Стартап Probably привлёк $9 млн, чтобы сделать ИИ таким же точным, как обычный код

أغلقت شركة ناشئة أمريكية تدعى Probably جولة بذرية بقيمة 9 ملايين دولار. ستوجه الأموال نحو تطوير أنظمة ذكاء اصطناعي تمنع الهلوسات والأخطاء الحقائقية قبل وصول الإجابة إلى المستخدم. الهدف الرئيسي هو تحقيق دقة تضاهي الأنظمة الحتمية، أي الكود البرمجي العادي.

لماذا الهلوسات ليست مجرد إزعاج

نماذج اللغة الكبيرة تهلوس بانتظام: تنتج حقائق كاذبة بثقة، تستشهد ببحوث غير موجودة، تختلق اقتباسات. وفقاً لعدة تقييمات مستقلة، حتى النماذج التجارية الأكثر تقدماً تخطئ في 10–20% من الادعاءات الحقائقية المحددة. في الوقت نفسه، يصعب جداً على المستخدمين تحديد أين يكون النموذج محقاً وأين يختلق — يبدو واثقاً بنفس الدرجة في كلا الحالتين. هذا يخلق خطراً نظامياً يحد من قابلية تطبيق الذكاء الاصطناعي في سيناريوهات الأعمال الحقيقية. تضطر الشركات للاختيار بين خيارين سيئين: توظيف أشخاص للتحقق من كل إجابة ذكاء اصطناعي أو حصر استخدام النماذج فقط في المهام التي لا تكون الأخطاء فيها حرجة. بالنسبة للطب والقانون والامتثال المالي والقطاع العام، هذا يعني فعلياً أن الأنظمة المستقلة للذكاء الاصطناعي غير قابلة للتطبيق — تكلفة الخطأ مرتفعة جداً.

معيار جديد: الدقة الحتمية

تضع شركة Probably معياراً غير تافه — تحقيق دقة الأنظمة الحتمية. هذا يختلف جوهرياً عن طريقة عمل نماذج اللغة الكبيرة الحالية. البرنامج الحتمي ينتج دائماً نفس النتيجة مع نفس البيانات المدخلة: الآلة الحاسبة لن تقرر أبداً اختلاق إجابة لمسألة 2 + 2. نموذج اللغة يعمل بشكل مختلف: يولد نصاً احتمالياً قد يبدو مقنعاً لكنه لا يضطر أن يكون صحيحاً. فريق Probably يبني معمارية حيث لا يقتصر الذكاء الاصطناعي على توليد إجابة، بل يتحقق منها قبل إرسالها. المبادئ الرئيسية:

• الفصل الواضح بين المعرفة الموثوقة والافتراضات النموذج
• التحقق من كل ادعاء حقائقي قبل وصوله للمستخدم
• "لا أعرف" صريح بدلاً من حقائق مختلقة
• الشفافية: يشرح النظام مصدر كل ادعاء
• عدم تحمل أي أخطاء حقائقية في الإجابة النهائية

هذا النهج معاكس للنهج المتبع في معظم تطورات نماذج اللغة الكبيرة في السنوات الأخيرة. تم ضبط النماذج مع التركيز على "الفائدة" و"الإقناع" — وهو ما تضارب غالباً مع الدقة.

السوق والمنافسة

مهمة بناء ذكاء اصطناعي موثوق تجذب الآن برأس مال استثماري بفعالية. في هذا المجال تعمل شركات مثل Vectara و Cohere مع التركيز على معماريات RAG الموجهة للمشاريع، عدد من الشركات الناشئة السرية والمشاريع الأكاديمية في الجامعات الكبرى. اللاعبون الكبار — OpenAI و Anthropic و Google — يستثمرون أيضاً في تقليل الهلوسات، لكن بالنسبة لهم تعتبر الدقة واحدة فقط من خصائص المنتج العديدة، وليست المميز الرئيسي. تبني Probably كل شيء حول فكرة واحدة. جولة البذرية بقيمة 9 ملايين دولار تعطي الفريق سنة ونصف إلى سنتين لإثبات جدوى المعمارية وجذب التمويل التالي. اسم الشركة هو سخرية متعمدة من الطبيعة الاحتمالية لنماذج اللغة وفي الوقت نفسه إعلان عن النية في تجاوزها.

ما يعنيه هذا

إذا استطاعت Probably حل مشكلة الهلوسات بإقناع، فسيفتح هذا الطريق أمام الذكاء الاصطناعي نحو القطاعات المنظمة — الرعاية الصحية والخدمات القانونية والامتثال المالي — حيث اليوم الأنظمة المستقلة غير مقبولة بسبب عدم الدقة. بالنسبة للأعمال، هذا يعني القدرة على إزالة الطبقة المكلفة من التحقق البشري والتفويض الحقيقي للمهام الحرجة للآلات — ليس بالكلام، بل بضمانات قياسة للدقة.