما نظام يوفّر الوقت بنسبة صارمة لما يستطيع كل شخص إثبات أنه يعرفه فهو يقوم بتتبّع المعرفة، ويقوم به في كود أستطيع قراءته سطرًا بسطر.

ما تسلِّمه للمنظّم بدل علامة صح

الأثر الذي أفخر به أكثر هو ما لا تستطيع علامة صح خضراء إنتاجه أبدًا. حين تنتهي البوابة، يُصدِر Attest شهادة كفاءة موقَّعة، وأحتفظ بعيّنتين حقيقيتين على القرص. للمحلّلة الأقدم تسرد المفاهيم الثمانية عشر كلّها، كلٌّ باحتمال إتقانه، وعدد التفاعلات خلف ذلك التقدير، وحالة الاعتماد أو يحتاج إلى إثبات، والتنظيم المحدّد الذي يُربَط به (31 CFR 1020.220، وFATF Rec. 12، و31 USC 5318، والبقية). تسجّل اسم النموذج وإصداره ومساحة تحت المنحنى للمعيار. وتحمل تذييل قيود صادقًا يلاحظ أن مساحة تحت المنحنى تقيس التنبؤ بالعنصر التالي لا الاحتفاظ طويل الأمد، لأن احتمال الإتقان دليل لا ضمان. والوثيقة كلّها موقَّعة بـتوقيع HMAC-SHA256 فلا يمكن تعديلها بهدوء بعد الواقعة.

هذه هي الإجابة الدائمة عن سؤال المدقّق الحقيقي، وهو ليس أبدًا «هل أنهوا؟» بل «أثبِت أيّ تفاعلات دعمت أيّ ادّعاء إتقان.» علامة الصح لا تستطيع الإجابة عن ذلك. ولا نموذج أساسي أفضل، مهما تحسّن، لأن الدقّة ليست سلسلة إثبات. نموذج أدقّ ما زال لا يستطيع أن يُري المدقّق مسار الدليل خلف قرار اتّخذه. ذلك المسار يجب أن يُبنى أثرًا، عن قصد، خارج النموذج. ذلك ما تكونه الشهادة، وهي الشيء الذي جعلني أتوقف عن التفكير في النموذج بوصفه المنتج.

الدقّة ليست سلسلة إثبات. نموذج أفضل ما زال لا يستطيع إثبات أيّ تفاعلات دعمت أيّ ادّعاء.

يمكنك فحص هذا كلّه في العرض التوضيحي التشغيلي على veriprajna.com/ar/demos/adaptive-learning-ai، بما في ذلك المفهومان اللذان ترفض الشهادة اعتمادهما للمحلّلة، حيث يجلس إتقانها بصدق دون خط 0.747.

الجزء الذي يصمد أمام نموذج أفضل

بنيت هذا متوقّعًا أن يكون النموذج هو الجزء الصعب، والخطأ في ذلك غيّر كيف أفكّر في الفئة كلّها. كان النموذج هو الجزء القابل للمعالجة: تسعون ثانية على وحدة معالجة مركزية ومساحة تحت المنحنى محترمة. الجزء الصعب، الجزء الذي يجعل المخرج جديرًا بالثقة فعلًا، كان كل ما وضعته حول النموذج ليمنعه من اتّخاذ قرارات لم يكن من شأنه اتّخاذها: البوابة الحتمية، وقاعدة كفاية الدليل، ورفض الشذوذ، والمسار الموقَّع.

وذلك أيضًا الجزء الذي لا يشيخ. حين أعرض أرقام المجموعة (نحو 51.9% خفضًا في وقت الجلوس عبر مجموعة إعادة اعتماد محاكاة قوامها 500 شخص، تقريبًا 77,872 دولارًا مُستعادًا على هذه الوحدة الواحدة، ورقمًا سنويًا قرب 389,362 دولارًا يُوسِمه التطبيق بوصفه توقّعًا على الشاشة)، العنوان عمدًا ليس مساحة تحت المنحنى. مساحة تحت المنحنى تُثبت فقط أنه نموذج تتبّع معرفة حقيقي لا دفتر درجات. العنوان هو نسبة وقت الجلوس الموفَّر ونسبة المفاهيم المعتمدة تلقائيًا مقابل المُحوَّلة إلى إثبات، وكلاهما يصمد مهما تحسّن النموذج الأساسي. محوِّل أذكى في العام القادم لا يغيّر حقيقة أن القرار، والإيصال، يعيشان في كود تستطيع تدقيقه.

وإذا فضّلت أن تراه على أن تقرأني أصفّه، فإليك الشيء كلّه يعمل من البداية إلى النهاية.

إذن هذا هو السؤال الذي أجلس معه، والذي أطرحه على أيّ شخص يبني في هذا الفضاء. إذا كان أهمّ مخرج لنظامك قرارًا سيعتمد عليه منظِّم، فهل تريد لذلك القرار أن يُتَّخذ من قِبل النموذج، أم من قِبل شيء لا يُسمح للنموذج إلا بأن يقدّم المشورة بشأنه؟ كان الأمر لديّ معكوسًا ليوم. ثم دخل تلميذ نجيب مزيّف، سريع ومثالي في ثمانية عشر شيئًا لم يكن يعرفها، وعدّل مساري.