Arena: تصنيف لنماذج الذكاء الاصطناعي لا يمكن التلاعب به — وتموّله الشركات التي يحكم عليها

يضم سوق النماذج اللغوية مئات اللاعبين، ويصف كل منهم نفسه بأنه الأفضل. وتبيّن أن السؤال عمّن يقرر من هو الأفضل فعلًا ليس سؤالًا فلسفيًا، بل تحوّل إلى نشاط تجاري. فقد أصبح Arena، المعروف سابقًا باسم LM Arena، الحَكَم العلني الرئيسي لنماذج LLM الرائدة، وقطع خلال سبعة أشهر الطريق من بحث جامعي إلى شركة ناشئة ذات تأثير حقيقي في الصناعة.

نشأ المشروع من عمل طلاب الدراسات العليا في جامعة كاليفورنيا في بيركلي. والفكرة بسيطة: بدلًا من الوثوق بمعايير قياس يمكن للشركات تكييفها لصالحها، يُطلب من أشخاص حقيقيين مقارنة إجابتين من نموذجين مجهولين دون معرفة هويتيهما، ثم اختيار الأفضل. ويحوّل نظام Elo، المعروف من تصنيفات الشطرنج، ملايين هذه الأصوات إلى تصنيف واحد. والتلاعب به بالغ الصعوبة: فأنت لا تعرف أي نموذج تصوّت له، كما أن حجم العيّنة الكبير يلغي الشوائب العشوائية.

كان الأثر قويًا على نحو غير متوقع. فقد بدأ موقع النموذج في Arena يؤثر في نظرة المستثمرين في رأس المال المغامر إلى النماذج، وفي توقيت إعلان الشركات عن عمليات الإطلاق، وفي بناء السردية الإعلامية حول الإصدارات الجديدة. وبلوغ قمة التصنيف يعني الحصول على تأكيد مستقل للجودة لا يمكن الطعن فيه بالاستناد إلى اختبارات داخلية.

غير أن للنظام مفارقة بنيوية تثير أسئلة محرجة. فـ Arena تموّله الشركات نفسها التي يقيّمها. فـ OpenAI وAnthropic وGoogle وMeta* وغيرها من اللاعبين الكبار تدعم المنصة بشكل أو بآخر. وهذا يخلق تضاربًا محتملًا في المصالح: حَكَم مستقل يتلقى أمواله من المتهمين. ويصر فريق المشروع على أن المنهجية تحميه من تأثير الرعاة، وأن إخفاء هوية النماذج في التصويت وانفتاح البيانات لا يتركان نقطة دخول للتلاعب. أما المنتقدون فيشيرون إلى أن مجرد التبعية المالية يقوّض الثقة، حتى لو كان كل شيء عادلًا من الناحية التقنية.

وثمة سؤال منفصل: ماذا يقيس Arena تحديدًا؟ إن التصنيف يعكس تفضيلات المستخدمين في الحوار المفتوح، لا قدرة النموذج على حل مهام متخصصة مثل كتابة الشيفرة البرمجية وتحليل المستندات والعمل مع البيانات. فقد يتراجع نموذج يعجب الجمهور العريض في المحادثات اليومية أمام منافسيه حيث تكون الدقة هي الأهم. وهذا لا يجعل التصنيف عديم الفائدة، فهو يقيس بأمانة ما يقيسه. لكن وضع علامة مساواة بين موقع النموذج في Arena وجودته الإجمالية سيكون تبسيطًا مخلًّا.

ومع ذلك، أصبح Arena خلال العامين الأخيرين نقطة مرجعية لا تستطيع الصناعة تجاهلها. فالشركات تبني حملات تسويقية حول المراتب العالية، والباحثون يستشهدون بالتصنيف في الأوراق الأكاديمية، والصحفيون يستخدمونه مؤشرًا سريعًا عند تغطية الإطلاقات الجديدة. والتأثير حقيقي بغض النظر عن الجدل حول المنهجية.

تُظهر قصة Arena مدى سرعة تشكّل مؤسسات نفوذ غير رسمية في صناعة الذكاء الاصطناعي. لم يعيّن أحد هذا التصنيف معيارًا، لكنه أصبح كذلك لأنه ملأ فراغًا. فقد احتاج السوق إلى تقييم مستقل، ومن قدّم أولًا آلية مقنعة حصل على نفوذ يفوق حجمه. والسؤال هو إلى متى سيصمد هذا التوازن، مع ارتفاع الرهانات وازدياد وضوح تضارب المصالح.

*تُصنَّف Meta منظمة متطرفة ومحظورة في روسيا.