مبتكر AlphaGo يؤسس شركة «يونيكورن» لبناء ذكاء اصطناعي من نوع «المتعلّم الفائق»

أعلن ديفيد سيلفر، العالم الذي ابتكر خوارزمية AlphaGo التي هزمت عام 2016 للمرة الأولى في التاريخ بطل العالم في لعبة الغو، تأسيس شركة جديدة يبلغ تقييمها نحو مليار دولار. وهدفها بناء ما يسميه سيلفر «المتعلّمين الفائقين»: أنظمة ذكاء اصطناعي قادرة على إتقان أعقد مجالات المعرفة بنفسها، من دون الاعتماد على كتل ضخمة من البيانات التي أنتجها البشر. ويمثّل ذلك تحدّيًا مباشرًا للنموذج السائد في الصناعة، إذ تراهن كل الجهات الكبرى على توسيع نطاق نماذج اللغة.

يُعدّ سيلفر أحد أبرز مهندسي الذكاء الاصطناعي الحديث، وسيرته تتحدث عن نفسها. فقد أفضى عمله في Google DeepMind إلى ظهور AlphaGo، ثم AlphaZero، وهي خوارزمية أتقنت الشطرنج والشوغي والغو من الصفر، من دون أن ترى مباراة بشرية واحدة. وبدلًا من التعلّم من أمثلة جاهزة، ولّد النظام ملايين الوضعيات وحلّلها بنفسه، فاكتشف استراتيجيات وصفها اللاعبون المحترفون بأنها «غير بشرية». ومن هذه التجربة تحديدًا تنبع قناعته بما ينبغي أن يكون عليه الذكاء الاصطناعي في الجيل المقبل.

فكرة سيلفر المحورية بسيطة وجذرية في آن واحد: نماذج اللغة الكبيرة، مثل ChatGPT وClaude وGemini وغيرها، محدودة من حيث المبدأ لأنها تتعلم حصرًا من نصوص وبيانات أنتجها البشر. وهذا يفرض سقفًا لا يمكن تجاوزه: لا يستطيع الذكاء الاصطناعي أن يتفوق على القدرات المعرفية لصانعيه إذا كان غذاؤه معارفهم وأخطاؤهم فقط. ويرى سيلفر أن زيادة عدد المعاملات وحجم بيانات التدريب لا تحلّ هذه المشكلة الجوهرية، بل تكتفي بتضخيمها.

والبديل هو التعلّم المعزَّز (reinforcement learning، أو RL). ففي التعلّم الخاضع للإشراف (supervised learning) يتعلم النموذج إعادة إنتاج الإجابات الصحيحة من مجموعة بيانات موسومة مسبقًا، أما RL فيتيح للوكيل استكشاف فضاء الاحتمالات بنفسه: يجرّب الأفعال، ويتلقى إشارة مكافأة، ويبني استراتيجيته تدريجيًا. وعلى هذا المبدأ بالذات عمل AlphaGo، وهذا النهج، بحسب قناعة سيلفر، هو ما يفتح الطريق إلى ذكاء اصطناعي يتفوق على الإنسان في طيف واسع من المهام، لا في ألعاب محددة سلفًا فحسب.

ولهذا الموقف حجج وجيهة. فـ OpenAI تتجه جزئيًا في هذا الاتجاه عبر نماذج الاستدلال من سلسلة o، التي تستخدم عناصر من RL للتحقق الذاتي من الإجابات. وتواصل Google DeepMind أبحاثها الأساسية في هذا المجال. ومع ذلك، تتركز غالبية موارد الصناعة على توسيع نماذج اللغة، وسيلفر يتخذ موقفًا مناقضًا علنًا لهذا التيار السائد.

تكمن الصعوبة الرئيسية في RL خارج المهام الضيقة محددة المعالم. ففي الشطرنج يسهل تعريف دالة المكافأة: من فاز نال نقطة. أما كتابة نص مقنع، أو اتخاذ قرار تجاري متّزن، أو إجراء بحث علمي أصيل، فدالة المكافأة فيها غير واضحة. وهذه المشكلة تحديدًا، أي «الذكاء الذي يتعذّر التعبير عنه» (ineffable intelligence بصياغة سيلفر)، هي ما ستسعى الشركة الجديدة إلى حلّه.

إن تقييمًا بمليار دولار من دون منتج واحد في السوق يدلّ على ثقل سمعة المؤسس. ففي مناخ الاستثمار الحالي، حيث يزعم كل شركة ناشئة في الذكاء الاصطناعي أنها صاحبة أهمية تاريخية، يمثّل اسم مبتكر AlphaGo إثباتًا جاهزًا للمفهوم (proof of concept) وضمانة للمستثمرين غير المستعدين للانتظار سنوات.

وإذا أصاب سيلفر، فستبدو المرحلة التالية من سباق الذكاء الاصطناعي مختلفة جذريًا: بيانات بشرية أقل، وتعلّم ذاتي مستقل أكثر، ومحاكاة أقل، واكتشافات أكثر. فالأنظمة القادرة على تكوين المعرفة بنفسها خارج حدود ما تعرفه البشرية هي ما يقصده بـ«المتعلّمين الفائقين».

وسيكشف الوقت ما إذا كانت الفكرة ستتحول إلى منتج حقيقي. لكن أن يضع أحد أبرز مهندسي الذكاء الاصطناعي الحديث رهانًا علنيًا ضد النموذج السائد، فهذا بحد ذاته إشارة مهمة للقطاع بأكمله.