لماذا لا تحل فكرة world model لدى Yann LeCun الأزمة الرئيسية في تطور LLM

بعد رحيل يان لوكون عن Meta، تُناقش فكرته عن نموذج العالم مجددًا كممر خروج محتمل من مأزق نماذج اللغة الكبيرة. لكن الأطروحة الرئيسية للنقاد تبدو قاسية: حتى لو تعلمت الذكاء الاصطناعي وصف العالم المادي بشكل أفضل، فإن هذا لن يمنحها المعنى والفهم الإنساني.

لماذا عادت الفكرة

نما الاهتمام بنهج لوكون على خلفية إرهاق السوق من السباق المألوف للنماذج اللغوية الأكبر. كلما كانت النماذج أكبر، كلما كانت التكاليف أعلى، كلما حدّة نقص البيانات عالية الجودة، وكلما زاد السؤال المطروح: هل يمكننا فعلاً الوصول إلى ذكاء اصطناعي قوي إذا كان النظام لا يزال في الأساس يخمّن الرمز التالي؟ في هذا السياق، يبدو نموذج العالم كمحاولة لتغيير المسار ذاته للتطور: بدلاً من الزيادة اللامنتهية في حجم النصوص، تدريب النموذج على بنية الواقع المحيط والسببية وعواقب الإجراءات.

تستند الفكرة إلى حدس بسيط جداً. يفهم الإنسان العالم ليس لأنه قرأ كل النصوص الممكنة، بل لأنه يعيش في بيئة حيث تسقط الأشياء وتتصادم وتنكسر وتتحرك وتخضع لقواعد مستقرة. إذا تمكنت شبكة عصبية من بناء نموذج داخلي لمثل هذه البيئة، فقد تتعلم تصفية الضوضاء ورؤية ما يهم والتصرف ليس كإكمال تلقائي بل كوكيل لديه فهم أكثر قوة للواقع.

ما المُراهَن عليه

تكمن قوة هذا النهج في أنه يعالج فعلاً إحدى المشاكل الرئيسية للنماذج اللغوية: الاعتماد على مجموعات النصوص. النص على الإنترنت محدود، وجودته غير متساوية، والبيانات الاصطناعية تلوث التدريب بسرعة. تبدو بيانات العالم المادي كمصدر احتياطي للحجم: الفيديو والمستشعرات والروبوتات والمحاكاة والتفاعل مع الأشياء. بهذا المعنى، يقترح لوكون ليس ترقية تجميلية، بل بيئة تعليمية جديدة.

• اعتماد أقل على مجموعات البيانات النصية القابلة للنفاد
• الاعتماد الأكبر على السببية وليس فقط على التطابقات الإحصائية
• القدرة على تدريب النموذج على الإجراءات وليس فقط على الإجابات
• مسار أكثر طبيعية نحو الروبوتات والأنظمة الذكية

هذا بالضبط لماذا تبدو فكرة نموذج العالم جذابة للمستثمرين والمهندسين. تعد بأن الطفرة التالية في الذكاء الاصطناعي لن تأتي من زيادة أخرى في عدد المعاملات، بل من ارتباط أوثق بين النموذج والعالم الحقيقي. بالنسبة لصناعة وصلت بالفعل إلى حد تكاليف التدريب والعوائد المتناقصة للحجم، يبدو مثل هذا التحول حتمياً تقريباً.

أين الضعف

تبدأ النقود حيث تنتهي الاستعارة الجميلة ويبدأ محتوى المعرفة. العالم المادي غني جداً بالأحداث، لكن أنماطه الأساسية مضغوطة بشكل مدهش. عدد ضخم من الحالات يتلخص في مجموعة صغيرة من القواعد، وهذا بالضبط لماذا تصفها العلوم بالصيغ بدلاً من فهارس لا نهائية للحالات الخاصة. إذا دربت نموذجاً على السقوط والتصادم وحركة الأشياء، قد يصبح أفضل في التنبؤ بديناميات البيئة، لكن هذا لا يعني أنه سيفهم القانون والاقتصاد والفكاهة والدوافع الإنسانية أو السياق التاريخي.

هنا يظهر الحجة المضادة الرئيسية: المعرفة الإنسانية أوسع من الفيزياء. نحن لا نعيش فقط بين الأشياء، بل بين المعاني والمعايير والرموز والمؤسسات والخبرة الجماعية. حتى نموذج مثالي لمسار الكرة لن يشرح لماذا تعمل بعض القوانين بينما تواجه غيرها معارضة من المجتمع، لماذا تبدو الجملة نفسها فكاهة في سياق واحد وإساءة في آخر، أو لماذا يتخذ الناس قرارات تتعارض مع مصلحتهم العقلانية. يمكن نمذجة عالم الأشياء، لكن عالم المعاني أكثر تعقيداً بكثير.

من هنا تأتي النتيجة: يمكن أن يكون نموذج العالم إضافة مفيدة للذكاء الاصطناعي، لكنه من غير المحتمل أن ينقذ الصناعة بأكملها. يمكنه سد جزء من نقص البيانات وإعطاء النماذج ارتباطاً أقوى بالسببية. لكن فيزياء العالم وحدها أفقر من الطبقة الثقافية والمعرفية التي تجعل التفكير الإنساني ما هو عليه. إنفاق مليارات الدولارات لفهم أفضل للقوانين المعروفة منذ زمن طويل لسقوط الأجسام تفسير ضعيف جداً لاختراق مستقبلي.

ماذا يعني هذا

بالنسبة للسوق، هذا دش بارد مهم. المرحلة التالية من تطور الذكاء الاصطناعي ستتطلب على الأرجح ليس حلاً سحرياً واحداً، بل مزيجاً من الأساليب: نماذج اللغة والبيانات من العالم الحقيقي والسلوك الذكي وفهم أعمق للسياق الإنساني. فكرة لوكون مفيدة كجزء من هذا البناء، لكن ليست كبديل جاهز له.