مليارات المعلمات: كيف نقيس الذكاء بالأرقام

في كل مرة يشهد فيها قطاع الذكاء الاصطناعي إصدارًا كبيرًا، يتكرر السؤال نفسه في التعليقات: «كم معلمة فيه؟». صار هذا الرقم مقياسًا للتميّز، أشبه بالقدرة الحصانية في عالم محركات الاحتراق الداخلي. اعتدنا أرقامًا مثل 7 أو 70 أو حتى 175 مليار، لكننا نادرًا ما نتوقف عند معناها الحقيقي.

فإذا نحّينا الدعاية التسويقية جانبًا، فالمعلمة ليست سوى رقم. لكن نسيج التعلم الآلي الحديث منسوج من هذه الأرقام بالذات. ولفهم الفكرة، تخيّل لوحة تحكم عملاقة تضم مليارات المقابض والمفاتيح.

كل مفتاح منها هو معلمة. عند إنشاء النموذج لأول مرة، تكون جميع هذه المقابض مضبوطة عشوائيًا. وإذا سألت نموذجًا «فارغًا» كهذا عن معنى الحياة، فسيعطيك سلسلة عشوائية من الرموز.

أما التدريب فهو ضبط دقيق وشاق لكل معلمة من المليارات، إلى أن يخرج النموذج نصًّا أو صورة ذات معنى.

سلكنا تاريخيًا طريق التضخيم. فالشبكات العصبية الأولى اكتفت بآلاف المعلمات، ولم تكن قادرة إلا على التعرف على الأرقام المكتوبة بخط اليد. ثم جاء عصر التعلم العميق (Deep Learning) وصار العدّ بالملايين. وحدثت القفزة الحقيقية مع ظهور بنية Transformer، التي سمحت بتوسيع النماذج إلى حدود لم تكن متخيَّلة. وعندما أطلقت OpenAI نموذج GPT-3 بـ175 مليار معلمة، ذُهل العالم. بدا أننا عثرنا على وصفة شاملة: أضف مزيدًا من المعلمات والبيانات يصبح النموذج أذكى. سُمّيت هذه الظاهرة Scaling Laws، أي قوانين التوسّع. غير أننا اصطدمنا في هذا السباق نحو الحجم بقانون تناقص العوائد. فالنماذج الضخمة تتطلب قدرات حوسبة هائلة، وتستهلك من الكهرباء ما تستهلكه مدن صغيرة، وتعمل ببطء.

فماذا تفعل هذه المعلمات فعلًا داخل النموذج؟ من الناحية التقنية تنقسم إلى أوزان وانحيازات. تحدد الأوزان قوة الارتباط بين العصبونات، أي مدى تأثير كلمة معينة في السياق على اختيار الكلمة التالية. أما الانحيازات فتساعد النموذج على تصحيح تنبؤاته عندما تنحرف البيانات عن المعتاد. وخلال عملية الانتشار العكسي للخطأ (backpropagation)، تحسب الخوارزمية الاتجاه الذي يجب أن يُدار فيه كل مقبض من المليارات، كي تكون الإجابة التالية أدق قليلًا. وتتكرر هذه العملية تريليونات المرات على كميات هائلة من البيانات المأخوذة من الإنترنت والكتب والشيفرات البرمجية. وفي النهاية تتبلور في المعلمات معارف البشرية، فتتحول إلى ما يشبه قاعدة بيانات مضغوطة، لا تحفظ الحقائق فحسب، بل تعرف أيضًا كيف تجمع بينها.

لكن للعملة وجهًا آخر هو فرط التخصيص (overfitting). فإذا كان عدد المعلمات كبيرًا جدًا والبيانات عالية الجودة غير كافية، فقد «يحفظ» النموذج عينة التدريب عن ظهر قلب. سيصبح طالبًا متفوقًا في امتحان أسئلته مألوفة، لكنه يفشل تمامًا في الحياة الواقعية عندما يواجه مسألة لم يرها من قبل. وهذه إحدى أبرز مشكلات التطوير الحديث: كيف نوازن بين قوة النموذج وقدرته على التعميم. وأكثر من ذلك، نرى بشكل متزايد أن الحيل المعمارية، مثل Mixture of Experts (MoE)، تتيح استخدام تريليونات المعلمات دون تشغيلها كلها في الوقت نفسه. وهذا يجعل النماذج أكثر كفاءة، مع أن حجمها الرسمي يواصل النمو.

واليوم بدأت الصناعة تبتعد تدريجيًا عن عبادة «العملقة». فقد ظهرت نماذج لغوية صغيرة (SLM) تحقق بـ7 مليارات معلمة نتائج أفضل من العمالقة القدامى ذوي الـ100 مليار. ويعود ذلك إلى تنقية أفضل للبيانات وأساليب تدريب أذكى. لم تعد المعلمات مجرد رقم في بيان صحفي، بل صارت موردًا ينبغي إنفاقه بحكمة. وفي المحصلة، المهم ليس عدد «المقابض» على اللوحة، بل مدى دقة ضبطها. نحن ندخل عصرًا تعني فيه كفاءة البنية وكثافة المعرفة في كل معلمة أكثر بكثير من عددها الإجمالي.

الخلاصة: يتحول السباق على عدد المعلمات إلى سباق على جودتها. فهل سيتمكن نموذج بمليار معلمة يومًا ما من مضاهاة الدماغ البشري بفضل ضبط مثالي؟