AI لا يصبح أكثر ذكاءً: تقرير من MIT عن ارتفاع استهلاك الطاقة

الذكاء الاصطناعي لا يتقدم بفضل خوارزميات أذكى، بل لأن الشركات ببساطة تشتري المزيد من الخوادم. هذا هو الاستنتاج الذي توصل إليه باحثو معهد ماساتشوستس للتكنولوجيا، وهذا الاستنتاج يقلب الفهم التقليدي للتقدم في مجال الذكاء الاصطناعي. بدلاً من ابتكار طرق جديدة بشكل أساسي لتدريب الشبكات العصبية، اختار قادة الصناعة مثل OpenAI طريق المقاومة الأقل: فهم يزيدون ببساطة من حجم موارد الحوسبة المنفقة على تدريب النماذج. إنها تعمل، لكن السعر يرتفع باستمرار—بالمعنى الحرفي والمجازي.

يتلخص جوهر تقرير MIT في استنتاج بسيط لكن مثير للقلق: عصر التطور الموسع للذكاء الاصطناعي يقترب من حدوده. عندما تدرب GPT أو Claude، فأنت لا تحقق قفزة علمية سحرية ما. بدلاً من ذلك، تشبه العملية محاولة غلي المحيط—كلما زادت البيانات التي تمررها عبر النموذج، زادت الأنماط المعقدة التي يمكنه اكتشافها. لكن هذا يتطلب كميات فلكية من الكهرباء. إذا استمرت الاتجاهات الحالية، فقد يصل تكلفة تدريب نموذج واحد في الصفوف الأمامية في السنوات القادمة إلى مئات الملايين من الدولارات، واستهلاك الطاقة سيكون مماثلاً لاستهلاك مدينة كاملة.

لماذا هذا مهم الآن؟ لأن الصناعة وصلت إلى نقطة حرجة. الذيل يهز الكلب—قوة الحوسبة تحدد ما يمكن للشركة القيام به، وليس العكس. هذا يعني أن إنشاء ذكاء اصطناعي قادر على المنافسة يصبح امتيازاً حصرياً للشركات العملاقة التي تستطيع تحمل استثمارات بعشرات مليارات الدولارات. OpenAI و Google و Meta وحفنة من لاعبين آخرين يسيطرون على ساحة المعركة ببساطة لأنهم يملكون المال للموارد الحاسوبية. الشركات الناشئة والمجموعات البحثية تبقى جانباً، بغض النظر عن مدى ذكاء أفكارهم.

المسألة البيئية هنا متساوية الحدة. يستهلك تدريب النماذج الحديثة الطاقة على مثل هذا الحجم الكبير بحيث يصبح ملحوظاً في إحصائيات استهلاك الطاقة للدول الفردية. مراكز البيانات التي تغذي هذه الحسابات تتطلب كميات ضخمة من الماء للتبريد وتخلق بصمة كربونية كبيرة. إذا كان قياس التقدم في الذكاء الاصطناعي حصرياً بحجم موارد الحوسبة، فستدفع الأرض سعراً باهظاً مقابل ذلك. هذا ليس فرضية أو سيناريو مرعب—إنها الواقع الحالي، وهو يزداد سوءاً مع كل جيل جديد من النماذج.

يشير البحث الذي أجرته MIT بشكل أساسي إلى الحاجة لتحول نموذجي. بدلاً من زيادة الطاقة، تحتاج الصناعة إلى اختراقات خوارزمية حقيقية. نحتاج إلى طرق تسمح للنماذج بالتعلم بكفاءة أكبر، وإلى بنى معمارية تحقق نتائج أفضل بأقل كمية من البيانات والحسابات. مثل هذه التطورات لا تجذب نفس انتباه رأس المال الاستثماري مثل النماذج الضخمة، لكنها حاسمة لمستقبل الذكاء الاصطناعي. إنه أصعب، يتطلب فهماً أعمق لأسس التعلم الآلي نفسها، لكن هذا هو الطريق الذي يؤدي فعلاً إلى التقدم.

تقرير MIT ليس مجرد عمل علمي؛ إنه جرس إنذار للصناعة. النموذج الحالي لتطور الذكاء الاصطناعي غير مستدام اقتصادياً وخطير بيئياً ويركز السلطة في أيدي قلة. يجب أن تستند المرحلة التالية من تطور الذكاء الاصطناعي على الذكاء، وليس على النمو غير المنضبط للموارد الحاسوبية. وإلا فإن العالم سيجد نفسه في وضع تسيطر فيه قلة من الشركات على تكنولوجيا المستقبل، والأرض تدفع الثمن.