apocalypse الثلوج: عندما يبدو الواقع كأنه موجّه نصي رديء لـ Sora

تأمّل هذه اللقطات من وسائل التواصل الاجتماعي: مدن تكاد تُمحى من على وجه الأرض تحت طبقة من الثلج يبلغ سمكها عدة أمتار. لو قلتُ لك إن هذا مقطع تجريبي جديد من OpenAI أو Runway، لصدّقتَني على الأرجح. لقد بلغنا مرحلة صارت فيها الكوارث الطبيعية الحقيقية أقل إقناعًا من مخرجات الشبكات العصبية. لكن خلف هذه المقاطع المنتشرة مشكلة جدية تمسّ فقاعة التقنية المريحة بأكملها. فبينما نتجادل حول ما إذا كان ChatGPT سيحلّ محل المبرمجين، يطرح العالم الحقيقي مهام لم يتعلّم الذكاء الاصطناعي الحديث حلّها حتى الآن.

السياق هنا بسيط: شهد العامان الماضيان ما يمكن تسميته «ضجة الأرصاد الجوية» في الذكاء الاصطناعي. فقد أطلقت Google DeepMind نموذج GraphCast، وتبني NVIDIA مشروع Earth-2، وتروّج Huawei لنموذج Pangu-Weather. وعدتنا هذه النماذج بثورة، إذ تتنبأ بالطقس في ثوانٍ بدقة لا تبلغها الطرق العددية التقليدية على الحواسيب العملاقة. والمفارقة أنه عندما يتعلق الأمر بـ«البجعات السوداء» المتطرفة، مثل هذه العاصفة الثلجية الملحمية، تقدّم الشبكات العصبية المُشاد بها نتائج لا تفوق ما يقدّمه العرّافون. وإليك السبب.

المشكلة الرئيسية أن الذكاء الاصطناعي هو في جوهره آلة معقّدة جدًا لحساب متوسط الخبرة. فهو يتدرّب على بيانات تاريخية تغطي السنوات الأربعين إلى الخمسين الأخيرة. وإذا لم تتضمن هذه العيّنة شذوذًا بهذا الحجم، فلن يتمكن النموذج ببساطة من تخيّله. فهذا الحدث بالنسبة إلى الشبكة العصبية ضجيج إحصائي يجب «تنعيمه». والنتيجة أن الذكاء الاصطناعي يتنبأ بدقة بأمطار الغد في لندن، لكنه أعمى تمامًا أمام كارثة لا تقع إلا مرة كل قرن. وهذا قيد جوهري في البنية المعمارية: النماذج تعمل جيدًا داخل نطاق توزيع البيانات، لكنها تضلّ خارجه.

ثمة جانب آخر، ساخر ومخيف بعض الشيء. نحن نضخّ مليارات الدولارات في الذكاء الاصطناعي التوليدي ليرسم لنا صورًا جميلة للنهاية الكارثية. ونعلّم Sora كيف يسقط الضوء على ندفات الثلج وكيف تتحرك الأكوام الثلجية. لكننا في المقابل ننفق موارد أقل بكثير لتعليم الذكاء الاصطناعي فهم فيزياء هذه العمليات على مستوى التنبؤ. نحن نبني مرايا رقمية للواقع تبدو بلا عيوب، لكنها بلا أرض صلبة تستند إليها. وفي النهاية تصبح الصورة على هاتفك الذكي «أكثر واقعية» من كومة الثلج خارج نافذتك، التي تشلّ عمل مراكز البيانات والخدمات اللوجستية.

ماذا يعني ذلك للقطاع؟ حان الوقت للإقرار بأن النهج الإحصائي المحض في الذكاء الاصطناعي بلغ سقفه. فالمستقبل ليس للنماذج اللغوية الضخمة، بل للأنظمة الهجينة، أي ما يُعرف بالشبكات العصبية المستنيرة بالفيزياء (Physics-informed Neural Networks، أو PINNs). هذه شبكات عصبية تُدمج في بنيتها المعمارية قوانين الديناميكا الحرارية والديناميكا المائية. بهذه الطريقة وحدها يمكننا الانتقال من مجرد رسم البكسلات إلى إدارة المخاطر فعليًا في العالم المادي. أما الآن، فلا يسعنا سوى مشاهدة الفيديوهات والاندهاش من سهولة تفوّق الطبيعة على أي معالج رسومي.

الخلاصة: تبقى الطبيعة أفضل مولّد للمحتوى، وما زالت نماذج الذكاء الاصطناعي لدينا شديدة الارتهان للماضي بحيث لا تستطيع التنبؤ بالمستقبل. فهل ننتظر اليوم الذي تبدأ فيه شركات الأرصاد الجوية الناشئة بتوظيف الفيزيائيين بالحماسة نفسها التي توظّف بها متخصصي كتابة الموجّهات النصية؟