كيف تتوقف عن تصديق كل عنوان عن الذكاء الاصطناعي وتتعلم قراءة الأخبار بعين ناقدة

أن تفتح موجز الأخبار في عام 2026 يعني أن تغرق في سيل من الإعلانات المتعلقة بالذكاء الاصطناعي. نموذج جديد حطّم رقمًا قياسيًا، واختبار معياري آخر «تم إخضاعه»، وخبير يتنبأ باختفاء مهنة كاملة، وشركة ناشئة تعد بـ«وكيل مستقل بالكامل». لكن المشكلة ليست في كثرة هذه الأخبار، بل في أن الغالبية الساحقة من الناس، ومنهم من يتخذون القرارات في قطاع الأعمال، لا يعرفون كيف يميّزون الاختراق التقني الحقيقي من بيان صحفي جيد التغليف. وقد نشر موقع Habr تحليلًا مفصلًا لكيفية تعلّم ذلك، وهو يستحق اهتمامًا خاصًا.

أكثر الفخاخ شيوعًا هو الاختبارات المعيارية. فحين تعلن شركة أن نموذجها «تفوّق على GPT-4 في MMLU» أو «حقق أفضل نتيجة في HumanEval»، يتلقى القارئ غير المتمرّس ذلك على أنه حقيقة موضوعية. أما الواقع فأكثر تعقيدًا بكثير. فالاختبارات المعيارية ليست مقياسًا موحدًا للجودة، بل مجموعة اختبارات شديدة التخصص، يقيس كل منها شيئًا مختلفًا. وقد يحل النموذج مسائل الرياضيات على مستوى الأولمبياد ببراعة، ثم يولّد كلامًا بلا معنى في حوار عادي. وفوق ذلك، كثيرًا ما يحسّن المطورون نماذجهم تحديدًا للاختبارات المعيارية الشائعة، وهي ظاهرة تسميها الصناعة «teaching to the test». فتبدو النتيجة مبهرة في الجدول، لكنها لا تقول شيئًا عن الفائدة الفعلية للمنتج.

ومن المهارات الحاسمة الأخرى قراءة بطاقات النماذج (model cards) وبطاقات الأنظمة (system cards) التي تنشرها المختبرات الكبرى مع نماذجها الجديدة. تتضمن هذه الوثائق معلومات عن القيود والمشكلات المعروفة وبيانات التدريب ونتائج اختبارات السلامة. والمفارقة أن هذه الأقسام، وهي الأكثر إفادة، لا يقرؤها تقريبًا أحد. فالصحفيون ينقلون التصريحات التسويقية من منشورات المدونات، وتبقى التفاصيل التقنية حكرًا على دائرة ضيقة من المتخصصين. وفي الوقت نفسه، يمكن أن تجد في بطاقة النموذج اعترافات صريحة بمواضع ضعفه، والمهام التي تفوق قدراته، والمخاطر التي كشفتها الاختبارات.

وثمة موضوع مستقل هو الفرق بين النماذج مفتوحة الأوزان (open-weight) والأنظمة المغلقة. فحين تعلن شركة أن نموذجها «مفتوح»، فهذا لا يعني أنه أصبح مفتوح المصدر (open source) بالمعنى التقليدي. إن open-weight تعني فقط أن أوزان النموذج، أي المحصلة النهائية للتدريب، قد نُشرت. أما البيانات التي دُرّب عليها النموذج، وشيفرة مسار التدريب، وأساليب المواءمة، فقد تبقى كلها مغلقة. وهذا مهم جدًا لفهم ديناميكيات السوق. فالانفتاح الحقيقي يتيح للباحثين المستقلين إعادة إنتاج النتائج واكتشاف الثغرات وبناء منتجات جديدة على أساس النموذج. أما الانفتاح الزائف فحيلة تسويقية تخلق تبعية للمنظومة مع إيهام بإتاحة التقنية للجميع.

لكن الموضوع الأكثر إيلامًا هو عناوين «الذكاء الاصطناعي سيسلبك وظيفتك». فهي تستغل خوفًا إنسانيًا أساسيًا وتجلب النقرات، لكنها تقوم دائمًا تقريبًا على منطق مبسّط. والنمط المعتاد أن يؤخذ بحث تفوّق فيه الذكاء الاصطناعي على الإنسان في مهمة بعينها، ثم يُستنتج أن مهنة كاملة محكوم عليها بالزوال. ويُتجاهل في ذلك أن المهنة ليست مهمة واحدة، بل مزيج معقد من المهارات والسياقات والتفاعلات الإنسانية. فأخصائي الأشعة ليس «شخصًا ينظر إلى الصور»، بل متخصص يتخذ قرارات في ظروف عدم اليقين، ويتواصل مع زملائه، ويتحمل المسؤولية القانونية. ولا يقيس أي اختبار معياري ذلك.

ومن المهم هنا ألا نقع في النقيض الآخر، أي إنكار التغيرات الحقيقية. فالذكاء الاصطناعي يحوّل سوق العمل فعلًا، لكن ليس على النحو الذي ترسمه العناوين الكارثية. إذ يجري التحول عبر تغيّر بنية المهام داخل المهن، وظهور أدوار جديدة، وانتقال تدريجي للقيمة من العمليات الروتينية إلى الكفاءات التي لم تتقنها الآلات بعد. إنها عملية بطيئة وغير متكافئة، وليس لها إلا القليل من القواسم المشتركة مع السيناريوهات القيامية التي تروّجها العناوين.

وأهم ما ينبغي استخلاصه من هذا التحليل هو الحاجة إلى «نظافة معلوماتية». فينبغي فحص كل إعلان وفق عدة معايير: من يموّل البحث، وما القيود المذكورة في الوثائق التقنية، وهل يمكن لفرق مستقلة إعادة إنتاج النتائج، وما الفرق الفعلي عن الحلول السابقة. لقد دخلت صناعة الذكاء الاصطناعي مرحلة تنمو فيها ميزانيات التسويق أسرع من القدرات الفعلية للتقنية. وفي مثل هذه الظروف لا يُعدّ التفكير النقدي ترفًا، بل ضرورة. وربما تصبح القدرة على تقييم أخبار الذكاء الاصطناعي بميزان رصين من أكثر المهارات طلبًا في السنوات القليلة المقبلة.