إذا كنت تستخدم الذكاء الاصطناعي من جوجل بشكل متكرر، فربما تكون قد صادفت نمطين يوفران إمكانيات واسعة: البحث المعمق والتعلم الموجه . للوهلة الأولى، قد يبدوان مجرد خيارين إضافيين في قائمة Gemini ، لكنهما في الواقع يُلبيان احتياجات مختلفة تمامًا: البحث المعمق والتعلم النشط . إن فهم الفرق بينهما سيوفر عليك الوقت والجهد، ويساعدك على تحقيق أقصى استفادة من الأداة.
بينما يعمل البحث العميق كباحثٍ دؤوبٍ يجوب الإنترنت ويُقدّم تقريرًا شاملًا، يعمل التعلّم الموجّه كمعلّمٍ صبورٍ يُرشدك خطوةً بخطوةٍ لتفهم ما تدرسه فهمًا عميقًا. سنستكشف في هذه المقالة بالتفصيل آلية عمل كل نمط، والتقنية الأساسية، ومتى يتفوّق كل نمط، وكيفية دمجها لتحقيق أقصى استفادة من منظومة جيميني.
ما هو البحث المعمق في برج الجوزاء، وما هي استخداماته؟
يُعدّ وضع البحث العميق في جهاز Gemini مصمماً للبحث الشامل ، وليس للإجابة على سؤالك في ثلاثة أسطر. عند تفعيله، يقضي الجهاز عدة دقائق في التخطيط والبحث والمقارنة وتنظيم المعلومات، تماماً كما يفعل الشخص الذي يأخذ بحثه على محمل الجد: زيارة المواقع الإلكترونية ذات الصلة، وتحديد البيانات المهمة، وإطلاق عمليات بحث جديدة بناءً على النتائج التي توصل إليها، وتكرار هذه العملية عدة مرات.
في نهاية هذه العملية، يُنشئ البرنامج تقريرًا مفصلاً ومنظمًا جيدًا يتضمن روابط للمصادر الأصلية . يمكنك تصدير هذا التقرير مباشرةً إلى مستندات جوجل. يُعدّ هذا الأمر في غاية السهولة عند إعداد ورقة بحثية، أو تقرير احترافي، أو حتى وضع أساس مشروع أكبر. الأهم ليس كمية المحتوى فحسب، بل أن يسعى برنامج جيميني إلى تقييم ما توصل إليه تقييمًا نقديًا ، وتحديد التناقضات بين المصادر، وإبراز النقاط الرئيسية.
كانت ميزة البحث العميق أول ميزة في نظام جيميني تحقق رؤية جوجل المتمثلة في دمج وكلاء الذكاء الاصطناعي القادرين على العمل بشكل مستقل لعدة دقائق . وهي تتجاوز مجرد الاستجابة السريعة والبسيطة، إذ تستفيد من خبرة جوجل في البحث على الويب، ونافذة السياق الكبيرة (التي تصل إلى مليون كلمة)، وقدرات الاستدلال لنماذج مثل جيميني 1.5 برو، وجيميني 2.0 فلاش ثينكينج (تجريبي)، وجيميني 2.5.
صُمم هذا الوضع خصيصًا للحالات التي تتطلب تحليلًا معمقًا . فهو ليس مجرد نص سطحي من بضعة فقرات، بل هو تحقيق متواصل يأخذ وقته ليقدم لك تقريرًا أقرب إلى التقرير الاحترافي.
كيف يعمل البحث المعمق خطوة بخطوة
لتطوير خدمة البحث المعمق، ابتكرت جوجل نظام تخطيط متعدد الخطوات يمكّن محرك البحث Gemini من معالجة المشكلات المعقدة بطريقة منظمة. يبدأ كل شيء عند إدخال استعلام يتطلب بحثًا معمقًا؛ ومن ثم، تنطلق عدة مراحل متميزة بوضوح.
أولًا، يُقسّم النموذج المشكلة إلى مهام فرعية قابلة للإدارة . ويُنشئ خطة تفصيلية تُقسّم المشكلة الرئيسية إلى أجزاء أصغر: ما هي الجوانب التي تحتاج إلى دراسة، وما هي المقارنات الضرورية، وما هي المفاهيم السياقية التي يجب البحث عنها، وما إلى ذلك. والجدير بالذكر أن الخطة متاحة لك ، ويمكنك تعديلها: حذف الأجزاء التي لا تهمك، أو طلب مزيد من البحث في نقطة معينة، أو إضافة منهج جديد قبل بدء البحث المكثف.
بعد ذلك تأتي مرحلة البحث الفعلية. هنا، يحدد نظام Gemini المهام الفرعية التي يمكن تنفيذها بالتوازي وتلك التي يجب تنفيذها بالتتابع . يتصفح النظام الإنترنت، ويجمع المعلومات، ويعالج المستندات، وفي كل خطوة، يستند إلى ما يعرفه مسبقًا ليقرر خطوته التالية. ولمنع حدوث ذلك "خلف الكواليس"، أضافت جوجل لوحة تحليلية يمكنك من خلالها رؤية ما تعلمه النظام حتى الآن وما يخطط للقيام به لاحقًا.
بمجرد أن يحدد النظام أنه جمع بيانات كافية، ينتقل إلى مرحلة التركيب . في هذه المرحلة، يقارن البحث المعمق المصادر، وينظم المعلومات في مجموعات منطقية ، ويكشف عن المواضيع المتكررة، ويوضح أي تناقضات. كما يُجري مراجعات نقدية ذاتية للمسودة لتحسين النص، وزيادة وضوحه، وصقل التفاصيل قبل عرض النتيجة النهائية.
التحديات التقنية التي يحلها البحث المعمق
تكمن وراء هذه الميزة عدة تحديات تقنية اضطرت جوجل إلى التغلب عليها لتمكين خدمة البحث العميق من العمل لعدة دقائق دون توقف . لا يقتصر الأمر على "استدعاء النموذج عدة مرات"، بل يتعلق بالقيام بذلك بكفاءة وفعالية.
يتمثل التحدي الأول في التخطيط التكراري متعدد الخطوات . تتطلب مهام البحث الواقعية تحسين الخطة أثناء سيرها: في كل دورة، يجب أن يأخذ النموذج في الاعتبار كل ما جمعه حتى تلك النقطة، ويحدد ما هو مفقود، وما هي التناقضات التي يريد استكشافها، ويوازن بين عمق التحليل ووقت انتظار معقول للمستخدم.
يُعدّ الاستدلال المطوّل تحديًا رئيسيًا آخر . تتضمن جلسة البحث المعمّق النموذجية استدعاءات متعددة للنموذج على مدى عدة دقائق . إذا حدث عطل ما أثناء العملية، فليس من المنطقي البدء من الصفر. لتجنب ذلك، صممت جوجل مدير مهام غير متزامن مع حالة مشتركة بين نموذج الجدولة والنموذج الذي يُنفّذ المهام الفرعية، مما يسمح بالتعافي من الأعطال دون إهدار العمل.
هناك أيضًا مسألة إدارة السياق . فعندما يعالج نظام Gemini مئات الصفحات، يحتاج إلى أن يكون قادرًا على "تذكر" المعلومات الأساسية والحفاظ على ترابط النص. ولتحقيق ذلك، يجمع النظام بين نافذة السياق التي تضم مليون رمز وتقنيات التوليد المعزز بالاسترجاع (RAG) ، مما يسمح له بالاحتفاظ بالبيانات الأكثر صلةً بالموضوع بناءً على المناقشة الحالية.
والنتيجة العملية هي أن برنامج Deep Research يعمل كعامل طويل الأمد : يمكنك بدء تحقيق، أو إغلاق التطبيق، أو حتى إيقاف تشغيل جهاز الكمبيوتر الخاص بك، وعندما تعيد فتح Gemini ستتلقى إشعارًا يشير إلى أن تقريرك جاهز للمراجعة.
ما هو وضع التعلم الموجه في نظام Gemini؟
على عكس منهج البحث المعمق القائم على الاستقصاء، صُمم التعلم الموجه ليكون بمثابة مُعلم ذكي يُرافقك أثناء دراستك. فبدلاً من تقديم إجابات نهائية، يركز هذا النمط على مساعدتك في فهم المفاهيم فهماً عميقاً ، وتعزيز التفكير النقدي والمشاركة الفعّالة.
تقدم جوجل هذه الأداة كأداة قائمة على التفكير التعاوني : لا يقتصر الأمر على قراءة ما ينتجه الذكاء الاصطناعي، بل يتعداه إلى التفاعل مع الأسئلة والتلميحات والاختبارات القصيرة والشروحات التي تتكيف مع وتيرة المستخدم. يهدف هذا إلى مكافحة الاستخدام السلبي للذكاء الاصطناعي ، حيث يطرح المستخدم سؤالاً، وينسخ الإجابة، ثم ينتقل إلى السؤال التالي دون فهم حقيقي.
هذا الوضع متاح مباشرةً لمستخدمي النسخة المجانية من برنامج Gemini 2.5 Flash . يظهر في شريط الخيارات إلى جانب أوضاع أخرى مثل البحث المتعمق، والصورة، والسبورة البيضاء، مما يسهل على أي شخص تجربته دون الحاجة إلى اشتراك مدفوع.
يتمثل التركيز الرئيسي للتعلم الموجه في تحويل الذكاء الاصطناعي إلى رفيق دراسة شخصي ، يتكيف مع مستواك وأهدافك، سواء كنت في المدرسة الثانوية أو الجامعة أو تتعلم مهارة جديدة بمفردك.
وفقًا لشركة جوجل، فإن الهدف هو أن يتوقف التعلم عن كونه مهمة آلية وأن يصبح عملية محفزة وتشاركية ، حيث لا تقوم فقط بحفظ الحقائق، ولكنك تفهم "لماذا" و"كيف" وراء كل موضوع.
لماذا يختلف التعلم الموجه عن الذكاء الاصطناعي التفاعلي البسيط؟
في العديد من مساعدي الذكاء الاصطناعي، يكون النمط المعتاد هو: تطرح سؤالاً وتحصل على إجابة مباشرة . أما التعلم الموجه فيكسر هذا المنطق. فبدلاً من ذلك، يحاول توجيهك على طول مسار التفكير، من خلال أسئلة مفتوحة، وخطوات وسيطة، وأنشطة تجبرك على التفكير.
ترتبط هذه الفلسفة ارتباطًا وثيقًا بنموذج LearnLM، وهو مجموعة نماذج جوجل التعليمية. خلال تطويره، أدركت الشركة أن الأساليب المبسطة التي تعتمد فقط على الإجابة عن الأسئلة أو تدريب النماذج بكميات كبيرة من البيانات المحددة غير كافية. كان الطلاب يرغبون في التفاعل والتحفيز وتنوع الأساليب ، وليس مجرد نصوص مكتوبة.
لهذا السبب، يركز التعلم الموجه على التوقف لفحص كل مفهوم والتأكد من استيعابك له تمامًا . فهو يطرح عليك أسئلة تدريجية، ويقترح تمارين، ويقدم تلميحات عندما تواجه صعوبة، ولا يكشف عن الإجابة النهائية إلا عندما يكون ذلك منطقيًا. الفكرة هي أن تكون أنت محور العملية، وأن يعمل الذكاء الاصطناعي كمدرب أكثر منه كمصدر إلهام.
يُعالج هذا النهج أيضًا المخاوف المتعلقة بالأمية الرقمية الجديدة المرتبطة بالذكاء الاصطناعي : أشخاص لا يعرفون كيفية صياغة أسئلة جيدة، ولا يتحققون من المصادر، أو يقبلون ما تقوله النماذج دون تمحيص. من خلال دعوتك للتأمل والتحقق من فهمك، يُدربك التعلم الموجه بشكل غير مباشر على التفاعل بفعالية أكبر مع التكنولوجيا.
بدلاً من استبدال شخصية المعلم أو المواد التعليمية، تسعى هذه الوظيفة إلى تعزيز الفهم والقدرة على التحليل ، وتجنب ذلك الاستخدام السلبي الذي يثير القلق في سياقات مثل السياسة أو الصحة العقلية أو انتشار المعلومات المضللة.
كيف يرافقك: التعلم الموجه خطوة بخطوة
في الواقع، تعمل جلسة التعلم الموجه كمزيج بين درس فردي وتمرين تفاعلي . أنت تطرح موضوعًا أو مشكلة، ويبدأ جيميني في شرحها لك بالتفصيل، مما يجعلك تشارك بدلاً من تلقينها لك.
على سبيل المثال، إذا سألت عن كيفية حل معادلة تربيعية، فإن النظام لا يعرض الصيغة مباشرةً. بل يطرح عليك أسئلة وسيطة : ما المصطلحات التي تعرفها؟ ما العمليات التي يمكن تطبيقها؟ هل تتذكر أي طرق مرتبطة بها؟ وهكذا. إذا أجبت بشكل صحيح، ينتقل إلى الخطوة التالية؛ أما إذا واجهتك صعوبة، فإنه يقدم لك تلميحات أو شروحات إضافية مصممة خصيصًا لإجابتك.
خلال الشروحات، يدمج نظام التعلم الموجه تلقائيًا موارد بصرية مثل الصور والرسوم البيانية ومقاطع الفيديو على يوتيوب عندما تتناسب مع الموضوع. على سبيل المثال، في درس عن عملية التمثيل الضوئي، قد يعرض رسمًا تخطيطيًا للعملية بالإضافة إلى النص؛ وفي درس عن الفيزياء، قد يعرض رسمًا تخطيطيًا يمثل القوى أو المسارات.
يهدف هذا المزيج من النصوص وعناصر الوسائط المتعددة إلى تلبية أنماط التعلم المختلفة : فبعض الأشخاص يفهمون بشكل أفضل من خلال رؤية رسم تخطيطي، بينما يحتاج آخرون إلى سماع شرح فيديو، ويفضل البعض الآخر أمثلة خطوة بخطوة. وتحاول الأداة تحقيق التوازن بين كل هذه الأساليب تلقائيًا.
في نهاية جلسة دراسية أو وحدة دراسية، يُمكن لبرنامج جيميني إنشاء ملخص شخصي لما تمّ تغطيته ، مع تسليط الضوء على المفاهيم الأساسية والأخطاء الشائعة التي ارتكبتها. تساعدك هذه النظرة العامة على ترسيخ ما تعلمته وتحديد المجالات التي تحتاج إلى مراجعة أكثر تعمقًا.
التوافر، وبيئة الاستخدام، وخطة Google AI Pro
التعلم الموجه نشط بالفعل في تطبيق Gemini للعديد من البلدان، وخاصة في الولايات المتحدة وجزء كبير من أمريكا اللاتينية ، ويمكن الوصول إليه بسهولة من لوحة الخيارات القياسية في Gemini 2.5 Flash.
بالتوازي مع ذلك، أطلقت جوجل عرضًا ترويجيًا للطلاب في الولايات المتحدة واليابان وإندونيسيا وكوريا والبرازيل ، يتيح لهم الاشتراك مجانًا لمدة عام في باقة جوجل للذكاء الاصطناعي الاحترافي . توفر هذه الباقة إمكانية الوصول إلى أحدث ميزات منظومة الذكاء الاصطناعي الخاصة بالشركة.
يتضمن Google AI Pro أدوات مثل Gemini 2.5 Pro (النموذج الأكثر قوة، القادر على التعامل مع الأسئلة المعقدة والعمل مع الصور)، و Deep Research لإعداد تقارير مفصلة، و NotebookLM لتنظيم الأفكار وتلخيص المحتوى في نص أو صوت أو فيديو، و Veo 3 لإنشاء مقاطع فيديو قصيرة من النصوص أو الصور، و Jules ، وهو مساعد برمجة يركز على تصحيح الأخطاء وإنشاء الميزات.
توفر الاشتراكية أيضًا مساحة تخزين سحابية تبلغ 2 تيرابايت ، مصممة لحفظ الملاحظات والمشاريع والأبحاث الأكاديمية. كل هذا يعزز فكرة أن يكون تطبيق Gemini رفيقًا شاملًا للدراسة والعمل ، ويتجاوز كونه مجرد تطبيق دردشة بسيط يعمل بالذكاء الاصطناعي.
في الوقت نفسه، يتشكل مجتمع مستخدمين نشط حول Gemini ، مع منتديات ومساحات يتم فيها تبادل الأسئلة والنصائح وأفضل الممارسات، مما يعزز النهج التعاوني للتعلم الموجه.
الاختلافات الرئيسية بين البحث العميق والتعلم الموجه
على الرغم من أن كلا الوظيفتين تندرجان تحت مظلة Gemini، إلا أن البحث المتعمق والتعلم الموجه يسعيان لتحقيق أهداف مختلفة تمامًا . يساعدك فهم هذه الاختلافات على اختيار الوضع المناسب في كل مرة.
- من الواضح أن البحث المتعمق موجه نحو إنتاج نتيجة نهائية. بمعنى آخر، هو تقرير بحثي شامل. يركز على البحث في الإنترنت، وجمع البيانات، وتقييمها بشكل نقدي، وهيكلتها في وثيقة طويلة ذات روابط وأقسام منظمة. مثالي عندما تحتاج إلى اتخاذ قرارات بناءً على معلومات موثوقة.
- يركز التعلم الموجه على عملية الفهم ومهاراتك الدراسيةلا تسعى هذه الطريقة إلى إنشاء وثيقة نهائية بقدر ما تسعى إلى بناء المعرفة معك: لجعلك تشارك، وترتكب الأخطاء، وتصححها، وتعزز المفاهيم من خلال الشروحات المتكيفة والموارد المرئية والتدريب الموجه.
علاوة على ذلك، فهي موجهة لجمهور مختلف قليلاً. يُعدّ البحث المعمّق جذابًا للغاية للمهنيين ورواد الأعمال والباحثين الذين يحتاجون إلى تحليل السوق أو الدراسات المقارنة أو التقارير الفنية. أما التعلّم الموجّه فهو مصمم بشكل أكبر للطلاب والمعلمين والأشخاص الذين يرغبون في تعلّم موضوع ما من الصفر أو تعزيز معارفهم الحالية.
ما يشتركون فيه هو القاعدة التكنولوجية: نماذج Gemini ذات القدرة القوية على الاستدلال ، واستخدام نافذة سياق واسعة، وإمكانية المتابعة وطرح أسئلة المتابعة لتحسين النتائج أو التفسيرات.
كيفية الاختيار بين البحث المعمق والتعلم الموجه (وكيفية الجمع بينهما)
عند اختيار طريقة الاستخدام، يبرز السؤال الأساسي: هل ترغب في تقرير جاهز للاستخدام أم تفضل التعمق في البحث بنفسك؟ إذا كانت أولويتك هي الحصول على وثيقة منظمة جيدًا لاتخاذ القرارات أو لعرضها على الآخرين، فإن البحث المعمق هو الخيار الأمثل في الغالب.
في كثير من الحالات، يكون الخيار الأمثل هو الجمع بين كلا الوضعين . يمكنك استخدام البحث المعمق لإنشاء نظرة عامة شاملة لموضوع معقد (على سبيل المثال، تقنية جديدة، أو حركة فلسفية، أو إطار قانوني)، ثم تغذية التعلم الموجه بهذا المحتوى أو بأجزاء من التقرير لتحليله خطوة بخطوة حتى تتقن المفاهيم الأساسية.
من خلال الاستفادة من البحث المتعمق من جهة والدراسة النشطة من جهة أخرى، ستحصل على تجربة تعليمية وبحثية أكثر ثراءً ، حيث يساعدك الذكاء الاصطناعي على الحصول على معلومات أفضل وتطوير قدراتك المعرفية.
بالنظر إلى الصورة الكاملة، فإن البحث العميق والتعلم الموجه يجعلان من Gemini نظامًا بيئيًا مرنًا يخدم كلًا من المحترفين والطلاب : بيئة واحدة يمكنك من خلالها طلب تقارير معقدة، والتحضير للامتحانات، وتعزيز التفكير النقدي، وبشكل عام، التعلم واتخاذ قرارات أفضل بمساعدة الذكاء الاصطناعي دون التخلي عن حكمك الخاص.