كتب – رامز يوسف:
أظهر استطلاع حديث لخبراء الصناعة أن من غير المرجح أن تُنتج المناهج الحالية للذكاء الاصطناعي نماذج تُضاهي الذكاء البشري.
من بين 475 باحثًا في مجال الذكاء الاصطناعي شملهم الاستطلاع، قال 76% منهم إن توسيع نطاق نماذج اللغات الكبيرة (LLMs) “من غير المرجح” أو “من غير المرجح جدًا” أن يحقق الذكاء الاصطناعي العام (AGI)، وهو الإنجاز الافتراضي الذي يُمكن لأنظمة التعلم الآلي من خلاله التعلم بفعالية، أو حتى بشكل أفضل، من البشر.
يُمثل هذا رفضًا ملحوظًا لتوقعات صناعة التكنولوجيا التي أكدت، منذ طفرة الذكاء الاصطناعي التوليدي عام 2022، أن نماذج الذكاء الاصطناعي الحالية المتطورة لا تحتاج إلا إلى المزيد من البيانات والأجهزة والطاقة والمال لتتفوق على الذكاء البشري.
الآن، مع ركود إصدارات النماذج الحديثة، يعتقد معظم الباحثين الذين استطلعت آراءهم جمعية النهوض بالذكاء الاصطناعي أن شركات التكنولوجيا قد وصلت إلى طريق مسدود، وأن المال لن يُخرجها من هذا المأزق.
قال ستيوارت راسل، عالم الحاسوب في جامعة كاليفورنيا، بيركلي، والذي ساعد في تنظيم التقرير: “أعتقد أنه بات واضحًا، منذ إصدار GPT-4 بفترة وجيزة، أن مكاسب التوسع كانت تدريجية ومكلفة.. لقد استثمرت شركات الذكاء الاصطناعي مبالغ طائلة بالفعل، ولا يمكنها تحمل الاعتراف بخطئها والخروج من السوق لعدة سنوات، بينما يتعين عليها سداد أموال المستثمرين الذين ضخوا مئات المليارات من الدولارات. لذا، كل ما يمكنها فعله هو مضاعفة استثماراتها”.
تراجع أرباح الذكاء الاصطناعي
يعود الفضل في التحسينات المذهلة التي طرأت على برامج ماجستير إدارة الأعمال في السنوات الأخيرة جزئيًا إلى بنية المحولات الأساسية فيها. هذا نوع من هياكل التعلم العميق، ابتكره علماء جوجل لأول مرة عام ٢٠١٧، وهو يتطور ويتعلم من خلال استيعاب بيانات التدريب من المدخلات البشرية.
لذلك نجحت النماذج في من توليد أنماط احتمالية من شبكاتها العصبية (مجموعات من خوارزميات التعلم الآلي المُرتبة لمحاكاة طريقة تعلم الدماغ البشري) عن طريق تغذيتها عند إعطائها مُحفزًا، مع تحسن دقة إجاباتها مع زيادة البيانات.
لكن التوسع المُستمر في هذه النماذج يتطلب مبالغ طائلة من المال والطاقة. جمعت صناعة الذكاء الاصطناعي المُولّد ٥٦ مليار دولار من رأس المال المُغامر عالميًا في عام ٢٠٢٤ وحده، حيث خُصص جزء كبير من هذا المبلغ لبناء مُجمعات مراكز بيانات ضخمة، وتضاعفت انبعاثات الكربون منها 3 مرات منذ عام ٢٠١٨.
تُشير التوقعات أيضًا إلى أن البيانات المحدودة التي يُولّدها الإنسان، والضرورية لمزيد من النمو، ستُستنفد على الأرجح بحلول نهاية هذا العقد. بمجرد حدوث ذلك، ستكون البدائل هي البدء في جمع البيانات الخاصة من المستخدمين أو إعادة تغذية النماذج ببيانات “اصطناعية” مُولّدة بواسطة الذكاء الاصطناعي، ما قد يُعرّضها لخطر الانهيار نتيجة أخطاء تحدث بعد استيعابها مدخلاتها الخاصة.
لكن خبراء الاستطلاع يقولون إن قيود النماذج الحالية لا تعود على الأرجح إلى نهمها للموارد فحسب، بل إلى قيود جوهرية في بنيتها.
قال راسل: “أعتقد أن المشكلة الأساسية في الأساليب الحالية تكمن في أنها جميعًا تتضمن تدريب دوائر تغذية أمامية كبيرة. للدوائر قيود جوهرية كوسيلة لتمثيل المفاهيم. هذا يعني أن الدوائر يجب أن تكون ضخمة لتمثيل هذه المفاهيم ولو بشكل تقريبي، ما يؤدي إلى متطلبات بيانات هائلة وتمثيل مجزأ مع فجوات. ولهذا السبب، على سبيل المثال، يمكن للاعبين البشر العاديين التغلب بسهولة على برامج لعبة “جو” “الخارقة”.
مستقبل تطوير الذكاء الاصطناعي
أشار بعض المشاركين في الاستطلاع إلى أن جميع هذه العوائق شكلت تحديات كبيرة للشركات التي تعمل على تعزيز أداء الذكاء الاصطناعي، ما أدى إلى ثبات نتائج معايير التقييم، وعدم ظهور نموذج GPT-5 الذي يُشاع عن OpenAI.
كما قوضت شركة DeepSeek الصينية هذا العام افتراضات إمكانية تحقيق تحسينات دائمة من خلال التوسع، حيث حققت أداءً يُضاهي نماذج وادي السيليكون باهظة الثمن بتكلفة وقوة أقل بكثير. لهذه الأسباب، قال 79% من المشاركين في الاستطلاع إن تصورات قدرات الذكاء الاصطناعي لا تتطابق مع الواقع.
وقال راسل: “هناك العديد من الخبراء الذين يعتقدون أن هذا مجرد فقاعة، خاصةً مع توزيع نماذج عالية الأداء بشكل معقول مجانًا”.
ومع ذلك، لا يعني هذا أن التقدم في مجال الذكاء الاصطناعي قد انتهى. فقد ثبت أن نماذج الاستدلال – وهي نماذج متخصصة تُخصص وقتًا وطاقة حاسوبية أكبر للاستعلامات – تُنتج استجابات أكثر دقة من سابقاتها التقليدية.
يُعدّ دمج هذه النماذج مع أنظمة تعلّم آلي أخرى، خاصةً بعد صقلها إلى مقاييس متخصصة، مسارًا مُثيرًا للمضي قدمًا، وفقًا للمشاركين. ويشير نجاح DeepSeek إلى مساحة أكبر للابتكار الهندسي في كيفية تصميم أنظمة الذكاء الاصطناعي. كما يُشير الخبراء إلى أن البرمجة الاحتمالية لديها القدرة على بناء تطبيقات أقرب إلى الذكاء الاصطناعي العام من نماذج الدوائر الحالية.
قال توماس ديتريش، الأستاذ الفخري لعلوم الحاسوب في جامعة ولاية أوريجون والذي ساهم في التقرير: “يراهن القطاع بشدة على وجود تطبيقات عالية القيمة للذكاء الاصطناعي التوليدي.. في الماضي، كانت التطورات التكنولوجية الكبيرة تتطلب من 10 إلى 20 عامًا لتحقيق عوائد كبيرة”.
وأضاف: “غالبًا ما تفشل الدفعة الأولى من الشركات، لذا لن أتفاجأ برؤية العديد من شركات GenAI الناشئة اليوم تفشل.. ولكن يبدو أن بعضها سيحقق نجاحًا باهرًا. أتمنى لو كنت أعرف أيها”.
المصدر: Live Science
اقرأ أيضا:
