أتمتة البحث والتطوير في الذكاء الاصطناعي قد تسرّع التقدم 10 مرات خلال 17 شهرًا

اعتدنا مناقشة الذكاء الاصطناعي بوصفه مساعدًا للمطور: يكتب دالة، أو يعثر على خطأ، أو يبني نموذجًا أوليًا. لكن دراسة جديدة تطرح السؤال على مستوى أعلى. ماذا سيحدث إذا بدأت النماذج في أتمتة ليس البرمجة المعتادة فحسب، بل أيضًا عملية إنشاء النماذج التالية نفسها — من التجارب وتحليل النتائج إلى إعداد أنظمة التدريب والبحث عن أساليب جديدة؟

يسمي المؤلفون هذا السيناريو انفجارًا برمجيًا في الذكاء. وليس من الضروري لحدوثه انتظار جيل جديد من المسرّعات. فقد ينشأ التسارع داخل بنية الحوسبة المتاحة بالفعل: يساعد الذكاء الاصطناعي الباحثين على إجراء مزيد من التجارب، وتحسّن هذه التجارب الذكاء الاصطناعي، ثم يسرّع الإصدار الجديد البحث بدرجة أكبر.

كيف يمكن أن تنشأ حلقة التسارع

لنتخيل مختبرًا يضم مئة مهندس. في البداية، يكتفي الذكاء الاصطناعي بإكمال الشيفرة وإعداد الاختبارات. ثم يتلقى الوكيل مهمة من قبيل «اختبر ثلاثة بدائل للمعمارية»، فيغيّر الإعدادات بصورة مستقلة، ويشغّل التجارب، ويلخّص النتائج. ويظل الإنسان مسؤولًا عن اعتماد القرارات، لكنه يراجع في يوم واحد عملًا كان يستغرق أسبوعًا في السابق.

الخطوة التالية هي أتمتة جزء كبير من دورة البحث. فإذا استطاع النموذج ليس فقط تنفيذ التجربة المطلوبة، بل أيضًا اختيار مسار مفيد، واختبار الفرضيات، والاستفادة من النتائج الفاشلة، تبدأ إنتاجية المختبر في النمو بالتوازي مع قدرات النموذج. وهذا ما يصنع حلقة تغذية راجعة إيجابية.

ويستشهد المؤلفون بالمؤشرات الداخلية لدى Anthropic بوصفها إشارة مبكرة. فقد ارتفعت حصة الشيفرة المقبولة التي كتبها الذكاء الاصطناعي من بضعة في المئة في يناير 2025 إلى أكثر من 80% بحلول مايو 2026. كما زادت حصة مهام البحث والتطوير المستقلة، المنفذة تحت إشراف وثيق من المتخصصين، من 1% في مارس إلى 26% في أغسطس 2026. ولا تثبت هذه الأرقام اقتراب انفجار، لكنها توضح مدى سرعة تغير تنظيم عملية التطوير.

يربط نموذج المؤلفين هذه المؤشرات بالعائد الاقتصادي لجهود البحث. واستنادًا إلى التقديرات المركزية لمعامل العائد، التي تتراوح بين 1.2 و1.9 لمختلف مجالات الذكاء الاصطناعي، يمكن للأتمتة الكاملة للبحث أن ترفع وتيرة التقدم 10 مرات خلال نحو 17 شهرًا. وفي هذا الوضع، يمكن إنجاز حجم من العمل كان يستغرق عامًا كاملًا خلال نحو خمسة أسابيع.

لماذا لا يُعد هذا توقعًا حتى الآن

ينطوي الحساب على نطاق واسع من عدم اليقين. فالحدود الدنيا لفواصل الثقة البالغة 90% تهبط إلى ما دون المستوى الذي يظهر عنده تسارع ذاتي الاستمرار. وبعبارة أخرى، تتوافق البيانات المتاحة مع نمو حاد كما تتوافق مع سيناريو أكثر هدوءًا بكثير.

وهناك أيضًا مشكلة في القياس. فارتفاع حصة الشيفرة التي ينتجها الذكاء الاصطناعي لا يساوي ارتفاعًا في الإنتاجية العلمية. قد يكتب الوكيل بسرعة البنية المحيطة بالتجربة، لكنه قد لا يقترح فرضية ناجحة. كما تخلط المقاييس بين تحسن الأساليب البرمجية وزيادة موارد الحوسبة. وأخيرًا، تصطدم الأبحاث بقيود المعدات والبيانات والطاقة والتحقق من النتائج وقدرة البشر على اتخاذ القرارات.

لذلك ينبغي قراءة رقم «10 مرات خلال 17 شهرًا» بوصفه نتيجة لنموذج قائم على افتراضات محددة، لا وعدًا مرتبطًا بجدول زمني. وتكمن الفائدة الأساسية للدراسة في أنها تحوّل النقاش الضبابي حول انفجار الذكاء إلى مجموعة من المقاييس القابلة للقياس: حصة المهام المستقلة، وجودة النتائج، ووقت الإشراف البشري، والعائد من جهود البحث الإضافية.

ما الذي ينبغي للفرق فعله منذ الآن

ينبغي لمطوري أنظمة الذكاء الاصطناعي قياس توليد الشيفرة والاستقلالية الفعلية كلًا على حدة. فالمقياس المفيد ليس عدد الأسطر، بل حصة المهام التي يستطيع الوكيل إكمالها حتى الوصول إلى نتيجة قابلة للتحقق من دون تدخل بشري. وإلى جانب ذلك، يجب احتساب تكلفة الأخطاء، ووقت المراجعة، وعدد الإجراءات التي جرى التراجع عنها.

تحتاج فرق المنتجات إلى سجلات لإجراءات الوكلاء، وصلاحيات محدودة، وبيئات معزولة، وإمكانية إيقاف التنفيذ فورًا. وكلما طالت سلسلة الإجراءات المستقلة، أصبح الاعتماد على الإجابة النهائية للنموذج وحدها أكثر خطورة.

أما بالنسبة إلى المؤسسين، فالخلاصة عملية أيضًا: قد تتغير سرعة التطوير بوتيرة أسرع من دورات التخطيط والتوظيف المعتادة. لكن من السابق لأوانه بناء استراتيجية على «انفجار» حتمي. والأجدى هو إعداد العمليات لنمو سريع في الاستقلالية، مع الحفاظ على التحكم، وقابلية إعادة إنتاج التجارب، ووجود الإنسان عند النقاط التي تكون فيها تكلفة الخطأ مرتفعة بوجه خاص.