مليار دولار لـ12 شخصًا: لماذا يرفض يان لوكون النماذج اللغوية

مليار دولار من التمويل الأولي لشركة لا يعمل فيها سوى اثني عشر شخصًا. حتى بمقاييس وادي السيليكون المحموم، حيث باتت جولات التمويل الضخمة أمرًا معتادًا منذ زمن، يبدو هذا الرقم شاذًا. غير أن الصورة تتضح حين يُعرف اسم المؤسس. فوراء شركة AMI Labs الناشئة يقف يان لوكون، أحد رواد التعلم العميق وحائز جائزة تورينغ، والرجل الذي رسم لسنوات طويلة استراتيجية الذكاء الاصطناعي في Meta*. وجولة التمويل الضخمة هذه ليست مجرد دليل آخر على إيمان رأس المال الجريء المطلق بالذكاء الاصطناعي، بل هي أيضًا إعلان صريح بأن المسار الحالي للصناعة ربما وصل إلى طريق مسدود من الناحية المفاهيمية.

ولفهم حجم طموحات AMI Labs، لا بد من النظر في القيود الجوهرية للتقنيات الحالية. ففي السنوات الأخيرة، سحر عالم التقنية بأسره ما تفعله النماذج اللغوية الكبيرة. فالأنظمة القائمة على معمارية المحوّلات (Transformers) تعلمت محاكاة الكلام البشري ببراعة، وكتابة الشيفرات البرمجية، واجتياز امتحانات أكاديمية معقدة. لكن خلف هذه الواجهة المبهرة تقف خوارزمية تقوم في جوهرها بتوقع الكلمة التالية في الجملة لا أكثر. وقد انتقد لوكون النماذج ذاتية الانحدار بثبات على مدى وقت طويل، مشيرًا إلى أنها لا تمتلك فهمًا حقيقيًا للعالم المادي، وتفتقر تمامًا إلى الحس السليم، وغير قادرة على التخطيط بعيد المدى. فمعرفتها سطحية، ولا يمكن علاج ميلها الجوهري إلى الهلوسة بمجرد زيادة حجم بيانات التدريب أو تكثيف القدرات الحاسوبية الخام.

أما المفهوم الذي تقترح AMI Labs تطويره فيختلف جذريًا عن النموذج السائد اليوم. فبدلًا من إجبار الخوارزميات على التهام تريليونات الرموز النصية (tokens) من الإنترنت، يراهن لوكون على بناء ما يسمى «نماذج العالم» (world models). وتقوم الفكرة على تعليم الذكاء الاصطناعي إدراك الواقع كما تفعل الكائنات الحية — عبر الملاحظة وفهم القوانين الفيزيائية والعلاقات السببية والتخطيط الهرمي.

ويقوم هذا النهج على معمارية تركز على استخلاص تمثيلات مجردة من البيانات الحسية، بدلًا من إعادة بناء المعلومات بكسلًا بكسل أو حرفًا حرفًا. وهذا يتيح للنظام تجاهل التفاصيل غير المهمة والتركيز على جوهر ما يحدث. فحين يشاهد الإنسان كوبًا يسقط من على طاولة، لا يحتاج إلى حساب المسار الدقيق لكل شظية محتملة ليدرك أن الكوب سينكسر.

أما النماذج اللغوية الحالية فتفتقر إلى هذه الفيزياء الحدسية، ما يجعل استخدامها في الروبوتات الواقعية أو المركبات ذاتية القيادة محدودًا للغاية. وتعتزم AMI Labs تجاوز هذا الحاجز عبر معمارية موجهة نحو تحقيق أهداف محددة في بيئة مادية معقدة لا يمكن التنبؤ بها.

إن استعداد المستثمرين لمنح مليار دولار لفريق صغير جدًا من أجل تطوير معمارية بديلة يمثل إشارة بالغة الأهمية للصناعة بأكملها. فهو يعني أن رأس المال الجريء بدأ يشك في مفهوم التوسع من أجل التوسع. فلسنوات طويلة ساد الاعتقاد بأن الطريق إلى الذكاء الاصطناعي القوي يمر حصرًا عبر بناء عناقيد أضخم فأضخم من وحدات معالجة الرسوميات (GPU). أما الآن فيتحول الاهتمام من القوة الحاسوبية الخام إلى الاختراقات العلمية الجوهرية. فإذا تبين أن المعماريات الجديدة أكثر كفاءة في استهلاك الطاقة وأقل احتياجًا لحجم عينة التدريب، فقد تتراجع تبعية الصناعة الهائلة لمراكز البيانات العملاقة. ويدرك المستثمرون أن المسار الحالي يصطدم لا بالقيود الخوارزمية فحسب، بل بحاجز الطاقة وبالنقص المتزايد في البيانات عالية الجودة. وأصبح البحث عن مسار بديل مسألة بقاء للقطاع بأكمله.

وسيحدد نجاح AMI Labs أو فشلها اتجاه تطور الذكاء الاصطناعي في العقد القادم. فإذا نجح فريق لوكون في إثبات جدوى نماذج العالم وبناء بديل فعال للمحوّلات المهيمنة اليوم، فسيؤدي ذلك إلى إعادة نظر شاملة في المنظومة التقنية للصناعة. وسيشهد السوق انتقالًا من أنظمة سلبية تكتفي بالرد على الاستفسارات النصية في نافذة المتصفح، إلى وكلاء مستقلين نشطين قادرين على التفاعل مع العالم الحقيقي بأمان ويمكن التنبؤ بسلوكهم. وفي المحصلة، قد لا يكون مليار دولار لفريق من اثني عشر صاحب رؤية مظهرًا من مظاهر الجنون الاستثماري، بل أبعد المراهنات نظرًا في تاريخ سوق التقنية، إذ يفتح الباب أمام آلات تفكر حقًا.

*Meta مصنفة منظمة متطرفة ومحظورة في روسيا الاتحادية.