الشهادة الجامعية بعيداً: كيف يقود 'الطريق البري' إلى OpenAI و Anthropic

تناسَ كلَّ ما قيل لك عن ضرورة درجة الدكتوراه للعمل في النخبة العليا للذكاء الاصطناعي. إذا كان في السابق البطاقة الدخول إلى النادي الحصري لـ OpenAI أو DeepMind هي كومة من المنشورات في أفضل المؤتمرات مثل NeurIPS، فقد تغيرت القواعد اليوم بشكل كبير بحيث يتنازل الأكاديميون السابقون بشكل متزايد عن أماكنهم لأولئك الذين تسميهم الصين "إيلوتسي". يعني هذا المصطلح "الطريق البري" أو طريق الموهوب الذاتي، وهؤلاء بالذات هم من يصبحون الآن العمود الفقري للفرق التي تنشئ نماذج الجيل القادم.

ظلّ يُعتقد لفترة طويلة أن الدخول إلى صناعة الذكاء الاصطناعي محمي بجدار لا يمكن اختراقه من بيانات الاعتماد الأكاديمية. كان عليك أن تقضي سنوات في دراسة الرياضيات المتقدمة وكتابة الأوراق والانتظار للمراجعات، فقط للحصول على فرصة للمقابلة. لكن هنا التناقض: النجاحات الأكثر إثارة للإعجاب في السنوات الأخيرة ليست انتصاراً للنظرية البحتة، بل هي انتصار التوسع (Scaling Laws).

اتضح أنه لإنشاء GPT-4، لا تحتاج كثيراً إلى اختراع نوع جديد من الخلية العصبية بقدر ما تحتاج إلى امتلاك مهارات استثنائية في البنية التحتية وإعداد البيانات وتحسين الحسابات. هذا عمل للقراصنة والمهندسين، وليس للنظريين. أدركت شركات مثل OpenAI هذا قبل غيرها.

في كادرها، يظهر بشكل متزايد أشخاص تركوا الجامعة أو لم يلتحقوا بها أبداً، لكنهم قضوا سنوات في التنقيب عن الأكواد المفتوحة والمشاركة في المسابقات على Kaggle. يمتلك هؤلاء المتخصصون في "الطريق البري" صفة غالباً ما تفتقد لخريجي ستانفورد—فهم يعرفون كيفية جعل الأكواد تعمل في ظروف الموارد المحدودة. في عصر حيث تُقاس تكلفة تدريب النموذج بمئات الملايين من الدولارات، أي خطأ من المهندس يكون مكلفاً جداً.

هنا يُقدّر أولئك الذين يفهمون كيفية تفاعل "الأجهزة" مع البرمجيات على أعمق المستويات. حدث التحول في النموذج لأن الذكاء الاصطناعي تحول من تخصص علمي إلى قطاع صناعي. كانت الطيران أيضاً في يوم من الأيام اختصاص العلماء المنعزلين، لكن اليوم تُبنى الطائرات في مصانع ضخمة.

في الذكاء الاصطناعي، بدأت مرحلة "المصانع". لتدريب نموذج مثل Claude 3، لا تحتاج إلى إعادة كتابة معمارية المحول. تحتاج إلى أن تكون قادراً على توزيع الحمل على آلاف معالجات الرسومات بحيث لا تبقى خاملة ولو للحظة.

لهذا السبب أصبح مهندسو البنية التحتية ومتخصصو البيانات نجوم الروك الجدد، وتعادلت رواتبهم دخل الباحثين الرائدين. علاوة على ذلك، تغير صيغة التطوير نفسها. تصبح OpenAI ومنافسوها أكثر إغلاقاً.

لم تعد تنشر مقالات مفصلة عن طرقها، خوفاً من المنافسة. في هذه الأجواء من السرية، تصبح المهارة الأكاديمية في كتابة تقارير جميلة باللاتكس عديمة الفائدة. ما يصبح أكثر أهمية هو "المطبخ" الداخلي: كيف بالضبط تنظف البيانات من الضوضاء وما الحيل التي تستخدمها في تدريب التعلم المعزز (RLHF).

لا تُعلَّم هذه المهارات في الجامعات؛ يمكن الحصول عليها فقط في الميدان، بالعمل على مشاريع حقيقية. ماذا يعني هذا للمستقبل؟ نشهد ديموقراطية المواهب مع احتكار الموارد في نفس الوقت. يُخفَّض حد الدخول من حيث المعرفة: لم تعد تحتاج إلى قضاء سبع سنوات على أطروحة الدكتوراه.

لكن المتطلبات المتعلقة بالمهارات العملية تنمو بشكل كبير. إذا تمكّنت من إظهار مشروع يعمل ويحل مشكلة محددة في التحسين أو معالجة البيانات، فإن حسابك على GitHub سيعني أكثر لمجند من وادي السيليكون من أي شهادة. في جوهره: يحل عصر البناة محل عصر النظريين في الذكاء الاصطناعي.