الرئيسيةمن أناالدوراتالجلساتالمدونةسوق الأوامرالمناهج والباقاتالشركاء

دورات عربية متخصصة في التقنية والبرمجة والذكاء الاصطناعي.

المنصة مبنية على الوضوح، التطبيق، والنتيجة النافعة: شرح مرتب يساعدك تفهم الأدوات، تكتب كودًا أفضل، وتستخدم الذكاء الاصطناعي بوعي داخل العمل الحقيقي.

المنصة

  • الرئيسية
  • من أنا
  • الدورات
  • الجلسات الفردية
  • المناهج والباقات
  • سوق الأوامر
  • المدونة

الدعم

  • الأسئلة الشائعة
  • تواصل معنا
  • سياسة الخصوصية
  • شروط استخدام التطبيق
  • سياسة الاسترجاع

© 2026 أحمد حايس. جميع الحقوق محفوظة.

الرئيسيةالدوراتالجلساتالمدونةالدخول
الذكاء الاصطناعي

التفكير خطوة بخطوة (Chain-of-Thought): إزاي جملة واحدة تضاعف دقة الذكاء الاصطناعي

مبتدئ21 يوليو 20264 دقائق قراءة
التفكير خطوة بخطوة (Chain-of-Thought): إزاي جملة واحدة تضاعف دقة الذكاء الاصطناعي

مستوى المقال: مبتدئ — لأي حد بيستخدم ChatGPT أو Claude وعايز إجابات أدق بأقل مجهود.

التفكير خطوة بخطوة (Chain-of-Thought): إزاي جملة واحدة تضاعف دقة الذكاء الاصطناعي

جملة واحدة بتزوّدها لأمرك ممكن ترفع دقة الموديل في المسائل من 17% لحوالي 79%. الجملة هي: "فكّر خطوة بخطوة". هنا هتعرف ليه بتشتغل، وإمتى تستخدمها، وإمتى متضيّعش وقتك فيها.

المشكلة باختصار

لما تسأل الذكاء الاصطناعي سؤال فيه خطوات (حساب، منطق، ترتيب) وتطلب الإجابة النهائية على طول، بيتسرّع ويغلط كتير. مش لأنه غبي، لكن لأنه بيحاول يطلّع الجواب في "نَفَس واحد" من غير ما يشتغل عليه.

الأول بمثال بسيط

جرّب تحسب 17 × 24 في دماغك بسرعة. سهل تغلط. بس لو كتبتها خطوة خطوة تظبطها في ثواني:

  • 17 × 20 = 340
  • 17 × 4 = 68
  • 340 + 68 = 408

نفس الحكاية مع الورقة والقلم في الامتحان: مش لأنك أذكى وانت ماسك قلم، لكن لأنك وزّعت المسألة على خطوات صغيرة كل واحدة أسهل. الذكاء الاصطناعي زيّك بالظبط: لما تخليه "يكتب خطواته" بدل ما يجاوب على طول، دقته بتزيد.

يعني إيه Chain-of-Thought علميًا

الموديل بيشتغل بمبدأ بسيط: بيتنبأ بالكلمة اللي بعدها بناءً على الكلام اللي قبلها. لما تخليه يكتب خطوات الحل، كل خطوة بتبقى جزء من السياق اللي بيساعده يطلّع الخطوة اللي بعدها صح. يعني بيحوّل مسألة صعبة لسلسلة خطوات صغيرة، وده اللي اسمه Chain-of-Thought (سلسلة التفكير).

أبسط صورة منه اسمها Zero-Shot CoT: مش محتاج تديله أمثلة، بس تزوّد جملة زي "لنفكّر خطوة بخطوة" في آخر السؤال، وهو يبدأ يفصّل لوحده.

الأرقام الحقيقية

ده مش كلام نظري. باحثين قاسوا الفرق على اختبارات مسائل حسابية معروفة، ودي النتائج:

الاختبارإجابة مباشرةتفكير خطوة بخطوةالموديل
GSM8K17.9%56.9%PaLM 540B
MultiArith17.7%78.7%GPT-3 (text-davinci-002)

ركّز في صف MultiArith: مجرد إضافة جملة "لنفكّر خطوة بخطوة" رفعت الدقة من 17.7% لـ 78.7% — من غير تدريب، ومن غير ما تغيّر الموديل.

الافتراض هنا مهم: الأرقام دي على موديلات كبيرة (زي GPT وPaLM). الموديلات الصغيرة جدًا ممكن متستفيدش بنفس القوة، وأحيانًا الخطوات بتلخبطها بدل ما تساعدها.

مثال تنفيذي تقدر تجربه دلوقتي

نفس السؤال، مرة من غير توجيه ومرة معاه. جرّبهم على أي موديل وقارن:

Python
question = "متجر عنده 17 رفّ، كل رفّ فيه 24 منتج. كام منتج إجمالي؟"

# الطريقة السريعة (دقتها أقل): بتطلب الرقم على طول
fast_prompt = question + " اكتب الرقم النهائي فقط."

# طريقة Chain-of-Thought: اطلب الخطوات قبل الجواب
cot_prompt = question + " فكّر خطوة بخطوة، وفي آخر ردّك اكتب: الإجابة النهائية = <الرقم>."

# ابعت أي واحد منهم لأي موديل (ChatGPT / Claude / Gemini) وقارن النتيجة.
# الإجابة الصح: 17 × 24 = 408

هل استفدت من المقال؟

اطّلع على المزيد من المقالات والدروس المجانية من نفس المسار المعرفي.

تصفّح المدونة

هتلاحظ إن fast_prompt بيغلط أكتر في المسائل المركّبة، بينما cot_prompt بيوصل للرقم الصح لأنه بيفصّل قبل ما يجمّع.

الـ trade-off: بتكسب دقة، بتخسر إيه؟

مفيش حاجة ببلاش. لما الموديل يكتب خطواته، بيطلّع نص أطول بكتير — غالبًا 3 لـ 5 أضعاف عدد الكلمات (التوكنز). ده معناه:

  • تكلفة أعلى: لو بتدفع بالتوكن، الفاتورة بتزيد بنفس النسبة تقريبًا.
  • زمن استجابة أطول: الرد بياخد وقت أكتر عشان بيكتب أكتر.

يعني القاعدة: استخدمها لما الدقة أهم من السرعة والتكلفة. لو بتعمل شات بوت بيرد على آلاف الأسئلة البسيطة في الثانية، الـ CoT في كل رد ممكن يبقى مكلّف بلا داعي.

متى لا تستخدم هذه الطريقة

مش كل سؤال محتاج تفكير. متستخدمهاش في:

  • الأسئلة المباشرة اللي إجابتها معلومة واحدة: "عاصمة اليابان إيه؟" — الخطوات هنا حشو.
  • المهام اللي محتاجة رد قصير جدًا أو تصنيف بكلمة واحدة (مثلًا: إيجابي/سلبي).
  • الأنظمة الحسّاسة للتكلفة أو السرعة على نطاق كبير.

الخطوة التالية

افتح ChatGPT أو Claude دلوقتي، وخُد آخر سؤال مركّب غلط فيه الموديل معاك، وأعِد إرساله بنفس النص + جملة "فكّر خطوة بخطوة قبل ما تجاوب". قارن الإجابتين. لو اتحسّنت، انت لقيت أرخص أداة لتحسين نتايجك من غير ما تغيّر موديل ولا تدفع زيادة على الاشتراك.

المصادر

  • Wei et al., 2022 — "Chain-of-Thought Prompting Elicits Reasoning in Large Language Models" (أرقام GSM8K) — arXiv:2201.11903
  • Kojima et al., 2022 — "Large Language Models are Zero-Shot Reasoners" (أرقام MultiArith وجملة "Let's think step by step") — arXiv:2205.11916
  • Google Research — "Language Models Perform Reasoning via Chain of Thought" — research.google