كيف يقرأ Gemini كتاباً من 1000 صفحة أو مشروع برمجة كاملاً في جلسة واحدة؟

تخيل أنك طالب في كلية الحقوق، وأمامك كتاب قوانين من ألف صفحة، وتحتاج أن تعرف في أي فصل ورد بند محدد عن عقد الإيجار. بدلاً من تقليب الصفحات يدوياً، ترفع ملف الكتاب كاملاً إلى أداة محادثة ذكية وتسأل: «في أي فصل ذُكر عقد الإيجار وما القيمة المتفق عليها؟». بعد لحظات، يعود إليك الجواب مع رقم الصفحة. ما حدث للتو ليس سحراً، بل نتيجة طريقة مختلفة في التعامل مع النصوص الطويلة.

لماذا كان من الصعب قراءة كتاب كامل دفعة واحدة؟

حتى وقت قريب، كانت معظم برامج المحادثة الذكية تعمل بذاكرة محدودة. تخيل أنك تتحدث مع شخص يستطيع أن يتذكر آخر بضع دقائق فقط من الحوار. إذا تجاوز الحديث هذه المدة، يبدأ في نسيان ما قيل في البداية. هذا ما كان يحدث مع النصوص الطويلة: يقرأ البرنامج أول الصفحات، ثم ينساها عندما يصل إلى منتصف الكتاب. لذلك كانت الأسئلة عن التفاصيل البعيدة تحصل على إجابات ناقصة أو خاطئة.

الحل جاء من توسيع هذه الذاكرة. بدلاً من بضع دقائق، أصبحت المساحة تتسع لمليون وحدة قياس يطلق عليها «الرموز». والرمز ليس كلمة كاملة بالضرورة؛ قد يكون جزءاً من كلمة أو علامة ترقيم. المليون رمز تعادل تقريباً 750 ألف كلمة، أي ما يقارب 1500 صفحة من النص العادي. بهذه السعة، يمكن للبرنامج أن يضع الكتاب كاملاً أمامه ويبدأ الإجابة.

كيف يجد الإبرة في كومة القش؟

السعة وحدها لا تكفي. التحدي الحقيقي هو أن يجد البرنامج المعلومة الدقيقة وسط هذا الكم الهائل. هنا يأتي دور ما يشبه الخريطة الداخلية. عندما يقرأ النظام النص، لا يمر عليه مروراً عابراً، بل يحول كل جملة إلى مجموعة من الأرقام التي تمثل معناها. الجمل المتشابهة في المعنى تقترب من بعضها في هذه الخريطة، حتى لو اختلفت كلماتها.

حين تسأل عن «عقد الإيجار»، يبحث النظام في هذه الخريطة عن المناطق الأقرب لمعنى سؤالك، فيصل إلى الفصل الذي يتحدث عن العقود والإيجارات. هذا يشبه إلى حد ما فهرساً ذكياً لا يعتمد على الكلمات الحرفية فقط، بل على المعنى. لذلك قد يجد الإجابة حتى لو استخدمت في سؤالك مرادفاً لم يظهر حرفياً في النص.

• رفع كتاب كامل بصيغة PDF: يستقبل النظام الملف ويفكك محتواه إلى رموز يفهمها.
• بناء خريطة المعاني: يحول كل جملة إلى تمثيل رقمي يقارن به سؤالك لاحقاً.
• البحث الموجّه بالسؤال: يحدد النظام المناطق الأقرب لمعنى استفسارك داخل الخريطة.
• صياغة الإجابة مع السياق: يعيد الجواب مستعيناً بالمقطع الأصلي الذي وجده.

ماذا يعني هذا في العمل والدراسة؟

الفائدة لا تقتصر على الكتب. تخيل فريقاً برمجياً يعمل على مشروع فيه عشرات الآلاف من الأسطر. بدلاً من فتح كل ملف على حدة والبحث عن دالة معينة، يمكن رفع المشروع كاملاً وطرح سؤال مثل: «أين يتم التحقق من صلاحيات المستخدم قبل حفظ البيانات؟». يجيب النظام وهو يرى الصورة الكاملة، لا جزءاً واحداً منها.

في البحث العلمي، يمكن مقارنة عدة أوراق بحثية طويلة في جلسة واحدة. تسأل: «ما الفرق بين منهجية الدراسة الأولى والثالثة في قياس النتائج؟». لأن النظام يحتفظ بجميع الأوراق في ذاكرته المؤقتة، يستطيع أن يعقد هذه المقارنة دون أن تفقد إحداها. هذا يختصر ساعات من القراءة المتقاطعة.

ما الحدود التي يجب أن تعرفها؟

السعة الكبيرة لا تعني الكمال. أولاً، الملفات الضخمة تحتاج بضع ثوانٍ إضافية قبل أن يبدأ النظام في الإجابة، لأنه يقرأ ويبني الخريطة أولاً. ثانياً، قد يخطئ النظام في التفاصيل إذا كان النص مشوشاً أو ممسوحاً ضوئياً بجودة منخفضة. ثالثاً، وجود المعلومة في السياق لا يضمن أن يستخرجها دائماً؛ فقد يمر عليها دون أن ينتبه إذا كان السؤال غامضاً.

لذلك، عندما تكون الإجابة مهمة، تحقق من المصدر الأصلي. اطلب من النظام أن يذكر لك رقم الصفحة أو المقطع الذي استند إليه، ثم راجعه بنفسك. هذه العادة البسيطة تحميك من الاعتماد على استخراج خاطئ. تذكر أن النظام أداة مساعدة سريعة، وليس بديلاً عن حكمك.

في النهاية، القدرة على قراءة كتاب كامل أو مشروع برمجة ضخم في جلسة واحدة تغير طريقة تعاملك مع المعلومات الطويلة. لم تعد مضطراً لتقطيع النص إلى أجزاء صغيرة قبل السؤال. ارفع الملف، اسأل بوضوح، وراجع الجواب. هذه هي الفكرة العملية وراء الذاكرة الواسعة.