رائد توليد الصور يتجه إلى إحداث ثورة في الذكاء الاصطناعي النصي

عندما يقرر عالم حدّدت أفكاره ملامح صناعة الوسائط التوليدية بأكملها التحول إلى الذكاء الاصطناعي النصي، فعلى السوق أن تنتبه. فقد كشف ستيفانو إرمون، أستاذ جامعة ستانفورد وأحد أبرز الباحثين في مجال نماذج الانتشار، من خلال شركته الناشئة Inception عن تقنية تعد بتسريع عمل أنظمة الذكاء الاصطناعي النصية بشكل كبير، بدءًا من روبوتات الدردشة ووصولًا إلى المساعدين المؤسسيين.

ولفهم حجم هذه الخطوة، لا بد من التذكير بمن هو إرمون ولماذا يحمل اسمه هذا الوزن. فأبحاثه في النماذج التوليدية القائمة على الدرجات (score-based generative models) شكّلت أحد الأسس التي نشأت عليها Stable Diffusion وDALL-E وعشرات الخدمات الأخرى لإنشاء الصور والفيديو. أما نماذج الانتشار، وهي التقنية التي تتيح تحويل وصف نصي إلى صورة فوتوغرافية واقعية، فتدين بوجودها في جانب كبير منها لأعمال إرمون وزملائه. وهذه ليست مساهمة أكاديمية فحسب: فالحديث هنا عن تقنية تدرّ مليارات الدولارات من الإيرادات على شركات حول العالم.

واليوم يتجه إرمون إلى ساحة تحتلها بقوة OpenAI وGoogle وAnthropic وMeta*، وهي معالجة اللغة الطبيعية. وقد قدّمت شركته Inception، التي لم يكن معروفًا عنها الكثير حتى وقت قريب، تقنية قادرة على تسريع توليد النصوص في النماذج اللغوية. ولم تُكشف التفاصيل بالكامل بعد، لكن بحسب Bloomberg يتعلق الأمر بنهج جديد جذريًا في بنية الاستدلال (inference)، أي ذلك الجزء من عمل النموذج المسؤول عن تقديم الإجابة للمستخدم في الوقت الفعلي.

وتُعدّ مشكلة سرعة الاستدلال من القضايا المحورية في صناعة النماذج اللغوية الكبيرة. ففي كل مرة تطرح فيها سؤالًا على ChatGPT أو Claude، يولّد النموذج الإجابة رمزًا تلو الآخر (token by token)، وتتطلب هذه العملية موارد حوسبة هائلة. وتنفق الشركات مليارات الدولارات على عناقيد GPU لتأمين سرعة استجابة مقبولة لمئات الملايين من المستخدمين. وأي تقنية قادرة على تقليص زمن التوليد ولو بعشرات النسب المئوية تحمل قيمة اقتصادية ضخمة. ولهذا تتركز جهود عشرات الشركات الناشئة والمختبرات البحثية حاليًا على تحسين الاستدلال، من Groq بشرائحها المتخصصة إلى حلول برمجية متنوعة للتكميم (quantization) والفك التخميني (speculative decoding).

وقد تتحول خبرة إرمون في نماذج الانتشار، التي يجلبها إلى هذا السباق، إلى ميزة غير متوقعة. فنماذج الانتشار تعمل بطريقة مختلفة جذريًا عن المحوّلات ذاتية الانحدار (autoregressive transformers): فبدلًا من توليد الرموز بالتسلسل، تحسّن النتيجة تدريجيًا بصورة تكرارية انطلاقًا من الضوضاء. ويجرّب الباحثون منذ عدة سنوات نقل مبادئ الانتشار إلى توليد النصوص، وتبدو بعض النتائج واعدة. وإذا كانت Inception قد وجدت طريقة لتطبيق هذه الأفكار من أجل تسريع النماذج النصية عمليًا، فقد يكون ذلك اختراقًا حقيقيًا، لا مجرد تحسين تطوري بل تغييرًا في النموذج السائد.

ومع ذلك، فالتشكيك مبرَّر أيضًا. فسوق الشركات الناشئة في الذكاء الاصطناعي مليئة بالتصريحات الطموحة، وليس كلها يصمد أمام اختبار الحجم. فإظهار نتيجة مبهرة في ظروف مخبرية شيء، ونشر التقنية لملايين المستخدمين مع الحفاظ على جودة الإجابات شيء آخر تمامًا. فلاعبون كبار مثل OpenAI وGoogle لا يملكون بنية تحتية بالغة القوة فحسب، بل فرقًا ضخمة من المهندسين يصقلون أنظمتهم منذ سنوات. ومنافستهم على أرضهم مهمة من طراز مختلف تمامًا عن نشر ورقة علمية.

لكن سمعة إرمون وسجله المهني تجعلان Inception من أكثر الشركات الناشئة إثارة للاهتمام في المشهد الحالي. فسوق البنية التحتية لاستدلال الذكاء الاصطناعي تُقدَّر بعشرات المليارات من الدولارات، وتنمو بسرعة. وإذا كانت تقنية Inception تعمل فعلًا، فأمام الشركة عدة مسارات استراتيجية: ترخيص التقنية لمزوّدين كبار، أو إنشاء خدمة API خاصة بها، أو، وهو احتمال وارد أيضًا، الاستحواذ عليها من قبل أحد عمالقة التقنية.

وتعكس قصة Inception كذلك اتجاهًا أوسع: فالحدود بين مجالات الذكاء الاصطناعي التوليدي المختلفة آخذة في التلاشي. فالأفكار التي وُلدت في عالم الصور تنتقل إلى النص، والعكس صحيح. ولم يعد تعدد الوسائط (multimodality) مجرد مصطلح تسويقي، بل أصبح واقعًا هندسيًا. وإذا تمكن العالم الذي غيّر توليد الصور من التأثير بالقدر نفسه من الجذرية في معالجة النصوص، فسيكون ذلك أفضل دليل على أن صناعة الذكاء الاصطناعي ما زالت بعيدة عن النضج، وأن أكثر الاختراقات إثارة ربما لا تزال أمامنا.

*Meta مصنّفة منظمة متطرفة ومحظورة في روسيا.