تقطير النماذج اللغوية: هل يمكن إثبات سرقة المعرفة عبر المحادثة؟

يتصاعد في عالم النماذج اللغوية الكبيرة صراع يشبه في طبيعته حروب براءات الاختراع في صناعة الأدوية، مع فارق أن ما يُسرق هنا ليس جزيئات، بل معرفة مكدّسة داخل مليارات المعاملات. وتطرح دراسة حديثة نُشرت على موقع Habr سؤالًا استفزازيًا: هل يمكن، بمجرد الدردشة مع نموذج لغوي، تحديد ما إذا كان قد تدرّب بطريقة التقطير على مخرجات نموذج آخر؟ يرى المؤلف أن الإجابة نعم. وإذا كان محقًا، فإن ذلك يغيّر قواعد اللعبة أمام القطاع بأكمله.

ولفهم السياق، لا بد من العودة إلى الفضيحة التي اندلعت قبل عدة أشهر. فقد اتهمت Anthropic، الشركة المطوّرة لـ Claude، مطوّرين صينيين علنًا بتقطير نموذجها بصورة منهجية. وتمثّلت الشكوى في أن مهندسين من الصين استخدموا واجهة Claude البرمجية (API) على نطاق واسع، وجمعوا ردودها لتدريب نماذجهم الخاصة. وقالت Anthropic إنها اكتشفت ذلك عبر مراقبة الحسابات، من خلال تحليل أنماط الطلبات وسجل الاستخدام وارتباط الحسابات بشركات صينية. أي أن قاعدة الأدلة قامت على مستوى البنية التحتية: من أرسل الطلبات، ومتى، وكم عددها.

لكن مؤلف الدراسة سلك مسارًا مختلفًا تمامًا. فقد تساءل: ماذا لو لم تكن الأدلة مخبأة في سجلات الخوادم، بل في النموذج نفسه؟ التقطير عملية يتعلم فيها نموذج صغير (الطالب) إعادة إنتاج سلوك نموذج كبير (المعلّم). وهو في جوهره ضغط للمعرفة: فبدلًا من تدريب النموذج على تيرابايتات من البيانات الخام، يغذّيه المطوّر بإجابات جاهزة من نظام أقوى. وينقل النموذج الطالب عن معلّمه الحقائق، وكذلك السمات الأسلوبية والسلاسل المنطقية والعبارات المميزة، بل وحتى أخطاءه. وهذه الآثار، وهي أشبه بـ«بصمات الأصابع»، حاول الباحث رصدها من خلال ما يُعرف بالتقرير الذاتي للنموذج.

تبدو المنهجية أنيقة في بساطتها. فإذا كان النموذج قد تدرّب على إجابات Claude، فقد يعيد إنتاج أنماط تميّز Claude دون قصد: صيغ محددة للرفض، وبنية معروفة في الاستدلال، وأطر أخلاقية معيّنة تضعها Anthropic في منتجها. ويشبه ذلك قدرة اللغوي على تحديد المنطقة التي نشأ فيها شخص ما من خصائص كلامه، مع فارق أن الحديث هنا عن «منطقة التدريب» للشبكة العصبية. ويؤكد مؤلف الدراسة أنه رصد مؤشرات من هذا النوع، لكنه يضيف تحفظًا مهمًا: النتائج ذات طابع افتراضي ولا يمكن أن تُعدّ دليلًا قانونيًا.

وهذا التحفظ ليس مجرد مجاملة شكلية، بل يعكس مشكلة جوهرية. فالنماذج اللغوية لا تزال صناديق سوداء إلى حد كبير، حتى بالنسبة لمن صمّموها. ولا أحد يستطيع الجزم بيقين مطلق لماذا قدّم النموذج إجابة بعينها. وقد يكون تطابق الأنماط الأسلوبية نتيجة للتقطير، وقد يكون نتيجة للتدريب على بيانات متشابهة من مصادر مفتوحة. فنموذجان دُرّبا على المقالات العلمية والكتب نفسها سيتشابهان حتمًا، ولا علاقة لذلك بسرقة الملكية الفكرية.

ومع ذلك، فإن اتجاه البحث بحد ذاته واعد للغاية. فالقطاع بحاجة ماسّة إلى أدوات للتحقق من أصل النماذج. واليوم تغصّ السوق بنماذج مفتوحة المصدر، يؤدي كثير منها مهام يُفترض نظريًا أن تتطلب موارد حوسبة أكبر بكثير، وبكفاءة مثيرة للريبة. وإذا جرى تطوير أساليب «الخبرة اللغوية» للشبكات العصبية حتى تصبح ناضجة، فقد تشكّل أساسًا لمجال جديد هو الطب الشرعي للذكاء الاصطناعي (AI-forensics)، أي التحقيق الجنائي الرقمي في عالم الذكاء الاصطناعي.

والرهانات هائلة بالنسبة للمختبرات الكبرى مثل OpenAI وAnthropic وGoogle DeepMind. فتدريب النماذج الرائدة يكلّف مئات الملايين من الدولارات، وإذا استطاع المنافسون الحصول على جودة مماثلة بجزء ضئيل من هذه التكاليف عبر التقطير، فسينهار النموذج الاقتصادي برمته. وليس من قبيل الصدفة أن اتفاقيات المستخدم لدى معظم المزوّدين الكبار تتضمن أصلًا حظرًا صريحًا لاستخدام المخرجات في تدريب نماذج منافسة. لكن الحظر دون آلية لكشف المخالفات ليس سوى كلمات على الورق.

وتشير الدراسة، رغم طابعها الأولي، إلى مستقبل ستحمل فيه النماذج آثارًا لا تُمحى من أصلها. وربما يبدأ المطوّرون مع الوقت بإدخال علامات مائية خفية عن قصد في نماذجهم، أي أنماط إجابة فريدة يستحيل إزالتها عند التقطير. وتجرّب بعض الشركات هذه التقنيات بالفعل. وإذا أصبحت هذه الأساليب موثوقة، فسيحصل عالم تطوير الذكاء الاصطناعي على ما يفتقر إليه بشدة اليوم: آلية للمساءلة. أما في الوقت الراهن، فيسير القطاع على خيط رفيع بين التبادل المفتوح للمعرفة وحماية الاستثمارات، وهذا الخيط يزداد رقّة شهرًا بعد شهر.