مستقبل الذكاء الاصطناعي: النماذج الحالية، العملاء المستقبليون، ومشكلة الخصوصية الكبرى

الولايات المتحدة - وكالة أنباء إخباري

مستقبل الذكاء الاصطناعي: النماذج الحالية، العملاء المستقبليون، ومشكلة الخصوصية الكبرى

يشهد عالم الذكاء الاصطناعي تطوراً مذهلاً، مدفوعاً باستثمارات بمليارات الدولارات في البنية التحتية والبحث والتطوير. منذ الانتشار الواسع لـ ChatGPT قبل سنوات، تسارعت وتيرة الابتكار بشكل غير مسبوق، لدرجة أن صناعة أشباه الموصلات بأكملها باتت تتمحور حول الطلب المتزايد على مراكز بيانات الذكاء الاصطناعي. يطرح هذا الزخم تساؤلات جوهرية حول مدى نضج النماذج الحالية وقدرتها على إحداث تأثير ملموس، بالإضافة إلى المخاطر المصاحبة لاستخدام هذه التقنيات.

لقد أحدث التعلم الآلي ثورة في العديد من القطاعات، محققاً تقدماً ملحوظاً في مجالات متنوعة. تحسنت دقة التعرف على الصوت بشكل كبير، وأصبحت التحليلات الطبية أسرع وأكثر دقة، وشهد علم المواد تطورات سريعة، بل إن التنبؤات الجوية وتتبع المناخ قد شهدت قفزات هائلة بفضل قدرة الأنظمة الآلية على تسريع العمليات أو إضافة دقة فائقة للمهام التي يقوم بها البشر.

على الرغم من هذه الإنجازات، أعرب العديد من المحللين عن شكوكهم حول قدرة نماذج اللغة الكبيرة (LLMs) التقليدية، بما في ذلك نماذج النصوص، الأكواد، والعملاء التفاعليين، على تحقيق تقدم أكبر. حتى بعض الرؤساء التنفيذيين عبروا علناً عن تحفظاتهم. تكمن المشكلات الرئيسية التي تواجه نماذج اللغة الكبيرة في ثلاثة جوانب أساسية: الهلوسة (حيث تختلق الذكاءات الاصطناعية معلومات غير صحيحة)، وعدم اليقين المعرفي (عندما لا تعرف الأنظمة شيئاً ما لكنها لا تدرك ذلك)، والإفراط في الثقة في الإجابات (عندما تكون الأنظمة واثقة جداً من معلومات خاطئة بشكل واضح في منطقها).

أما بالنسبة لمولدات الصور والفيديو، فتبدو القيود واضحة؛ لافتات بنصوص مشوشة، أيدٍ بعدد أصابع غير متناسق، وهياكل معمارية مستحيلة. بغض النظر عن مدى تقدم هذه الأنظمة، فإن انعدام الثقة في مخرجاتها يمثل أكبر عقبة أمام أي جهة للبروز في هذا المجال التنافسي.

ومع ذلك، شهدنا خلال السنوات القليلة الماضية تحسينات شبه شهرية عبر جميع الجبهات. ChatGPT يزداد ذكاءً ولا ينسى السياق بسهولة، Perplexity يبحث عن المعلومات بفعالية أكبر، Midjourney لم يعد يخلق بشراً بستة أصابع، ومولدات الفيديو مثل Sora أصبحت أقل تحدياً لقوانين الفيزياء الأساسية. على الرغم من أن الأخطاء الكارثية يمكن أن تحدث بسبب العملاء الآليين المفرطي الحماس، إلا أن معدل الخطأ يتناقص يومياً، وتتزايد أعداد الضوابط الاحترازية باستمرار.

صرح الرئيس التنفيذي لشركة Anthropic بأن الذكاء الاصطناعي قد يتسبب في بطالة تصل إلى 20% خلال السنوات الخمس المقبلة. ومع سعي Microsoft الدؤوب لدمج Copilot في كل جانب من جوانب نظام التشغيل الخاص بها، أصبح الذكاء الاصطناعي لا مفر منه للمستخدم العادي. إذا كان الذكاء الاصطناعي سيصبح في كل مكان، فما الذي يجعله يعمل، وما هي العوامل التي يمكن أن تحسن أداء أي نموذج معين؟

لفهم ذلك، يجب تفكيك آلية عمل الذكاء الاصطناعي والعوامل التي يمكن أن تجعل أي نموذج أفضل. ففي نهاية المطاف، يجب أن تصبح مخرجات النماذج أكثر موثوقية و/أو ذات جودة أعلى من مجرد "سلة رقمية فوضوية".

لتحقيق ذلك، تعمل نماذج اللغة الكبيرة (LLMs)، سواء كانت نصية أو تفاعلية، على توسيع قدراتها الاستدلالية وتقليل معدل الهلوسة. يتم تحقيق ذلك بعدة طرق، ولكن السمة المشتركة في أحدث إصدارات النماذج الشائعة هي نوافذ السياق فائقة الحجم ومئات المليارات، وأحياناً تريليونات، من المعلمات (Parameters).

تقاس نوافذ السياق لنماذج اللغة الكبيرة بالرموز (Tokens)، وهي كلمات أو أجزاء أو رموز. وقد نمت من حوالي 512 رمزاً في عام 2018 إلى أكثر من مليون رمز في نماذج الجيل الحالي، وهو تحسن يزيد عن 2000 ضعف خلال 7 سنوات فقط. توفر النوافذ الأكبر مساحة عمل أوسع للنموذج لصياغة استجابته، مما يتيح "تفكير" أكثر تفصيلاً، وذاكرة محادثة أفضل، ووعياً بالسياق، والقدرة على استشارة بيانات إضافية مثل صفحات الويب والمستندات وحتى مستودعات الأكواد بأكملها.

نافذة السياق الأكبر لا تعني أن النموذج أذكى، لكنها ضرورية لدعم الاستدلال الأكثر تقدماً، لا سيما الاستدلال متعدد الخطوات والاستدلال متعدد الوسائط (المزيد حولهما لاحقاً). مولدات الصور والفيديو لا تستخدم نوافذ السياق بالمعنى الحرفي، فرموزها هي بكسلات ومتجهات حركة، لكن النظائر المقابلة لنوافذ السياق تتيح جودة العرض النهائية المحسنة بشكل كبير التي نراها هذه الأيام، لقدرتها على استشارة المزيد من الصور/مقاطع الفيديو كمواد مصدر.

المعلمات هي قيم في النموذج تمنح وزناً أكبر أو أقل لاتصالات معينة بين معلومات التدريب الخاصة بها، مثل العلاقات بين الكلمات والحقائق. يتيح وجود المزيد من المعلمات بشكل عام للنماذج التقاط معلومات أكثر تعقيداً وترابطاً، على الرغم من أن زيادة العدد تزيد أيضاً من تكلفة تشغيل الاستعلامات. يعتبر العدد الكبير من المعلمات ضرورياً للنماذج ذات المستوى البحثي، بينما تكفي النماذج البسيطة للبحث/التصنيف ببضع مليارات فقط.

تعد تعددية الوسائط (Multi-modality) أيضاً أحد الركائز الأساسية للنماذج المعاصرة من مختلف الأنواع. ويعني هذا التقدم أن النماذج تأخذ في الاعتبار ليس فقط النص (أو البكسلات للصور، أو المتجهات للفيديو) عند إنشاء مخرجاتها. على سبيل المثال، تدرك روبوتات الدردشة الآن قراءة الصور والمخططات والأكواد وحتى مقاطع الفيديو، واستخدامها كمرجع في ردودها عند صياغة استفساراتك والإجابة عليها. أصبح التوليد المعزز بالاسترجاع (RAG) شائعاً، حيث يشير الروبوت إلى معلومات خارجية قام بالبحث عنها و/أو يتحقق منها.

على العكس من ذلك، يمكن للمولدات المرئية الاعتماد على المعلومات النصية لفهم المطالبات بشكل أفضل (الالتزام بالموجه)، وتقديم التسميات التوضيحية، والتحقق المتقاطع للمعلومات. إحدى الحيل المفيدة بشكل خاص هي "التعلم الصفري" (zero-shot learning)، حيث يستنتج النموذج ماهية حيوان معين (مثل أسد) وينشئ صورة له، بعد الحصول على معلومات من السياق النصي والوصف بدلاً من تدريبه خصيصاً على صور الأسود.

الاستدلال متعدد الخطوات هو ميزة أخرى قد تكون لاحظتها في بعض الروبوتات، ولكنه أصبح شائعاً بسرعة. إنه أقرب تمثيل للاستدلال البشري: يقوم الروبوت بتقسيم مهمة أو سؤال إلى أجزاء منفصلة، ويستخدم بفعالية معظم طاقته الحاسوبية لكل خطوة ويقيم النتائج قبل المتابعة. قد تلاحظ حتى أن بعض الروبوتات تتراجع عن خطواتها عند الوصول إلى طريق مسدود، تماماً مثل البشر.

هذا النوع من الاستدلال قوي، ولكنه يتطلب وقتاً طويلاً للحساب، لذا فهو محصور بشكل عام في خطط الاستخدام المميزة. نماذج مثل Claude من Anthropic بارعة بشكل خاص في الاستدلال متعدد الخطوات، وقد تم تصميمها مع وضع مهام التطوير في الاعتبار، بل إنها تصل إلى حفظ "حالتها" في ملفات للتعامل بشكل أفضل مع المهام طويلة الأمد. معظم النماذج المعاصرة، إن لم يكن كلها، تمتلك أوضاع تشغيل "سريعة" و"تفكير".

يصبح استخدام الأدوات أمراً بالغ الأهمية بسرعة. بحكم التعريف تقريباً، يجب أتمتة المهام المتكررة بواسطة الكمبيوتر، ولتحقيق ذلك، تحتاج النماذج إلى التكامل مع واجهات برمجة التطبيقات (APIs) للأدوات المتاحة بشكل شائع واستخدامها. على سبيل المثال، يمكن لـ Gemini من Google التفاعل مع معظم منظومة Google Workspace، بينما اعتمد Claude من Anthropic في بدايته على كونه مساعداً في البرمجة، متكاملاً مع العديد من أدوات المطورين. تجري Anthropic أيضاً اختبارات حول كيفية تشغيل نماذج اللغة الكبيرة للأعمال التجارية بأكملها، بنتائج متباينة. يمتلك ChatGPT أيضاً نظام إضافات خاص به. في الواقع، يمكن لهذه النماذج الآن التفاعل مع هذه الخدمات بنفس جودة (أو أفضل بكثير) أي إنسان.

أحجام مجموعات التدريب. أي روبوت من أي نوع لا يكون جيداً إلا بقدر البيانات التي تم تدريبه عليها. تطور هذه السمة قابل للتنبؤ إلى حد كبير، نظراً لأنها محدودة بشكل أساسي بقدرات الأجهزة الأساسية، وقد شهدت هذه الأجهزة أيضاً قفزات هائلة في أقل من عقد من الزمان. بالنسبة لنماذج اللغة الكبيرة، كان متوسط حجم مجموعة التدريب حوالي 13 مليار رمز في عام 2018، ويقدر المبلغ الآن بأكثر من 20 تريليون. تم تدريب مولدات الصور في البداية على أقل من 10 ملايين صورة، وهو تناقض صارخ مع المليارات المتعددة اليوم. تستهلك مقاطع الفيديو مساحة كبيرة وذاكرة وصول عشوائي، وكانت المولدات المبكرة تكتفي بأقل من مليون.

وكالة أنباء إخباري