تحولت مشكلة صغيرة في ملف PDF إلى اختبار مفيد لمدى ثقة الناس بالذكاء الاصطناعي
لم تأتِ إحدى أكثر قصص الذكاء الاصطناعي واقعية هذا الأسبوع من إطلاق منتج أو من مخطط أداء، بل من مشكلة في سير عمل منزلي. ففي تقرير نشرته ZDNET في 5 يونيو، وصف ديفيد جيويرتز كيف استخدم ChatGPT ليس لتعديل مستند مباشرة، بل لكتابة برنامج Python يعمل من سطر الأوامر ويمكنه تنفيذ المهمة بطريقة حتمية. وكان الهدف كتيب جوقة ممسوح ضوئياً ومطبوعاً على ورق أصفر. والغاية هي إزالة الخلفية الصفراء حتى يمكن إعادة طباعة الصفحات بشكل أوضح واستخدامها بفاعلية أكبر في برامج الموسيقى.
التفصيل الذي يجعل القصة جديرة بالاهتمام ليس تنظيف ملف PDF نفسه، بل المنطق الذي قاد إلى الحل. فقد نجحت التجارب المباشرة مع ملفات PDF التي أنشأها ChatGPT، لكنها أثارت مشكلة تتعلق بالمصداقية. فإذا لمس النموذج التوليدي نوتة الموسيقى نفسها، فهل يمكن أن يغيّر بشكل طفيف النغمات أو الكلمات أو التنسيق؟ بالنسبة للنصوص العادية قد يكون هذا الخطر مقبولاً، أما في التدريب الموسيقي فليس كذلك.
لذلك، بدلاً من أن يكون النموذج هو المحرر، طلبت العائلة منه أن يكون صانع الأداة.
من المخرجات التوليدية إلى سير العمل الحتمي
يلخص هذا التحول درساً أوسع حول كيفية استخدام الذكاء الاصطناعي بأكبر قدر من الفعالية في البيئات الواقعية. فالأنظمة التوليدية قوية، لكنها أيضاً غير حتمية، ما يعني أن مخرجاتها قد تختلف وقد تضيف تغييرات لم تكن مقصودة قط. وعندما تكون الدقة في مطابقة المصدر مهمة، تصبح هذه اللايقينية عائقاً أمام الثقة.
يطرح جيويرتز هذا التمييز بوضوح. فهو يلاحظ أن تحولات ملفات PDF المباشرة التي أنتجها ChatGPT غيّرت الملفات الناتجة بطرق طفيفة، ما جعل زوجته غير مرتاحة للتدرب من خلالها. وكانت تريد عملية تحافظ على المحتوى الموسيقي مع تغيير الخلفية فقط.
وكان البديل أن يكتب ChatGPT برنامجاً ينفذ تحويلاً محدداً. وبمجرد بنائه، يعمل البرنامج بالطريقة نفسها في كل مرة ما لم يغيّر أحد الشيفرة. وهذا ينقل المهمة من التوليد الاحتمالي إلى التنفيذ الإجرائي. وفي كثير من المجالات العملية، يكون هذا هو الفرق بين «عرض تجريبي مثير للاهتمام» و«أداة قابلة للاستخدام».
كانت حالة الاستخدام المباشرة عادية، وهذا بالضبط هو المغزى
كانت صفحات الجوقة الممسوحة مطبوعة على ورق أصفر. وإعادة طبعها كما هي ستستهلك إما قدراً كبيراً من الحبر الملون أو ستترك خلفية رمادية في الطباعة بالأبيض والأسود. كما كان يجب أن تعمل الصفحات مع PlayScore 2، وهو تطبيق لقراءة الموسيقى، لذلك كانت الوضوحية البصرية مهمة لكل من الإنسان والآلة.
جرى التفكير أولاً في Photoshop، لكن المقال يقول إن العملية اليدوية كانت متعبة جداً لأن كل صورة احتاجت إلى تعديلات مختلفة على أشرطة التمرير. وهذا نمط مألوف آخر مرتبط بالذكاء الاصطناعي. يمكن للبرامج التقليدية أن تحل المشكلة، لكن كلفة العمل تكون مرتفعة جداً للاستخدام الروتيني. ويمكن للذكاء الاصطناعي، إذا استُخدم جيداً، أن يقلص عبء الإعداد عبر إنتاج أداة مخصصة مصممة للمهمة نفسها بدقة.
ما ظهر لم يكن تطبيقاً استهلاكياً لامعاً، بل أداة Python صغيرة تعمل من سطر الأوامر. لكن هذا تحديداً هو سبب أهمية المثال. فقد تأتي نسبة كبيرة من القيمة الاقتصادية الحقيقية للذكاء الاصطناعي من برمجيات غير براقة وشديدة التخصص، لم تكن موجودة بالأمس لأن كتابتها كانت ستستغرق وقتاً أطول مما يبدو مبرراً للمهمة.
نموذج الثقة يتغير
غالباً ما تركز قصص الذكاء الاصطناعي على ما تستطيع النماذج فعله مباشرة: الكتابة، التلخيص، الرسم، البرمجة، أو التعامل مع الملفات بمفردها. لكن هذه الحالة تشير إلى نموذج ثقة مختلف. فقد يكون المستخدمون مرتاحين لترك الذكاء الاصطناعي يقترح طريقة أو يولد شيفرة، مع تفضيلهم في الوقت نفسه أداة شفافة وقابلة للتكرار لتنفيذ التحويل النهائي على المادة الأصلية ذات القيمة.
وهذا تمييز مهم للشركات والأسر على حد سواء. ففي السياقات القانونية والطبية والمالية والأرشيفية، لا يقتصر السؤال على ما إذا كان الذكاء الاصطناعي قادراً على أداء المهمة، بل يشمل ما إذا كان النظام قادراً على فعل ذلك مع إمكانية التتبع وبما يكفي من الثقة بأن تغييرات غير مصرح بها لم تُدخل في الطريق.
وبناءً على ذلك، قد يكون سير العمل الأكثر عملية في الذكاء الاصطناعي غالباً من خطوتين. أولاً، استخدام نموذج لتسريع إنشاء البرمجيات. ثانياً، تشغيل العملية الحتمية الناتجة على الملفات الأساسية. هذا لا يلغي الحاجة إلى مراجعة الشيفرة أو التحقق من المخرجات، لكنه يضيق نطاق عدم اليقين.
لماذا هذا أهم من مجرد حيلة أخرى في الذكاء الاصطناعي
قد يكون من المغري قراءة هذه الحكاية بوصفها حيلة ذكية للحياة اليومية ثم المضي قدماً. لكنها تلامس فعلاً قضية محورية في منحنى تبني الذكاء الاصطناعي التوليدي: الناس لا يحتاجون إلى القدرة فقط، بل يحتاجون إلى القابلية للتحكم.
مثال كتيب الجوقة واضح بشكل غير معتاد لأن المخاطرة بديهية. فإذا تغيرت نغمة واحدة على الصفحة، فستفشل الفكرة كلها. ومع ذلك، ينطبق المنطق نفسه على كثير من بيئات العمل حيث تحمل المستندات أو الصور أو البيانات معنى يجب أن يبقى سليماً. وغالباً ما يفضل المستخدمون نظاماً يمكن التحقق منه وإعادة تشغيله وتحديد نطاقه، على نظام يبدو أذكى لكنه أقل قابلية للتنبؤ.
هذا لا يعني أن التحرير المباشر بالذكاء الاصطناعي لا مكان له. ففي كثير من المهام الإبداعية والمنخفضة المخاطر، يكون أسرع ومقبولاً تماماً. لكن المقال يوضح لماذا ليس من الأفضل دائماً أن «يتولى النموذج الملف». ففي بعض الأحيان يكون أفضل استخدام للذكاء الاصطناعي هو توليد البنية التحتية المملة المحيطة بالمهمة، لا إنتاج الأثر النهائي للمهمة نفسها.
نمط مفيد للمرحلة التالية من تبني الذكاء الاصطناعي
تنجح قصة ZDNET لأنها تصف نمطاً مرشحاً للانتشار. فسيستخدم الناس الذكاء الاصطناعي بشكل متزايد لبناء أدوات برمجية ضيقة عند الطلب، خصوصاً عندما تكون الأدوات التقليدية مرهقة للغاية وتبدو سير العمل التوليدية بالكامل محفوفة بالمخاطر. والنتيجة ليست ذكاءً اصطناعياً أقل، بل ذكاءً اصطناعياً انتقل طبقة أعمق في البنية التقنية، حيث يساعد على إنشاء الأداة بدلاً من عزف اللحن.
قد يكون هذا أحد أوضح الأدوار العملية للنماذج في الحوسبة اليومية. فهي يمكن أن تقلل الوقت اللازم للبرمجة المخصصة، وتؤتمت الأجزاء المملة من التطوير، وتجعل الأدوات المؤقتة ممكنة للمستخدمين العاديين. لكن عندما تكون المادة الأصلية مهمة، سيظل كثير من الناس يريدون أن يكون الفعل النهائي حتمياً.
وبهذا المعنى، فإن قصة PDF لا تتعلق فعلاً بالورق الأصفر أو تدريب الجوقة. بل تتعلق بكيفية هندسة الثقة. وقد تكون أكثر سير العمل الدائمة للذكاء الاصطناعي هي تلك التي تجمع بين سرعة التوليد وموثوقية البرمجيات التقليدية، بحيث يستفيد المستخدمون من الاثنين من دون الخلط بينهما.
هذه المقالة مبنية على تقرير ZDNET. اقرأ المقال الأصلي.
Originally published on zdnet.com