شركة ناشئة يقودها ديفيد سيلفر تجمع 1.1 مليار دولار لتطوير ذكاء اصطناعي لا يعتمد على بيانات بشرية

جمع مختبر Ineffable Intelligence البريطاني، الذي أطلقه قبل أشهر قليلة فقط الباحث السابق في DeepMind ديفيد سيلفر، 1.1 مليار دولار بتقييم يبلغ 5.1 مليار دولار. وتبدو هذه الجولة رهانًا كبيرًا جدًا، لا على شركة جديدة فحسب، بل على فكرة تقنية جديدة: بناء ذكاء اصطناعي يكتسب المعرفة والمهارات دون الاعتماد على كميات ضخمة من البيانات البشرية.

وتحمل هذه الخطوة إشارة مهمة للسوق. فقد دار السباق الرئيسي في الذكاء الاصطناعي خلال السنوات الماضية حول نماذج أكبر فأكبر تُدرَّب على نصوص وصور وشيفرات برمجية وبيانات أخرى أنتجها البشر. وقد حقق هذا النهج نتائج مبهرة، لكنه كشف في الوقت نفسه عن حدوده: فالبيانات عالية الجودة ليست غير محدودة، والضغوط المرتبطة بحقوق المؤلف تتزايد، وكلفة المكاسب الإضافية في القدرات الناتجة عن التوسّع البسيط ترتفع باستمرار. وفي هذا السياق، تبدو فكرة نظام يتعلّم من تفاعله الذاتي مع المهام والبيئة، لا من الأرشيف البشري، بمثابة إعلان عن المرحلة المقبلة من تطور القطاع.

ويزيد اسم ديفيد سيلفر هذا الرهان لفتًا للأنظار. فهو معروف بوصفه أحد الباحثين الرئيسيين في DeepMind، ومن أبرز المروّجين للنُّهُج التي يتعلّم فيها الوكيل (agent) عبر التجربة والبحث واللعب الذاتي. وكان هذا الخط البحثي وراء إنجازات DeepMind اللافتة في بيئات الألعاب، حيث لم تكتفِ الأنظمة بتكرار الأمثلة البشرية، بل ابتكرت استراتيجياتها الخاصة، وتجاوزت في كثير من الأحيان حدود الحدس البشري. ولذلك تُقرأ شركة سيلفر الجديدة لا بوصفها شركة ناشئة أخرى في مجال الذكاء الاصطناعي باسم رائج، بل محاولة لتوسيع أفكار التعلّم المعزَّز (reinforcement learning) والبحث المستقل إلى فئة أوسع من المهام.

ولا تعني صيغة «التعلّم دون بيانات بشرية» أن البشر يغيبون عن العملية تمامًا. المقصود هو انتقال مركز الثقل: اعتماد أقل على المدوّنات المُعدّة يدويًا وعلى التوسيم، واتكاء أكبر على المحاكاة، وتوليد المهام، والبيئات القابلة للتحقق، والتغذية الراجعة المستمدة من النتائج، وحلقات التحسين الداخلية. وإذا نجحت هذه البنية، فقد تتيح بناء أنظمة لا تكتفي بإعادة صياغة ما راكمته البشرية، بل تبتكر استراتيجيات ومعارف جديدة أثناء العمل. ويكتسب ذلك أهمية خاصة حيث تقلّ البيانات التاريخية، أو تكون رديئة الجودة، أو تحصر النموذج في إطار الخبرة السابقة.

ويستحق حجم التمويل وقفة خاصة. فجولة بقيمة 1.1 مليار دولار لمختبر ظهر قبل أشهر قليلة فحسب تُظهر مدى استمرار تدفق رأس المال بقوة إلى البنية التحتية للذكاء الاصطناعي والأبحاث الأساسية. والمستثمرون هنا لا يشترون إيرادات ولا سوقًا منتجية مثبتة، بل مزيجًا من سمعة المؤسس والمدرسة العلمية وفرصة أن يكونوا أول من يحجز موقعًا في الموجة الكبيرة المقبلة. ويؤكد تقييم 5.1 مليار دولار أن السوق مستعدة لدفع مبالغ كبيرة للفرق التي تقدّم بديلًا عن المسار الحالي لتطوير نماذج LLM، وتَعِد بطريقة أعم لتدريب الآلات.

لكن إلى جانب الطموح، هناك مخاطرة جدية. فبناء نظام يتعلّم فعلًا دون مجموعة بيانات بشرية أصعب بكثير من صياغة الفكرة في عنوان. فهو يحتاج إلى بيئات تدريب عالية الجودة، وآليات للتحقق الذاتي، ومقاومة لتراكم الأخطاء، وطرق لنقل المهارات من السيناريوهات الاصطناعية إلى العالم الحقيقي. علاوة على ذلك، حتى النتائج القوية جدًا في الألعاب والمحاكاة لا تضمن تقدمًا مماثلًا في المهام المفتوحة والفوضوية، حيث يكثر الغموض والمتغيرات الخفية ومتطلبات السلامة.

وما يعنيه ذلك عمليًا: أن سوق الذكاء الاصطناعي تراهن مجددًا لا على الحجم وحده، بل على تغيير النموذج. فإذا نجحت Ineffable Intelligence في إثبات أن التعلّم المستقل يمكن نقله بموثوقية إلى خارج بيئات الألعاب والمختبرات، فسيحصل القطاع على حجة قوية لصالح النماذج التي تتعلّم بالفعل، لا بقراءة الإنترنت البشري فحسب. أما إن لم تنجح، فستبقى هذه الجولة مثالًا على الأسعار المرتفعة التي يُقيَّم بها اليوم حتى مجرد احتمال تجاوز الجيل الحالي من الذكاء الاصطناعي.