Bindu Reddy والطريق إلى AGI: لماذا نموذج واحد ذكي لن يكفي

بينما تتنافس وادي السيليكون على الوعود بقدوم الذكاء الاصطناعي العام (AGI) يوم الثلاثاء القادم، تقترح بندو ريدي أخذ نفساً عميقاً. رئيسة شركة Abacus.AI ترى الصناعة ليس من خلال نظارة الاستثمار الجريء الوردية، بل من خلال الواقع القاسي لنشر الشبكات العصبية في الأعمال التجارية الفعلية. وتبدو تشخيصاتها صارمة: لا نزال في مرحلة يكون فيها "أفضل نموذج" مفهوماً يعيش تماماً حتى الإصدار الرئيسي التالي للمنافس. في السابق كان الأمر بسيطاً — كان هناك GPT-4 والآخرون جميعاً. الآن نشهد تجزئة، حيث ينتقل القيادة في البرمجة والكتابة الإبداعية أو الاستدلال المنطقي باستمرار من يد إلى أخرى.

تؤكد ريدي أن الطريق إلى الذكاء الاصطناعي العام ليست ببساطة مسألة زيادة عدد المعاملات أو شراء بطاقات رسومات H100 الجديدة. المشكلة في الهندسة المعمارية. نماذج اللغة الكبيرة الحالية تبقى ببغاوات إحصائية متقدمة بشكل لا يصدق. فهي تتنبأ بالرمز التالي، لكنها تفتقر إلى ما تسميه بندو "الفاعلية" — القدرة على التخطيط المستقل لسلاسل معقدة من الإجراءات وتصحيحها فوراً دون تلميح بشري. سيحدث الاختراق الحقيقي للذكاء الاصطناعي العام ليس عندما تقرأ نموذج الإنترنت بأكمله، بل عندما تتعلم الاستدلال في الوقت الفعلي، باستخدام التحقق الداخلي من الحقائق قبل تقديم الإجابة.

عند النظر إلى المشهد الحالي، نرى صورة مثيرة للاهتمام. تحافظ OpenAI مع GPT-4o على لقب المنتج الأكثر توازناً، لكن Anthropic مع نموذج Claude 3.5 Sonnet أصبحت فجأة المفضلة بين المطورين وأولئك الذين يقدرون أسلوب الكتابة "الإنساني" والدقة في الكود. في الوقت ذاته، أثبتت Meta مع Llama 3.1 أن النماذج المفتوحة يمكن أن تتنافس مع العمالقة الملكية. تعتقد ريدي أنه بالنسبة لرئيس تكنولوجيا حديث أو قائد منتج، الإيمان بنموذج واحد فقط هو خطأ استراتيجي. المستقبل في التنسيق، حيث تقرر طبقة برمجيات متخصصة (جهاز التوجيه) أي طلب يرسل إلى Claude وأي منها يرسل إلى نموذج أصغر وأرخص وأسرع.

من المثير للاهتمام كيف تربط بندو تطوير الذكاء الاصطناعي العام بالجدوى الاقتصادية. يصبح تدريب النماذج أكثر تكلفة بشكل متسارع، وتبدأ تحسينات الجودة في التباطؤ. نحن نقترب من جدار حيث "المزيد من البيانات" ببساطة لا يعطي القفزة السحرية في الذكاء. للتغلب على هذا العائق، سيتعين على الصناعة إعادة اختراع طرق التدريب، ربما الابتعاد عن التعلم الخاضع للإشراف النقي نحو الطرق التي تشبه كيف يتعلم البشر — من خلال التجربة والخطأ وفهم علاقات السبب والنتيجة. بدون هذا، سيبقى الذكاء الاصطناعي العام مجرد مصطلح تسويقي جميل لجذب جولات التمويل.

ماذا يعني هذا لنا؟ بينما يكافح المهندسون لإنشاء إله رقمي، يجب أن نتعلم التعامل مع ما لدينا. تثق ريدي بأنه في السنوات القليلة القادمة، الفائزون لن يكونوا أولئك الذين ينشئون أكبر شبكة عصبية، بل من ينشئ أفضل بنية تحتية لاستخدام هذا "حديقة الحيوان" من النماذج. الذكاء الحقيقي ليس فقط حجماً من المعرفة، بل القدرة على تطبيق الأداة الصحيحة في الوقت المناسب. وحتى تتعلم النماذج أن تفعل هذا بنفسها، يبقى هذا العمل معنا.

الملخص الأساسي: الذكاء الاصطناعي العام لن يكون حدثاً لمرة واحدة أو "وميضاً". إنه انتقال سلس، والآن نحن عالقون في مرحلة تكون فيها النماذج ذكية لكنها لا تزال غير مستقلة. ستستمر Anthropic و OpenAI في سباق التسلح، لكن القوة الحقيقية تتحول الآن نحو المرونة والقدرة على الجمع بين نماذج مختلفة في منتج واحد.