قد تكون العقبة التالية أمام الذكاء الاصطناعي هي البيانات، لا حجم النموذج
يقدّم باحث سابق في OpenAI حجة قوية مفادها أن سباق التسلح الكبير التالي في الذكاء الاصطناعي سيركز على بيانات التدريب بدلًا من الاعتماد على التوسع وحده. ووفقًا لتقرير The Decoder، غادر أندرو هو OpenAI بعد ثمانية أشهر ليؤسس شركة تركز على إنتاج مجموعات بيانات عالية الجودة ومتخصصة، مدفوعًا برأيه بأن النماذج اللغوية الكبيرة لا تزال تعاني ضعفًا في التعميم داخل المهام ذات الأهمية الاقتصادية.
هذا الطرح يصطدم بأحد أكثر الافتراضات رسوخًا في الذكاء الاصطناعي الحديث: أن النماذج الأكبر، التي تُدرَّب بقدرة حوسبة أكبر، ستواصل توسيع نطاق كفاءتها عبر المجالات. ويرى هو أن ذلك غير كافٍ. فمن وجهة نظره، فإن كثيرًا من أشكال العمل القيّمة شديدة الارتباط بالسياق، أو ممثلة تمثيلًا ضعيفًا، أو يصعب تقييمها داخل مجموعات البيانات القائمة بحيث لا يمكن لنهج التوسع الحالي التقاطها بشكل موثوق.
وتكتسب هذه الحجة أهمية لأنها تنقل التركيز من المنافسة المرئية بين مختبرات النماذج الرائدة إلى العمل الأقل بريقًا لكنه يزداد أهمية استراتيجيًا، وهو إنشاء البيانات. وإذا كان هو محقًا، فإن الميزة المستدامة التالية في الذكاء الاصطناعي قد تأتي لمن يستطيع جمع أمثلة خاصة بالمهام، وهيكلتها، والتحقق منها على نطاق صناعي.
لماذا قد تكون مجموعات البيانات الحالية غير كافية
يقول التقرير الأصلي إن هو يعتقد أن المشكلة الأساسية هي أن معظم المهارات ذات القيمة الاقتصادية لا تحظى إلا بتمثيل ضئيل جدًا في المتون التدريبية الحالية. وقد كان نص الإنترنت على نطاقه الواسع كافيًا لصناعة روبوتات محادثة قادرة، ومساعدات برمجية، وأدوات بحث، لكنه قد لا يكون كافيًا لتعليم النماذج كيفية أداء أعمال متخصصة بدرجة موثوقية ثابتة.
وتكتسب انتقادات هو وزنًا خاصًا لأنها تأتي من داخل منظومة النماذج الرائدة لا من متشكك خارجي. وهو يجادل بأنه حتى عندما يستطيع البشر ملاحظة “مسار ذهبي” خلال مهمة ما، يظل من الصعب معرفة ما إذا كانت المسارات البديلة جيدة أيضًا، أو سيئة، أو ناقصة. هذا الغموض يجعل كثيرًا من المهارات في العالم الحقيقي صعبة التشفير داخل بيئات اختبار معيارية مرتبة.
بعبارة أخرى، التحدي لا يقتصر على جمع مزيد من النصوص. بل يتمثل في بناء مجموعات بيانات تحفظ السياق، والنتائج، والحالات الطرفية، وإشارات الجودة في المجالات التي تكون فيها الأخطاء مكلفة، والتي يعتمد فيها الأداء الصحيح على معرفة ضمنية. وهذه مشكلة بيانات أصعب بكثير من مجرد استخراج المحتوى من الويب العام.
من الطموح الواسع في الذكاء الاصطناعي إلى التنفيذ المتخصص في مجالات محددة
تتعزز أطروحة هو في التقرير بأعمال الباحث في كامبريدج آدم هانت ودعم باحثين من Google DeepMind، الذين يرون أن الأنظمة الحالية أصبحت أكثر تخصصًا بدلًا من أن تصبح أكثر قدرة على العموم. ويعني ذلك أن بعض المكاسب العناوين العريضة قد تخفي صورة أكثر تفاوتًا في العمق: فالنماذج قد تتحسن في مجالات بعينها بينما تتعثر أو تضعف في مجالات أخرى.
ويعد هذا التمييز مهمًا للشركات التي تحاول نشر الذكاء الاصطناعي في المختبرات، أو سير العمل في الرعاية الصحية، أو التحليل العلمي، أو غيرها من البيئات عالية القيمة. فالنموذج الذي يبدو مثيرًا للإعجاب في العروض التوضيحية لكنه غير متسق في البيئات الواقعية لا يكفي. فالاعتمادية، وقابلية التكرار، والكفاءة المتخصصة في المجال أهم من الفصاحة العامة السطحية.
وإذا كانت مطورو النماذج يقتربون من سقف في حل المشكلات الإبداعية أو نقل المعرفة العام، فإن البيانات الموجهة تصبح وسيلة لدفع القدرات إلى الأمام حيث تهم بالفعل. وهذه هي رهان هو عمليًا: ليس أن التوسع عديم الفائدة، بل أن عوائده تتضاءل ما لم يُقترن ببيانات مصممة حول مهام ملموسة.
الأهداف الأولى: المعلوماتية الحيوية والعمل المخبري الروتيني
يُقال إن الشركة التي يطلقها هو تبدأ بمجالين. الأول هو المعلوماتية الحيوية، حيث يقول المقال إن النماذج الحالية مثل GPT-5.6 Sol تحقق معدل نجاح يقارب 30 في المئة فقط في التحليلات العلمية المعقدة المرتبطة بعمل هو السابق في OpenAI. أما المجال الثاني فهو العمل المخبري الروتيني، بما في ذلك السيناريوهات التي يرسل فيها الباحثون صور التجارب إلى أنظمة الذكاء الاصطناعي لتقييمها.
وهذه نقاط انطلاق كاشفة. فكلا المجالين يتطلب ذكاءً اصطناعيًا مفيدًا يتجاوز مجرد محاكاة اللغة. فالمعلوماتية الحيوية غالبًا ما تنطوي على استدلال متعدد الخطوات، وأعراف تخص المجال، وسياق علمي، وحساسية تجاه الأخطاء. أما سير العمل المخبري فقد يعتمد على الحكم البصري، والفهم الإجرائي، والتفسير العملي بدلًا من الإجابات المدرسية. وهذه تحديدًا هي البيئات التي قد تجعل البيانات الرديئة أو العامة النماذج تبدو قادرة في المقاييس الإجمالية بينما تفشل عند الاستخدام ذي العواقب.
ويذكر التقرير أن الكيمياء، وعلوم المواد، والرعاية الصحية، وأعمال المعرفة الأوسع هي المجالات التالية في الخطة. ويشير هذا المسار إلى استراتيجية تجارية مبنية حول صناعات تكون فيها الأخطاء مكلفة، ويمكن فيها للبيانات المصممة خصيصًا أن تصبح بنية تحتية قابلة للدفاع عنها.
تحدٍ لاقتصاديات مختبرات النماذج الرائدة
ويبدو أن هو متشكك أيضًا في التقييمات المرتفعة جدًا المرتبطة بمختبرات الذكاء الاصطناعي الرائدة. فبحسب ما يلخصه The Decoder، يجادل بأن شركات مثل OpenAI وAnthropic غير مربحة بشكل مزمن لأنها تضطر إلى الاستمرار في الإنفاق الكبير على نماذج جديدة فقط للبقاء متقدمة على منافسين أقل كلفة مثل Qwen أو Kimi. وسواء قبل المرء هذا التشخيص الكامل أم لا، فإنه يشير إلى توتر متزايد في السوق.
إذا ظلت الكلفة الحدية للتوسع الرائد مرتفعة بينما يضيق الفارق مع المنافسين المفتوحين أو الأرخص، فقد تحتاج الأفضلية الاحتكارية إلى أن تأتي من شيء أصعب في التقليد من حجم النموذج وحده. فمجموعات البيانات المنسقة، وسير العمل الخاصة، والنتائج الموثقة، وحلقات التغذية الراجعة الخاصة بالمجال كلها تلبي هذا الشرط أفضل من الحجم الخام. فهي أبطأ في البناء، وأصعب في النسخ، وغالبًا ما تكون أكثر التصاقًا بحالات استخدام العملاء.
وهذا لا يعني أن النماذج الأساسية ستتوقف عن الأهمية. بل يعني أن تميّزها قد يعتمد بصورة متزايدة على جودة البيانات المحيطة بها. وفي هذا السيناريو، لا تقف شركات البيانات في أسفل سلسلة القيمة بعد مختبرات النماذج؛ بل تصبح جزءًا حاسمًا من طبقة القدرات.
ماذا يعني سوق بيانات بقيمة 100 مليار دولار
إن تقدير هو بأن مختبرات الذكاء الاصطناعي ستنفق أكثر من 100 مليار دولار على جمع البيانات المستهدفة في السنوات المقبلة هو توقع جريء، لكن منطق الاستراتيجية فيه سهل المتابعة. فإذا كانت بيانات الويب العامة قد استُنزفت كمصدر للمكاسب السهلة، فستحتاج الصناعة إلى مادة خام جديدة. وقد تكون هذه المادة الخام هي مهامًا علمية مُعلّمة، أو سير عمل مؤسسيًا موثقًا، أو سجلات مختبرية متعددة الوسائط، أو خبرات منظمة أخرى لا تراها النماذج الحالية بما يكفي أثناء التدريب.
وسيفرض هذا الإنفاق أيضًا تغييرًا فيمن يستفيد من طفرة الذكاء الاصطناعي. فبدلًا من تركيز القيمة أساسًا في شركات الرقائق، ومزودي الحوسبة السحابية العملاقة، ومطوري النماذج الرائدة، فإن دورة تتمحور حول البيانات سترفع من شأن خبراء المجالات، وأنظمة الوسم، وأدوات البيانات الاصطناعية، وشراكات البيانات المؤسسية، والمنظمات القادرة على قياس الجودة في البيئات المتخصصة.
والخلاصة الأوسع هي أن المنافسة في الذكاء الاصطناعي قد تدخل مرحلة أقل وضوحًا لكنها أكثر تأسيسًا. فالقفزة التالية إلى الأمام قد لا تأتي من مجرد جعل النماذج أكبر. بل قد تأتي من تعليمها بصورة أفضل، ببيانات مصممة للعمل الفوضوي، والسياقي، وعالي المخاطر الذي لا يزال يقاوم الأتمتة. ويراهن هو على أن هذا التحول ليس مجرد قصة جانبية. بل يراهن على أنه سيصبح أحد الأسواق المحددة للدورة التالية من الذكاء الاصطناعي.
هذه المقالة مبنية على تقرير The Decoder. اقرأ المقال الأصلي.
Originally published on the-decoder.com