نماذج لغوية نووية وبيانات قياس صينية وسياسة القياس: أبرز ما في العدد 446 من Import AI

الجوع الطاقي للنماذج اللغوية، وطموحات الصين في مجال المعايير القياسية، ووصفة بسيطة على نحو غير متوقع للجهات التنظيمية: جاء العدد الجديد رقم 446 من Import AI، إحدى أكثر النشرات تأثيرًا في عالم الذكاء الاصطناعي، مركّزًا بشكل لافت. وتتكامل المحاور الثلاثة، وكل منها يستحق نقاشًا مستقلًا، في صورة واحدة: صناعة الذكاء الاصطناعي تدخل مرحلة لم تعد فيها القيود الأساسية خوارزمية بحتة.

نبدأ بأكثر الاتجاهات ملموسية من الناحية المادية: الطاقة النووية لمراكز البيانات. يبدو مصطلح «Nuclear LLMs» كأنه من الخيال العلمي، لكن وراءه منطقًا عمليًا تمامًا. فتدريب أكبر النماذج اللغوية وتشغيلها (الاستدلال) يتطلبان كميات هائلة من الكهرباء، وتنمو هذه الحاجة بصورة أسّية.

وبحسب تقديرات مختلفة، قد تستهلك مراكز البيانات بحلول عام 2027 ما يصل إلى 4-6 في المئة من إجمالي الكهرباء في الولايات المتحدة. ولا تستطيع المصادر المتجددة تغطية الحمل الأساسي، وتخلّف محطات الغاز بصمة كربونية، أما الطاقة النووية، المستقرة والقوية ونسبيًا النظيفة، فتبدو الخيار الواقعي الوحيد للتوسع. وقد أبرمت Microsoft اتفاقًا لإعادة تشغيل مفاعل Three Mile Island، وتستثمر Amazon في المفاعلات المعيارية الصغيرة، ووقّعت Google عقدًا مع Kairos Power.

لم تعد هذه فكرة هامشية، بل أصبحت توجّهًا رئيسيًا، وترصد Import AI اللحظة التي تتحول فيها الطاقة إلى مورد استراتيجي للذكاء الاصطناعي لا يقل أهمية عن البيانات والحوسبة.

المحور الثاني في العدد هو معيار صيني جديد واسع النطاق لتقييم أنظمة الذكاء الاصطناعي. تبني الصين بصورة متواصلة منظومتها الخاصة لتقييم الذكاء الاصطناعي، ولهذا تبعات بعيدة المدى. فالمعايير القياسية ليست مجرد أدوات تقنية، بل تحدد ما يُعدّ تقدمًا، وأي قدرات للنموذج تُعتبر مهمة وأيها يُتجاهل. وحين تضع الصين معايير قياس خاصة بها، فهي تشكّل عمليًا نظام إحداثيات بديلًا للقطاع بأسره. فإذا كانت المعايير الغربية تركّز تقليديًا على مهام ذات صلة بالعالم الناطق بالإنجليزية، من فهم النصوص إلى حل مسائل الأولمبيادات الرياضية، فقد تضع نظيراتها الصينية الأولويات في مواضع أخرى، فتدرج مهام خاصة بالأسواق واللغات والسياقات الثقافية الآسيوية. وهذه ليست منافسة تقنية فحسب، بل صراع على تعريف مفهوم «الذكاء الاصطناعي الذكي» ذاته.

أما المحور الثالث، وهو الأكثر إثارة للجدل على الأرجح، فيتصل بعمل جاكوب شتاينهارت، أستاذ جامعة كاليفورنيا في بيركلي وأحد أكثر الباحثين استشهادًا بأعماله في مجال أمان الذكاء الاصطناعي. يصوغ شتاينهارت فكرة بسيطة في ظاهرها: قبل تنظيم الذكاء الاصطناعي، ينبغي تعلّم كيفية قياسه. تبدو هذه الفكرة بديهية، لكن غياب المقاييس الموثوقة هو ما يحوّل عمليًا أي نقاش حول تنظيم الذكاء الاصطناعي إلى حوار طرشان.

فلا يستطيع المشرّعون تحديد عتبات للأنظمة الخطرة ما لم تتوفر طرق متفق عليها لتحديد ما إذا كان النظام خطرًا. ولا تستطيع الشركات إثبات أمان منتجاتها ما لم توجد معايير موضوعية للأمان. ويقترح شتاينهارت تدخلًا سياسيًا محددًا: الاستثمار في إنشاء أدوات قياس موحّدة لقدرات أنظمة الذكاء الاصطناعي.

لا حظر ولا تقييد، بل القياس أولًا. وهو نهج قد يحظى بدعم من جانبي الطيف السياسي، لأنه لا يتطلب تنازلات أيديولوجية.

تجمع المحاور الثلاثة خيط مشترك قد يغيب بسهولة وسط التفاصيل التقنية. فصناعة الذكاء الاصطناعي تمرّ بمرحلة نضج. والحقبة التي كان فيها التقدم يُحدَّد حصرًا بحجم النماذج وكمية البيانات تفسح المجال لحقبة تصبح فيها العوامل المتعلقة بالبنية التحتية والجيوسياسة والمؤسسات هي الحاسمة. من سيوفّر الطاقة للجيل القادم من النماذج؟ ومن سيحدد معايير تقييمها؟ ومن سينشئ الأدوات التي تتيح للمجتمع الرقابة على هذه التقنية؟

وتظل Import AI، التي يحررها جاك كلارك، المدير السابق للسياسات في OpenAI والمؤسس المشارك لـ Anthropic، من المصادر القليلة القادرة على رؤية هذه الروابط وعرضها في سياقها. والعدد 446 تذكير بأن مستقبل الذكاء الاصطناعي لا يُحسم في المختبرات وحدها، بل أيضًا في محطات الكهرباء، وفي مكاتب التقييس، وفي أروقة السلطة. ومن يدرك ذلك يحصل على ميزة استراتيجية.