أين تقع حدود قدرات AI الحديث

تُناقَش قُوّة الحوسَبة المطلوبة لتدريب نماذج اللغة اليوم على مستوى رؤساء الدول، وليس فقط في مجالس إدارة شركات التكنولوجيا الكبرى. تحوّلت السباق على الريادة في مجال الذكاء الاصطناعي إلى عامل جيوسياسي يضاهي في أهميته السيطرة على التكنولوجيا النووية. لكن خلف هذا الضجيج تكمن مسألة أساسية تفضل الصناعة عدم ملاحظتها: هل توجد حدود مبدئية لما يستطيع الذكاء الاصطناعي في شكله الحالي إنجازه؟

للإجابة على هذا السؤال، يجب أولاً توضيح المصطلحات. المخترع والمنهجي السوفييتي غينريك ألتشولر، مؤسس نظرية حل المشاكل الاختراعية (تريز)، رسم تمييزاً أساسياً بين نوعين من المهام. النوع الأول: المهام الروتينية. قد تكون معقدة للغاية من منظور حسابي، وتتطلب تيرابايتات من البيانات وأشهراً من عمل أجهزة الحاسوب الفائقة، لكن حلها يقع بالكامل ضمن النظام القائم للمعرفة. في الأساس، هذه مهام البحث عن دمج ما تعرفه الإنسانية بالفعل. وهنا بالضبط حيث تُظهر نماذج اللغة الحديثة نتائج مثيرة للإعجاب — فهي تُرتّب وتُركّب وتُكيّف المعرفة القائمة بسرعة وحجم لا يمكن للعقل البشري بلوغهما.

النوع الثاني: المهام الاختراعية. هذا إقليم حيث يتعيّن عليك فعل أكثر من مجرد إيجاد إجابة في فضاء المعروف — يجب أن تتجاوز حدوده. إنشاء تجريد جديد، اكتشاف نمط لم يصيغه أحد من قبل، أو اقتراح حل يناقض الافتراضات السائدة. هنا تصبح الأمور أكثر إثارة للاهتمام — وأكثر إزعاجاً لمن يؤمنون بحتمية ظهور ذكاء اصطناعي "قوي".

نماذج اللغة الكبيرة الحديثة، رغم أدائها المثير للإعجاب، تعمل وفقاً لمبدأ التعميم الإحصائي للأنماط من بيانات التدريب. لا "تفهم" بالمعنى الذي يفهمه الإنسان — فهي تتعرّف على الهياكل وتعيد إنتاجها بتنويعات. وهذا يجعلها أدوات ممتازة للمهام الروتينية بأي درجة تعقيد: من كتابة الأكواد وفقاً لأنماط معروفة إلى تشخيص الأمراض بناءً على البيانات الطبية المتراكمة. لكن عندما يتعلق الأمر باكتشاف حقيقي — رؤية ما لا يوجد في البيانات — يواجه النموذج مأزقاً إبستمولوجياً. لا يمكنه تجاوز حدود فضاء المعرفة الذي تم تدريبه عليه.

بالطبع، يمكن الحجج بأن النماذج تُنتج أحياناً نتائج غير متوقعة وحتى "خلاقة". هذا صحيح، لكن مثل هذه "الخلاقية" هي اندماج، وليست اختراع. يستطيع النموذج ربط مجالين بعيدين من المعرفة بطريقة غير بديهية، والنتيجة قد تبدو كإضاءة. لكن المعرفة الجديدة حقاً — المعرفة التي ليست إعادة تركيب للموجود — تتطلب آلية معرفية مختلفة. ما هي بالضبط تلك الآلية يبقى سؤالاً لا تستطيع الأعصاب ولا فلسفة العقل الإجابة عليه.

العواقب العملية لهذا التمييز ضخمة. يجب على الشركات والحكومات التي تستثمر مليارات في تطوير الذكاء الاصطناعي أن تقيّم بصراحة ما هي المهام التي ستواجهها. إن كان الأمر يتعلق بالأتمتة والتحسين وتوسيع نطاق العمليات القائمة — ستتعامل نماذج اللغة معها، وبشكل أفضل كل عام. أما إذا كانت الرهانات على أن الذكاء الاصطناعي سيحقق اختراقاً علمياً أساسياً أو سينشئ تكنولوجيا جديدة تماماً بدون مشاركة بشرية — فهذه التوقعات محتملة أن تكون مرتفعة جداً. على الأقل مع البنية المعمارية الحالية للنماذج.

هناك أيضاً مستوى أعمق من المشكلة. تخلق سباق نماذج اللغة على المستوى بين الدول وهماً خطيراً: من يبني أولاً أقوى نموذج سيحصل على ميزة استراتيجية في كل شيء. لكن إن وجد حد إبستمولوجي، فإن زيادة القوة الحسابية توفر فقط زيادة كمية في حل المهام الروتينية، وليس قفزة نوعية نحو فوق ذكاء آلي. هذا لا يُقلل من أهمية الذكاء الاصطناعي — فالأتمتة بحد ذاتها تحوّل الاقتصاد والمجتمع. لكنه يعني أن الذكاء البشري، القادر على الاختراع الحقيقي، يبقى موارداً لا غنى عنها.

سؤال حدود الذكاء الاصطناعي ليس حكماً على التكنولوجيا، بل دعوة لحوار صريح حول طبيعتها. كلما فهمنا بشكل أفضل ما تستطيع الآلات وما لا تستطيع، كلما تمكنّا من بناء تكافل بين الذكاء البشري والآلي بفعالية أكبر. وربما يصبح هذا التكافل — وليس السباق نحو نموذج كلي القدرة — هو الاختراق الحقيقي للعقد القادم.