جدار أمام نماذج اللغة الكبيرة: لماذا أخطأ المتشككون الباب مرة أخرى

كل ستة أشهر تقريباً، تمرّ صناعة الذكاء الاصطناعي بفترة «الكآبة الكبرى». في البداية قيل لنا إن GPT-3 هو الحد الأقصى وإنه لا مجال لمزيد من النمو. ثم أكدوا أن الخطوة التالية تتطلب تريليونات الرموز (tokens) غير الموجودة أصلاً على الإنترنت. أما الاتجاه الجديد اليوم فيقول: البيانات نفدت، ومعمارية المحوّلات (Transformers) استنفدت قدراتها، وحان وقت الانصراف. يبدو هذا الكلام رصيناً، بل ومنطقياً أيضاً، إذا نظرت إلى العالم من ثقب المفتاح. لكن من يتابع اللعبة لفترة أطول من دورة واحدة من الضجيج الإعلامي يدرك أننا لم نصطدم بجدار، بل وصلنا إلى نهاية خط مستقيم ونتجه الآن إلى طريق سريع.

مشكلة المتشككين أنهم يفكرون في بُعد واحد. فالتقدّم عندهم هو أن تضخّ في النموذج مزيداً من النصوص فتحصل على مزيد من الذكاء. صحيح أن البيانات النصية اللازمة للتدريب الخاضع للإشراف التقليدي توشك فعلاً على النفاد، فقد «هضمت» الشبكات العصبية الإنترنت بأكمله. لكن التدريب على البيانات ليس سوى محور واحد من ستة محاور يتحرك عبرها التقدّم. وبينما ينوح البعض على المكتبات الفارغة، يعمل المهندسون في OpenAI وGoogle وAnthropic بنشاط على المحاور الخمسة الأخرى، وهي محاور يُنسى ذكرها في النقاشات العامة لسبب ما.

أول هذه الروافع وأهمها على الأرجح اليوم هو الحوسبة أثناء الاستدلال، أو inference-time compute. انظر إلى نماذج عائلة o1. فهي لا تكتفي بإخراج الإجابة، بل «تفكّر» قبل أن تكتب الحرف الأول. وهذا يغيّر النموذج السائد: لم يعد من الضروري جعل النموذج أكبر بعشر مرات كي يصبح أذكى، بل يمكن دفعه إلى التفكير مدة أطول في المسألة. الأمر يشبه الحياة: الإنسان الذكي ليس من قرأ أكبر عدد من الكتب، بل من يجيد تحليل المعلومات بعمق. نحن ننتقل من كمّ المقروء إلى جودة الفهم.

المحور الثاني هو الكفاءة الخوارزمية. هل تذكر كيف اشتكى الجميع من نهم المحوّلات للموارد؟ اليوم تظهر على الساحة معماريات مثل Mamba وMixture of Experts (MoE). فهي تتيح الحصول على القدرة نفسها بموارد أقل بكثير. نحن نتعلم بناء محركات أكثر تطوراً بدلاً من الاكتفاء بتكبير خزان الوقود. ويُضاف إلى ذلك المحور الثالث، وهو تعدد الوسائط. فالنماذج لم تعد مجرد «قارئة نصوص»، بل بدأت ترى وتسمع وتفهم العالم المادي. وحين يتعلم الذكاء الاصطناعي من الفيديو والصوت، يفقد القول بأن «النص نفد» أي معنى. فالعالم تدفق لا ينتهي من البيانات، ونحن لم نبدأ إلا للتو في استثماره.

العاملان الرابع والخامس هما استخدام الأدوات والتعلّم الذاتي عبر self-play. تذكّر كيف هزمت AlphaGo بطل العالم في لعبة الغو. فهي لم تتعلم من مباريات البشر وحدها، بل لعبت ضد نفسها ملايين المرات. واليوم يصل هذا النهج إلى نماذج اللغة الكبيرة. فالنماذج بدأت تولّد بيانات اصطناعية، وتتحقق من منطقيتها، وتتعلم من أخطائها. وإذا استطاع الذكاء الاصطناعي أن ينشئ المهام بنفسه ويحلّها بنفسه، فلن يحتاج بعد الآن إلى الإنسان بوصفه مصدر المعرفة الوحيد. وهذا يُغلق حلقة التعلّم ويجعلها لا نهائية عملياً.

نحن اليوم عند نقطة لم تعد فيها مقاييس التقدّم القديمة، أي عدد المعاملات (parameters) وحجم مجموعة البيانات، هي الأهم. فنحن ندخل عصر المرونة المعمارية والعمق الذكي. أما من يصرخون اليوم بأن التقنيات «استنفدت»، فهم ببساطة لم يلاحظوا أن قواعد اللعبة قد تغيّرت. نحن لم نبلغ السقف، بل أنهينا الأساس وبدأنا بناء الطوابق. ويبدو من وتيرة انتشار الوكلاء (agents) والأدوات أن هذه الطوابق سترتفع أسرع بكثير مما توقع أي أحد.

الخلاصة: انسَ «نقص البيانات». المعركة الحقيقية الآن هي على من يعلّم النموذج أن يفكر مدة أطول وبكفاءة أعلى، لا على من يغذّيه بمزيد من تيرابايتات Reddit.