METR: ضاعفت Anthropic وتيرة تطوير نماذجها، ويرجع ذلك أساسًا إلى الذكاء الاصطناعي

طوال سنوات الحديث عن «ذكاء اصطناعي يبني ذكاءً اصطناعيًا»، ظل الأمر مجرد سيناريو نظري. أما الآن، فلدينا تقرير صادر عن منظمة مستقلة حصلت على إمكانية الوصول إلى البيانات الداخلية لأحد المختبرات الرائدة. الاستنتاج حذر، لكنه مقلق: يبدو أن التحسين الذاتي التكراري قد بدأ بالفعل، وإن كان في صورة محدودة.

ما الذي توصلت إليه METR تحديدًا

عمل موظفو METR داخل Anthropic بصلاحيات وصول موسعة من 12 أغسطس إلى 29 أكتوبر 2026. واطلعوا على مقاييس التدريب المسبق والتعلم المعزز، وأحجام القدرة الحاسوبية بحسب المجالات، ونتائج النماذج الداخلية في الاختبارات المعيارية، وتحليل التسارع الناتج عن الذكاء الاصطناعي، والتوقعات الخاصة بالنموذج المستقبلي. كما أجروا مقابلات مع الموظفين.

الرقم الأهم هو أنه منذ أكتوبر 2025، باتت نتائج نماذج Anthropic على مؤشرها الداخلي AECI — وهو نسختها من Epoch Capabilities Index — تتحسن بسرعة أكبر بمقدار 1.9 مرة عن السابق. ويتراوح نطاق الثقة البالغ 95% بين 1.5x و2.8x. وبعبارة أبسط، قطعت الشركة خلال العام الماضي مسافة كانت ستستغرق نحو عامين وفق وتيرتها السابقة.

فهل يرجع الأمر ببساطة إلى إنفاق المزيد على العتاد؟ لا. وفقًا لتقدير METR، لا يرتبط التسارع بزيادة القدرة الحاسوبية المستخدمة في التدريب. ويقول الموظفون في المقابلات والاستطلاعات إن أدوات الذكاء الاصطناعي تحقق لهم فوائد مضاعفة عدة مرات، وهو ما يتوافق مع تضاعف الوتيرة. لكن من الصعب تفسير التقارير الذاتية، لأن الناس يميلون إلى المبالغة في تقدير إنتاجيتهم.

لماذا لا يعد هذا مجرد «تقدير آخر»

في الوقت الراهن، يساعد الذكاء الاصطناعي البشر في الغالب بدلًا من العمل بصورة مستقلة تمامًا. لكن وفقًا للمؤلفين، تظهر بالفعل مؤشرات على أن مساهمته المستقلة ستزداد قريبًا. وإذا صح ذلك، فقد يغذي التسارع نفسه بنفسه: نموذج أفضل يعني أبحاثًا أسرع، ما يعني أن النموذج التالي سيكون أفضل بدرجة أكبر.

أكثر ما يثير القلق أن METR لم تجد عوائق واضحة خلال الأشهر الـ12 المقبلة: لا في الأفكار الخوارزمية، ولا في القدرة الحاسوبية اللازمة للتدريب والتجارب، ولا في البيانات. وفي الوقت نفسه، يقر المؤلفون بصراحة بأن تصورهم لهذه العوائق تغير عدة مرات مع حصولهم على معلومات جديدة، ولذلك فإن مستوى الثقة في هذه النقطة منخفض.

ردود الفعل داخل المجتمع لافتة. فقد أقر Ryan Greenblatt، الذي يعمل في METR، بأنه كان يتوقع لعام 2026 تسارعًا بمقدار 1.15–1.3 مرة فقط. وترى Ajeya Cotra أنه عند احتساب الشركة بأكملها، قد تتقدم أعمال البحث والتطوير بسرعة أكبر بمقدار 4–5 مرات. أما Daniel Kokotajlo من AI Futures Project، فيقول إن التقرير يؤكد مخاوفه بشأن قصر المدة المتبقية حتى ظهور الذكاء الفائق.

أبرز نقاط ضعف التقرير

المشكلة الأولى هي أن Anthropic حجبت جزءًا من البيانات التي تستند إليها الاستنتاجات الرئيسية المتعلقة بالمخاطر. ويكتب Greenblatt صراحة أن الاستنتاجات بشأن المصدر الدقيق للتسارع أصبحت تعتمد إلى حد كبير على الثقة في المؤلفين. وينبغي قراءة النسخة العامة مع وضع هذا التحفظ في الاعتبار.

المشكلة الثانية هي المؤشر نفسه. يقيس AECI مهام قابلة للتحقق، وهذه لا تساوي التقدم الفعلي في الأبحاث. إضافة إلى ذلك، ربما كانت وتيرة 2023–2025 منخفضة بصورة غير معتادة، وعندها سيبدو التسارع الحالي أكبر من حقيقته. ومن ناحية أخرى، قلل المؤشر أحيانًا من تقدير الأثر العملي الفعلي، لذلك يمكن أن يقع الخطأ في كلا الاتجاهين.

ما الذي ينبغي للممارسين فعله حيال ذلك

بالنسبة إلى المطورين وفرق المنتجات، فالخلاصة عملية. خططوا للمنتجات على أساس أن النماذج ستتلقى تحديثات بوتيرة أعلى بوضوح مما حدث في السنوات الماضية، ما يجعل الاعتماد على إصدار واحد من واجهة API وسلوكه مصدرًا للمخاطر. احتفظوا بطبقة لتقييم الجودة وبإمكانية الانتقال السريع بين النماذج.

وبالنسبة إلى المؤسسين: إذا كان التسارع حقيقيًا، فإن تكلفة أدوات الذكاء الاصطناعي وقدراتها ستتغير بوتيرة أسرع مما تفترضه الميزانيات. كما ينبغي قياس العمليات الداخلية بالطريقة نفسها التي تتبعها Anthropic: ليس وفق انطباعات الفريق، بل باستخدام مقاييس واضحة قبل تطبيق الذكاء الاصطناعي وبعده.

والأهم هو مراقبة الشفافية إلى جانب الأرقام. سيكشف الجدل بشأن تنقيح التقرير ما إذا كانت المختبرات قادرة على تزويد العالم الخارجي ببيانات كافية تتيح التحقق من مثل هذه التقديرات.