تنفيذي بارز في الذكاء الاصطناعي يطرح حجة ضد نظرية التباطؤ
يجادل مصطفى سليمان بأن الذكاء الاصطناعي ليس قريبًا من استنفاد مسار نموه. وفي مقال جديد نُشر في
MIT Technology Review
، يقول رئيس الذكاء الاصطناعي في Microsoft إن التنبؤات المتكررة بأن تطوير الذكاء الاصطناعي سيصطدم قريبًا بجدار لا تفهم حجم وبنية التوسع في الحوسبة الذي يقود المجال الآن. فجوهر حجته بسيط: انفجار الحوسبة الذي يقف وراء الذكاء الاصطناعي المتقدم ما يزال القصة التقنية المحددة لهذا العصر، والعوامل الأساسية التي تدعمه لا تزال أمامها مساحة للتضاعف.المقال هو صراحةً حجة وليس تقريرًا صناعيًا محايدًا، لكنه لافت لأنه يأتي من شخصية قيادية في إحدى الشركات الأكثر استثمارًا مباشرة في بنية الذكاء الاصطناعي التحتية. موقف سليمان هو أن المشككين يواصلون البحث عن عنق زجاجة واحد، مثل تباطؤ قانون مور أو محدودية البيانات أو قيود الطاقة، بينما يغفلون كيف تتقاطع عدة تقدمات تقنية في وقت واحد.
حجم الادعاء المتعلق بالحوسبة
يقول سليمان إن مقدار الحوسبة التدريبية المستخدمة في نماذج الذكاء الاصطناعي المتقدمة ارتفع بنحو تريليون مرة من الأنظمة المبكرة إلى أكبر النماذج اليوم. وهو يصف الانتقال من نحو 10^14 عملية فاصلة عائمة في السنوات الأولى من عمله عام 2010 إلى أكثر من 10^26 FLOPS في الأنظمة المتقدمة الحالية. سواء قبل المرء كل ما يترتب على هذه المقارنة أم لا، فالنقطة التي يطرحها واضحة: تقدّم الذكاء الاصطناعي كان مدفوعًا بقفزة تاريخية في مقدار الحوسبة المسخّرة للتدريب.
هذا التأطير مهم لأنه ينقل النقاش بعيدًا عن المفاهيم المجردة عن الذكاء ويعيده إلى القدرة الصناعية. في هذا التصور، لا تتمثل قصة تقدّم الذكاء الاصطناعي أساسًا في اختراقات خوارزمية معزولة، بل في أنظمة تزداد ضخامة وتستطيع إبقاء عدد أكبر من المعالجات مشغولًا، مع مرور المزيد من البيانات عبرها بكفاءة أعلى ولمدد أطول.
ثلاثة أعمدة تقنية في حجة سليمان
تحدد المقالة ثلاثة تقدمات يقول إنها تعمل الآن معًا. الأول هو تحسن الأداء الخام للشرائح. ويشير إلى أن عتاد Nvidia تحسن من 312 teraflops في 2020 إلى 2,500 teraflops اليوم، أي زيادة بمقدار ثماني مرات خلال ست سنوات. كما يستشهد بشريحة Maia 200 من Microsoft، التي أُطلقت في يناير، ويقول إنها تقدم أداءً أفضل بنسبة 30% لكل دولار من أي عتاد آخر في أسطول الشركة.
الثاني هو عرض النطاق للذاكرة. ويسلط سليمان الضوء على ذاكرة النطاق الترددي العالي، أو HBM، ويقول إن الجيل الأحدث، HBM3، يضاعف عرض النطاق لسلفه ثلاث مرات. عمليًا، حجته هي أن أنظمة التدريب لا تصبح أفضل في إجراء الحسابات فحسب، بل أيضًا في تزويد المعالجات بالبيانات بسرعة كافية لمنع المسرّعات المكلفة من البقاء خاملة في انتظار البيانات.
الثالث هو الربط واسع النطاق. فهو يكتب أن تقنيات مثل NVLink وInfiniBand تربط الآن مئات الآلاف من GPUs في حواسيب فائقة بحجم مستودعات تعمل كنظام واحد. وهذا جزء أساسي من أطروحة المقالة. فالقصة ليست مجرد “شرائح أفضل”. بل أيضًا هندسة أقمشة حوسبة أكبر فأكبر تقلل الوقت المهدور وتنسق أعدادًا هائلة من المعالجات معًا.
لماذا تهم المقالة حتى وهي رأي
تأتي حجة سليمان في قلب نقاش نشط. فقد شكك منتقدو الذكاء الاصطناعي وبعض الباحثين في ما إذا كانت اتجاهات التوسع الحالية يمكن أن تستمر اقتصاديًا أو ماديًا. تتركز المخاوف عادةً على الطلب على الطاقة، وكثافة رأس المال، وندرة البيانات، وتراجع العوائد الناتج عن مجرد تكبير النماذج. ولا يدحض سليمان هذه المخاوف كلًا على حدة بقدر ما يجادل بأنها لم تعد حتى الآن تفوق القوة المشتركة لتحسينات الشرائح، وتقدم الذاكرة، وتكامل الأنظمة.
تكتسب هذه الموقف أهمية لأن قرارات تخطيط البنية التحتية الكبرى تُتخذ الآن. فإذا اعتقد المجال أن منحنى الحوسبة ما يزال شديد الانحدار، فمن المرجح أن تواصل الشركات فائقة الحجم ومصممو الشرائح والحكومات الاستثمار على نطاق غير مسبوق. أما إذا اعتقدوا أن جدارًا صلبًا يقترب، فإن تخصيص رأس المال سيتغير. لذلك فالمقال ليس وصفيًا فقط، بل هو جزء من المنافسة على تحديد أي نوع من المستقبل ينبغي لشركات الذكاء الاصطناعي أن تبنيه.
كما أنه يعكس كيف باتت صناعة الذكاء الاصطناعي تصوغ التقدّم بمصطلحات الأنظمة. فالأداء لكل شريحة مهم، لكن عرض النطاق، والشبكات، وتنسيق البرمجيات مهمون أيضًا. والنتيجة العملية هي أن قيادة الذكاء الاصطناعي أصبحت غير منفصلة عن سلاسل الإمداد، وتصميم مراكز البيانات، والقدرة على دمج العتاد في بنية تدريب متماسكة.
قوة الحجة وحدودها
تكمن قوة حجة سليمان في أنها لا تعتمد على اختراق سحري واحد. فهي تشدد على مكاسب هندسية تراكمية عبر عدة طبقات من الحزمة التقنية. وغالبًا ما تكون هذه هي الطريقة التي تحافظ بها التحولات التكنولوجية الكبرى على زخمها لفترة أطول من المتوقع. ويمكن للعنق الزجاجة في مجال ما أن يُعوَّض جزئيًا عندما تتحسن عدة طبقات مجاورة معًا.
أما الحد، فهو أن مقال رأي ليس برهانًا على أن التحسن الأُسّي سيستمر بلا نهاية. تشير المقالة إلى أن الاتجاه “يبدو قابلًا للتنبؤ إلى حد كبير” عند النظر إلى الصورة التقنية الكاملة، لكن المسارات الطويلة الأجل تظل مشروطة بالاقتصاد، وتوافر الطاقة، وقيود الإمداد، والقيمة التي يحصل عليها العملاء في النهاية من الأنظمة الأكبر. سليمان يقدم حجة قوية لمواصلة التوسع، لا لإغلاق النقاش.
إشارة مفيدة إلى ثقة الصناعة
ومع ذلك، تبقى المقالة إشارة مفيدة. فهي تُظهر أن أحد أبرز التنفيذيين في القطاع يدافع علنًا، لا عن التريث، بل عن استمرار الإيمان ببناء البنية التحتية التي تقف وراء الذكاء الاصطناعي المتقدم. ولا تُعرض هذه الثقة بلغة غامضة، بل تُبنى على teraflops، وعرض النطاق، ووصلات الربط. وهذا وحده يقول شيئًا مهمًا عن المرحلة الحالية من الصناعة.
رغم الانبهار العام بروبوتات المحادثة والوكلاء، يبقى مركز الثقل في الذكاء الاصطناعي هو الحوسبة. وتذكّرنا مقالة سليمان بأن المعركة الاستراتيجية ما تزال تُخاض في عمق طبقة العتاد والأنظمة. فإذا كان محقًا، فإن الصناعة لا تزال في مرحلة مبكرة من توسع أكبر بكثير. وإذا كان مخطئًا، فإن السنوات القليلة المقبلة ستكشف الحدود. وفي كلتا الحالتين، تلتقط المقالة ذهنية الشركات التي تبني عصر الذكاء الاصطناعي: فهي لا تعتقد أن الجدار هنا بعد.
هذه المقالة مبنية على تقرير من MIT Technology Review. اقرأ المقال الأصلي.
