أين تنتهي حدود قدرات الذكاء الاصطناعي الحديث

تُناقَش القدرات الحاسوبية اللازمة لتدريب نماذج اللغة اليوم على مستوى رؤساء الدول، لا في مجالس إدارة الشركات التكنولوجية الكبرى وحدها. وقد تحوّل السباق على الريادة في مجال الذكاء الاصطناعي إلى عامل جيوسياسي يضاهي في أهميته السيطرة على التقنيات النووية. غير أن وراء هذا الضجيج سؤالًا جوهريًا تفضّل الصناعة ألّا تلتفت إليه: هل ثمة سقف مبدئي لما يستطيع الذكاء الاصطناعي بصيغته الحالية إنجازه؟

للإجابة عن هذا السؤال، لا بد أولًا من ضبط المصطلحات. فقد ميّز المخترع والمنهجي السوفييتي غينريخ ألتشولر، مبتكر نظرية حل المسائل الابتكارية (TRIZ)، تمييزًا مبدئيًا بين نوعين من المسائل. النوع الأول هو المسائل الروتينية. قد تكون هذه المسائل بالغة التعقيد من الناحية الحسابية، وقد تتطلب تيرابايتات من البيانات وأشهرًا من عمل الحواسيب العملاقة، لكن حلّها يقع بالكامل داخل منظومة المعرفة القائمة. فهي في جوهرها مسائل بحث وتركيب لما تعرفه البشرية أصلًا. وفي هذا المجال تحديدًا تُظهر نماذج اللغة الحديثة نتائج لافتة، إذ تستعرض المعارف القائمة وتركّبها وتكيّفها بسرعة وعلى نطاق يتجاوزان قدرة العقل البشري.

أما النوع الثاني فهو المسائل الابتكارية. وهي المجال الذي لا يكفي فيه العثور على إجابة ضمن فضاء المعروف، بل يلزم الخروج عن حدوده: ابتكار تجريد جديد، أو اكتشاف نمط لم يصغه أحد من قبل، أو اقتراح حل يناقض التصورات السائدة. وهنا يبدأ الجزء الأكثر إثارة، وهو أيضًا الأكثر إقلاقًا لمن يؤمنون بحتمية ظهور ذكاء اصطناعي «قوي».

تعمل نماذج اللغة الكبيرة الحديثة، على الرغم من أدائها اللافت، وفق مبدأ التعميم الإحصائي للأنماط المستخرجة من بيانات التدريب. فهي لا «تفهم» بالمعنى الذي يفهم به الإنسان، بل تتعرف على البُنى وتعيد إنتاجها مع تنويعات. وهذا يجعلها أدوات متميزة للمسائل الروتينية مهما بلغ تعقيدها، من كتابة الشيفرة البرمجية وفق قوالب معروفة إلى تشخيص الأمراض استنادًا إلى البيانات الطبية المتراكمة. لكن حين يتعلق الأمر باكتشاف حقيقي، أي برؤية ما لا وجود له في البيانات، تجد النماذج نفسها في طريق إبستمولوجي مسدود. فهي لا تستطيع الخروج عن حدود فضاء المعرفة الذي دُرّبت عليه.

يمكن بالطبع الاعتراض بأن النماذج تقدّم أحيانًا نتائج غير متوقعة، بل «إبداعية». وهذا صحيح، لكن هذه «الإبداعية» تركيبية لا ابتكارية. فالنموذج قادر على ربط مجالين معرفيين متباعدين بطريقة غير بديهية، وقد تبدو النتيجة كأنها لحظة إلهام. غير أن المعرفة الجديدة جذريًا، أي تلك التي لا تُعدّ إعادة تركيب لما هو قائم، تتطلب آلية معرفية مختلفة. وأي آلية هي تحديدًا؟ سؤال لا تستطيع الإجابة عنه لا علوم الأعصاب ولا فلسفة الوعي.

وللتمييز بين النوعين تبعات عملية هائلة. فعلى الشركات والحكومات التي تستثمر مليارات في تطوير الذكاء الاصطناعي أن تقيّم بواقعية نوع المسائل التي تنوي حلّها. فإذا كان الهدف أتمتة العمليات القائمة أو تحسينها أو توسيع نطاقها، فستتعامل نماذج اللغة مع ذلك، وبكفاءة تتزايد عامًا بعد عام. أما إذا كان الرهان أن يحقق الذكاء الاصطناعي اختراقًا علميًا جوهريًا أو يبتكر تقنية جديدة جذريًا دون مشاركة بشرية، فالتوقعات على الأرجح مبالغ فيها، على الأقل في ظل البنية الحالية للنماذج.

وثمة مستوى أعمق للمشكلة. فسباق نماذج اللغة الكبيرة بين الدول يولّد وهمًا خطيرًا مفاده أن من يبني أقوى نموذج أولًا ينال ميزة استراتيجية في كل شيء. لكن إذا كان السقف الإبستمولوجي قائمًا فعلًا، فإن زيادة القدرات الحاسوبية لا تمنح سوى نمو كمّي في حل المسائل الروتينية، لا قفزة نوعية نحو ذكاء آلي فائق. وهذا لا ينتقص من أهمية الذكاء الاصطناعي، فأتمتة الروتين وحدها كفيلة بتحويل الاقتصاد والمجتمع. لكنه يعني أن العقل البشري القادر على الابتكار الحقيقي يبقى مورِدًا لا غنى عنه.

إن السؤال عن حدود الذكاء الاصطناعي ليس حكمًا على التقنية، بل دعوة إلى حوار صريح حول طبيعتها. وكلما أحسنّا فهم ما تستطيعه الآلات وما لا تستطيعه، أصبحنا أقدر على بناء تكامل أكثر كفاءة بين الذكاء البشري والذكاء الآلي. وربما كان هذا التكامل، لا السباق نحو نموذج كلي القدرة، هو الاختراق الحقيقي في العقد المقبل.