مستقبل الذكاء الاصطناعي: صراع بين الوكلاء الشاملين والمتخصصين.. من سيسود؟

يتسارع الجدل في الأوساط التكنولوجية حول الشكل الذي سيتّخذه الذكاء الاصطناعي في المستقبل القريب: هل سيكون هناك وكيل ذكيّ واحد يستطيع تنفيذ معظم المهام اليومية نيابة عن المستخدمين أم الاتجاه سيذهب نحو مجموعة من الوكلاء المتخصصين، كلٌّ منهم يؤدّي مهمّة ضيقة بإتقان، ويُستخدم فقط عند الحاجة؟

من المرجّح أن يحمل المستقبل مزيجًا من النموذجين. لكنّ سرعة التطورات الحالية أربكت حتى كبار المتخصصين الذين يعترفون بصعوبة التنبّؤ بما سيطرأ خلال سنة أو سنتين.

فكرة الوكيل الذكيّ الشامل تحظى بزخم كبير حاليًا. شركة “أوبن إيه آي” أضافت هذا الأسبوع ميزة جديدة لروبوت الدردشة “تشات جي بي تي” تمكّنه من تقديم توصيات تسوّق مخصّصة، مما يعيد تشكيل طريقة اتخاذ القرار الشرائي. فبدلًا من المرور بمراحل متعدّدة للبحث والمقارنة، يمكن للمستخدم الحصول على توصية نهائية بعملية شراء من خلال سؤال واحد، مما يهدّد نموذج التسوّق التقليدي المعروف باسم “القُمع”، ويضع “أوبن إيه آي” في موقع محوريّ.

لكنه في الوقت الذي تجذب فيه هذه التحسينات العامة الأنظار، يجري في الخفاء بناء جيل جديد من وكلاء الذكاء الاصطناعي يتميّز بالتخصّص وانخفاض التكلفة، سواء في التطوير أم التشغيل.

وقد كشفت شركة “ميتا” في مؤتمر المطوّرين LlamaCon، الذي عُقد في وقتٍ سباق خلال الشهر الجاري عن رؤيتها لمستقبل الذكاء الاصطناعي، والتي ترتكز على استخدام نماذج “ذات أوزان مفتوحة”. هذه النماذج لا تُظهر طريقة تدريبها بالتفصيل، لكنّها تتيح للمطوّرين استخدامها وتعديلها، مما يفتح الباب أمام إبداع واسع النطاق.

أحد أبرز مؤشرات نجاح هذا النهج هو أنّ نماذج “لاما” المفتوحة من “ميتا” تمّ تحميلها أكثر من 1.2 مليار مرة خلال عامين فقط. وأغلب هذه التنزيلات كانت لنماذج جرى تعديلها من قبل مطوّرين لتناسب استخدامات متخصّصة، ثمّ أتاحوها للجميع.

ومن بين التقنيات، التي انتشرت لتحسين هذه النماذج، تقنية “التقطير” التي تنقل بعض المهارات من النماذج الضخمة إلى أخرى أصغر حجمًا. وفي الوقت الذي تحتفظ فيه الشركات، التي تعتمد على نماذج مغلقة – مثل “أوبن إيه آي” –، بحقّ التحكم بكيفية استخدام نماذجها، فإنّ بيئة النماذج المفتوحة تتيح حرية أكبر للمطورين.

مع تطور الذكاء الاصطناعي، بدأ التركيز ينتقل من مرحلة التدريب الأولية التي تتطلب موارد هائلة، إلى ما يُعرف بمراحل ما بعد التدريب. وتشمل هذه المراحل استخدام تقنيات مثل “التعلّم المعزّز” لتوجيه النموذج، و”مرحلة وقت الاختبار” التي يستخدمها النموذج لحلّ المشكلات أثناء التشغيل.

أوضح علي قدسي، الرئيس التنفيذي لشركة “داتابريكس”، خلال مؤتمر “ميتا”، أن تدريب النماذج على بيانات الشركات الخاصة خلال مرحلة التعلّم المعزّز يُحسّن من موثوقيتها في البيئات التجارية. وأكد أنّ هذا النوع من التطوير لا يمكن تنفيذه إلّا في النماذج المفتوحة.

كذلك برز توجّه جديد لدمج مميّزات من نماذج متعدّدة. بعد أن فاجأت شركة “ديبسيك” الجميع بنجاح نموذجها المنطقيّ منخفض التكلفة “R1″، بدأ مطوّرون آخرون بتحليل خطوات التفكير التي اتبعها هذا النموذج، والمعروفة بـ “آثار الاستدلال”، وتطبيقها على نماذج “لاما” الخاصّة بـ “ميتا”.

هذه التطورات تشير إلى قفزة في قدرة الذكاء الاصطناعي على تقديم مساعدين ذكيين أكثر كفاءة وأقلّ استهلاكاً للطاقة والموارد. الشركات التي تمتلك الأدوات اللازمة لبناء وتشغيل هذه البرمجيات الجديدة ستكون من أبرز المستفيدين.

لكن في المقابل، فإنّ الشركات المطوّرة للنماذج نفسها قد تواجه خطر تحوّل منتجاتها إلى سلعة (الخيارات الأرخص قد تقلّل من قيمة النماذج المتقدمة التي تكلف ملايين الدولارات).

أمّا المستخدم النهائي، خاصة الشركات القادرة على دمج هذه النماذج المتخصصة في عملياتها، فقد يكون هو المستفيد الأكبر من هذا التوجه، بفضل انخفاض التكلفة وارتفاع الكفاءة.