AMI – الذكاء الاصطناعي المتقدم – نهاية التوسع: لماذا لم يعد يان ليكون يؤمن ببرامج الماجستير في القانون

٦٠٠ مليار دولار لنهجٍ خاطئ؟ "عراب الذكاء الاصطناعي" يراهن ضد LLaMA وChatGPT وشركائهما.

جاء هذا الإعلان كالصاعقة في قطاع التكنولوجيا في نوفمبر 2025. أعلن يان ليكون، أحد الآباء المؤسسين الثلاثة للتعلم العميق وكبير العلماء في ميتا، رحيله بعد اثني عشر عامًا مع الشركة لتأسيس شركته الناشئة الخاصة. هذا القرار يتجاوز بكثير مجرد خيار مهني شخصي اتخذه عالم واحد، بل يمثل نقطة تحول جوهرية في صناعة الذكاء الاصطناعي العالمية، ويكشف عن الفجوة المتزايدة بين مصالح السوق قصيرة الأجل والرؤية العلمية طويلة الأجل.

يُعتبر ليكن، الحائز على جائزة تورينج عام ٢٠١٨ مع جيفري هينتون ويوشوا بينجيو، مهندس الشبكات العصبية التلافيفية، التي تُشكل اليوم أساس أنظمة معالجة الصور الحديثة. يأتي رحيله في وقتٍ تستثمر فيه الصناعة بأكملها مئات المليارات من الدولارات في نماذج اللغة الكبيرة، وهي تقنية وصفها ليكن لسنواتٍ بأنها طريق مسدود. من خلال شركته الجديدة، يعتزم العالم البالغ من العمر ٦٥ عامًا الآن اتباع ما يُطلق عليه "الذكاء الآلي المتقدم"، وهو نهجٌ مختلفٌ جذريًا قائمٌ على نماذج العالم، ويبدأ بالإدراك المادي، لا بالنص.

إن الآثار الاقتصادية لهذا التطور هائلة. فقد استثمرت شركة ميتا نفسها أكثر من 600 مليار دولار في البنية التحتية للذكاء الاصطناعي خلال السنوات الثلاث الماضية. وبلغت قيمة شركة OpenAI نصف تريليون دولار، رغم أن إيراداتها السنوية لا تتجاوز عشرة مليارات دولار. لقد سلكت الصناعة بأكملها مسارًا وصفه أحد أهم روادها علنًا بأنه طريق مسدود. لفهم الآثار الاقتصادية لهذا التحول، لا بد من التعمق في الهياكل التقنية والتنظيمية والمالية لثورة الذكاء الاصطناعي الحالية.

مناسب ل:

• ستستثمر شركة ميتا 600 مليار دولار أمريكي: لبناء البنية التحتية للذكاء الاصطناعي في الولايات المتحدة الأمريكية

هندسة الفقاعة

أحدثت بنية Transformer، التي أطلقها باحثون في جوجل عام ٢٠١٧، نقلة نوعية في عالم الذكاء الاصطناعي بوتيرة غير مسبوقة. مكّن هذا النهج، ولأول مرة، من معالجة كميات هائلة من النصوص بكفاءة وتدريب نماذج لغوية بقدرات لم تكن متاحة من قبل. واستندت OpenAI إلى هذا الأساس من خلال سلسلة GPT، التي أظهرت، مع ChatGPT في نوفمبر ٢٠٢٢، لجمهور واسع لأول مرة ما يمكن أن تحققه هذه التقنيات. وكان رد الفعل هائلاً. ففي غضون بضعة أشهر، تدفقت عشرات المليارات من الدولارات إلى هذا القطاع.

مع ذلك، منذ نهاية عام ٢٠٢٤، تزايدت الدلائل على أن هذا التطور الهائل قد بلغ حدوده القصوى. تعمل شركة OpenAI على تطوير خليفة GPT-4، المعروف داخليًا باسم Orion أو GPT-5، منذ أكثر من ١٨ شهرًا. وأفادت التقارير أن الشركة أجرت على الأقل دورتين تدريبيتين كبيرتين، كلفت كل منهما حوالي ٥٠٠ مليون دولار. وكانت النتائج صادمة. فبينما مثّل GPT-4 قفزة هائلة في الأداء مقارنةً بـ GPT-3، فإن تحسينات Orion مقارنةً بـ GPT-4 كانت هامشية. وفي بعض المجالات، وخاصةً البرمجة، لم يُظهر النموذج أي تقدم يُذكر.

يتناقض هذا التطور جذريًا مع قوانين التوسع، تلك المبادئ التجريبية التي كانت تُوجّه الصناعة بأكملها حتى وقت قريب. كانت الفكرة الأساسية بسيطة: إذا كَبُرت نموذجًا، واستخدمت بيانات أكثر للتدريب، واستثمرت قوة حوسبة أكبر، فإن زيادة الأداء تتبع دالة قوة متوقعة. بدا هذا المبدأ صحيحًا عالميًا، وبرر الاستثمارات الضخمة في السنوات الأخيرة. الآن، اتضح أن هذه المنحنيات تتسطح. لم تعد مضاعفة الاستثمار التالية تُحقق مضاعفة الأداء المتوقعة.

أسباب ذلك عديدة ومعقدة تقنيًا. تتمثل إحدى المشكلات الرئيسية في جدار البيانات. تم تدريب GPT-4 باستخدام ما يقرب من 13 تريليون رمز، وهو ما يعادل تقريبًا كامل الإنترنت المتاح للجمهور. بالنسبة لـ GPT-5، ببساطة، لا توجد بيانات جديدة عالية الجودة كافية. استجابت OpenAI بتوظيف مطوري برامج وعلماء رياضيات وفيزيائيين نظريين لتوليد بيانات جديدة من خلال كتابة الأكواد وحل المسائل الرياضية. ومع ذلك، حتى لو أنتج 1000 شخص 5000 كلمة يوميًا، فسيستغرق الأمر شهورًا لتوليد مليار رمز فقط. ببساطة، التوسع باستخدام البيانات المُولّدة من قِبل البشر غير مجدٍ.

كبديل، تعتمد الشركات بشكل متزايد على البيانات الاصطناعية، أي البيانات المُولّدة من نماذج ذكاء اصطناعي أخرى. ولكن هنا يكمن خطر جديد: انهيار النموذج. فعندما تُدرّب النماذج بشكل متكرر على بيانات مُولّدة من نماذج أخرى، تتفاقم الأخطاء الصغيرة على مر الأجيال. والنتيجة هي نماذج تصبح أكثر انفصالاً عن الواقع، وتختفي فيها مجموعات الأقليات في البيانات بشكل غير متناسب. وقد أظهرت دراسة نُشرت في مجلة نيتشر عام ٢٠٢٤ أن هذه العملية تحدث بسرعة مذهلة. لذا، فإن البيانات الاصطناعية ليست حلاً سحرياً، بل تحمل مخاطر كبيرة.

التحول في مجال الطاقة وحدود النمو

إلى جانب حاجز البيانات، هناك حاجز ثانٍ أكثر أهمية: حاجز الطاقة. استهلك تدريب GPT-3 حوالي 1300 ميجاواط/ساعة من الكهرباء، أي ما يعادل الاستهلاك السنوي لـ 130 أسرة أمريكية. بينما تطلب GPT-4 ما يُقدر بخمسين ضعف هذه الكمية، أي ما يعادل 65,000 ميجاواط/ساعة. تتضاعف قوة الحوسبة اللازمة لتدريب نماذج الذكاء الاصطناعي الكبيرة كل 100 يوم تقريبًا. هذا المنحنى الأسّي يؤدي سريعًا إلى قيود مادية.

تستهلك مراكز البيانات التي تُدرّب وتُشغّل هذه النماذج بالفعل طاقةً تعادل ما تستهلكه المدن الصغيرة. وتتوقع وكالة الطاقة الدولية أن يزداد استهلاك مراكز البيانات للكهرباء بنسبة 80% بحلول عام 2026، من 20 تيراواط/ساعة عام 2022 إلى 36 تيراواط/ساعة عام 2026. ويُعدّ الذكاء الاصطناعي المحرك الرئيسي لهذا النمو. وللمقارنة، يستهلك استعلام ChatGPT واحد طاقةً تفوق ما يستهلكه بحث جوجل بعشرة أضعاف. ومع مليارات الاستعلامات يوميًا، يُصبح هذا الرقم هائلًا.

يُجبر هذا التطور شركات التكنولوجيا على اتخاذ تدابير جذرية. وقّعت مايكروسوفت بالفعل عقودًا مع مُزوّدي الطاقة النووية. وتستثمر ميتا وأمازون وجوجل ما يزيد عن 1.3 تريليون دولار أمريكي في السنوات القادمة لبناء البنية التحتية اللازمة. لكن هذه الاستثمارات تواجه قيودًا مادية وسياسية. فالولايات المتحدة ببساطة لا تملك بنية تحتية كافية للطاقة لتشغيل مراكز بيانات الذكاء الاصطناعي المُخطط لها. ويقدّر المحللون أن مشاريع بقيمة 750 مليار دولار قد تتأخر بحلول عام 2030 بسبب اختناقات البنية التحتية للطاقة.

يُضاف إلى ذلك البعد الجيوسياسي. فطلبات الطاقة في قطاع الذكاء الاصطناعي تُفاقم المنافسة على الموارد وتزيد الاعتماد على الوقود الأحفوري. وبينما يُطالب صانعو السياسات بالحياد المناخي، يُسهم قطاع الذكاء الاصطناعي في زيادة استهلاك الطاقة. وسيتفاقم هذا التوتر في السنوات القادمة، وقد يؤدي إلى تدخلات تنظيمية تُحد من نمو هذا القطاع.

الجدار المعماري وبديل لوكون

ربما يكون الحاجز الثالث هو الأكثر جوهرية: الجدار المعماري. جادل يان ليكون لسنوات بأن بنية المحول لها قيود جوهرية لا يمكن التغلب عليها بمجرد التوسع. يركز نقده على الطريقة الأساسية لعمل نماذج اللغة الكبيرة. تُدرَّب هذه الأنظمة على توقع الكلمة التالية في التسلسل. تتعلم هذه الأنظمة الأنماط الإحصائية في مجموعات نصية ضخمة، لكنها لا تُنمّي فهمًا حقيقيًا للسببية أو القوانين الفيزيائية أو التخطيط طويل المدى.

يُحبّ لوكان توضيح المشكلة بمقارنة: استوعب طفلٌ في الرابعة من عمره معلوماتٍ عن العالم من خلال الإدراك البصري أكثر مما استوعبته أعظم نماذج اللغة من خلال النص. يفهم الطفل حدسيًا أن الأشياء لا تختفي ببساطة، وأن الأشياء الثقيلة تسقط، وأن للأفعال عواقب. لقد طوّر نموذجًا للعالم، وهو تمثيلٌ داخلي للواقع المادي، يستخدمه للتنبؤ وتخطيط الأفعال. يفتقر طلاب الماجستير في القانون إلى هذه القدرة الأساسية. يمكنهم إنتاج نصٍّ متماسكٍ بشكلٍ مثيرٍ للإعجاب، لكنهم لا يفهمون العالم.

يتضح هذا القيد مرارًا وتكرارًا في التطبيقات العملية. فإذا طُلب من GPT-4 تصوّر مكعب دوار، فإنه يفشل في مهمة يُمكن لأي طفل إنجازها بسهولة. أما في المهام المعقدة التي تتطلب تخطيطًا متعدد الخطوات، فإن النماذج تفشل بانتظام. ولا يُمكنها التعلم من الأخطاء بشكل موثوق، لأن كل خطأ في التنبؤ بالرموز قد يتفاقم ويتضاعف. تتميز نماذج الانحدار الذاتي بهشاشة أساسية: إذ يُمكن لخطأ في بداية التسلسل أن يُفسد النتيجة بأكملها.

بديل ليكن هو نماذج عالمية مبنية على بنية التضمين التنبؤية المشتركة. الفكرة الأساسية هي أن أنظمة الذكاء الاصطناعي لا ينبغي أن تتعلم من خلال التنبؤ بالنصوص، بل من خلال التنبؤ بتمثيلات مجردة للحالات المستقبلية. فبدلاً من توليد بكسل تلو الآخر أو رمز تلو الآخر، يتعلم النظام تمثيلًا مضغوطًا ومنظمًا للعالم، ويمكنه استخدامه لمحاكاة سيناريوهات مختلفة ذهنيًا قبل التصرف.

تحت قيادة ليكن، طوّرت ميتا بالفعل عدة تطبيقات لهذا النهج. يُظهر نموذجا I-JEPA للصور وV-JEPA للفيديو نتائج واعدة. تتعلم هذه النماذج مكونات الكائنات عالية المستوى وعلاقاتها المكانية دون الاعتماد على جمع بيانات مكثف. كما أنها أكثر كفاءة في استخدام الطاقة بشكل ملحوظ في التدريب مقارنةً بالنماذج التقليدية. تتمثل الرؤية في دمج هذه الأساليب في أنظمة هرمية قادرة على العمل على مستويات مختلفة من التجريد والمقاييس الزمنية.

يكمن الاختلاف الجوهري في طبيعة عملية التعلم. فبينما تُجري برامج ماجستير إدارة الأعمال (LLM) مطابقة الأنماط بشكل مكثف، تهدف نماذج العالم إلى فهم بنية الواقع وسببيته. يستطيع النظام ذو نموذج العالم المتين توقع عواقب أفعاله دون الحاجة إلى تنفيذها فعليًا. ويمكنه التعلم من بعض الأمثلة لأنه يفهم المبادئ الأساسية، وليس مجرد الارتباطات السطحية.

الخلل التنظيمي وأزمة ميتا الوجودية

مع ذلك، لم يكن رحيل ليكون قرارًا علميًا فحسب، بل كان أيضًا نتيجةً لخلل تنظيمي في ميتا. في يونيو 2025، أعلن الرئيس التنفيذي مارك زوكربيرج عن إعادة هيكلة شاملة لأقسام الذكاء الاصطناعي. أسس مختبرات ميتا للذكاء الفائق، وهي وحدة جديدة تهدف إلى تطوير الذكاء الاصطناعي العام. ترأسها ألكسندر وانغ، الرئيس التنفيذي السابق لشركة سكيل إيه آي، البالغ من العمر 28 عامًا، وهي شركة متخصصة في إعداد البيانات. استثمرت ميتا 14.3 مليار دولار في سكيل إيه آي، ووظفت أكثر من 50 مهندسًا وباحثًا من منافسيها.

قلب هذا القرار الهيكل القائم رأسًا على عقب. هُمّش فريق أبحاث الذكاء الاصطناعي الأساسي في LeCun، الذي أمضى سنوات في تطوير PyTorch ونماذج Llama الأولى. وُجّهت FAIR نحو الأبحاث الأساسية بأفق زمني يتراوح بين خمس وعشر سنوات، بينما ركّزت مختبرات الذكاء الاصطناعي الفائق الجديدة على تطوير المنتجات على المدى القصير. وتشير مصادر إلى تزايد الفوضى في أقسام الذكاء الاصطناعي في Meta. وأعربت الكفاءات الجديدة عن إحباطها من بيروقراطية شركة كبيرة، بينما شهدت الفرق الراسخة تراجعًا في نفوذها.

تفاقم الوضع نتيجةً لعمليات إعادة هيكلة متعددة خلال ستة أشهر فقط. في أغسطس 2025، أُعيد تنظيم مختبرات الذكاء الخارق، هذه المرة إلى أربع وحدات فرعية: مختبر TBD الغامض للنماذج الجديدة، وفريق المنتجات، وفريق البنية التحتية، وFAIR. تلت ذلك موجة أخرى من تسريح الموظفين في أكتوبر، حيث تم منح حوالي 600 موظف مكافأة نهاية الخدمة. وكان السبب المعلن هو تقليل التعقيد التنظيمي وتسريع تطوير الذكاء الاصطناعي.

تتناقض عمليات إعادة الهيكلة المستمرة هذه بشكل صارخ مع الاستقرار النسبي لمنافسين مثل OpenAI وGoogle وAnthropic. وتشير إلى حالة من عدم اليقين الجوهري في Meta بشأن التوجه الاستراتيجي الصحيح. وقد أدرك زوكربيرج أن Meta تتخلف عن الركب في سباق الهيمنة على الذكاء الاصطناعي. كان Llama 4، الذي أُطلق في أبريل 2025، مخيبًا للآمال. فبينما أظهر نموذج Maverick كفاءة جيدة، إلا أنه فشل فشلاً ذريعًا في سياقات أطول. وظهرت مزاعم بأن Meta حسّنت معايير الأداء من خلال تدريب النماذج خصيصًا على أسئلة اختبار شائعة، مما أدى إلى تضخيم الأداء بشكل مصطنع.

بالنسبة لليكون، أصبح الوضع لا يُطاق. فقد تعارضت رؤيته للأبحاث الأساسية طويلة المدى مع ضغوط تحقيق نجاحات قصيرة المدى في المنتجات. ولعل خضوعه الفعلي لوانغ الأصغر سنًا ساهم في قراره. في مذكرة وداعه، أكد ليكون أن ميتا سيظل شريكًا في شركته الجديدة، لكن الرسالة واضحة: لم يعد البحث المستقل الذي يعتبره أساسيًا ممكنًا ضمن هيكل الشركة.

بُعدٌ جديدٌ للتحول الرقمي مع "الذكاء الاصطناعي المُدار" - منصة وحلول B2B | استشارات Xpert - الصورة: Xpert.Digital

ستتعلم هنا كيف يمكن لشركتك تنفيذ حلول الذكاء الاصطناعي المخصصة بسرعة وأمان وبدون حواجز دخول عالية.

منصة الذكاء الاصطناعي المُدارة هي حلك الشامل والمريح للذكاء الاصطناعي. فبدلاً من التعامل مع التقنيات المعقدة والبنية التحتية المكلفة وعمليات التطوير الطويلة، ستحصل على حل جاهز مُصمم خصيصًا لتلبية احتياجاتك من شريك متخصص - غالبًا في غضون أيام قليلة.

الفوائد الرئيسية في لمحة:

⚡ تنفيذ سريع: من الفكرة إلى التطبيق العملي في أيام، لا أشهر. نقدم حلولاً عملية تُحقق قيمة فورية.

🔒 أقصى درجات أمان البيانات: بياناتك الحساسة تبقى معك. نضمن لك معالجة آمنة ومتوافقة مع القوانين دون مشاركة البيانات مع جهات خارجية.

💸 لا مخاطرة مالية: أنت تدفع فقط مقابل النتائج. يتم الاستغناء تمامًا عن الاستثمارات الأولية الكبيرة في الأجهزة أو البرامج أو الموظفين.

🎯 ركّز على عملك الأساسي: ركّز على ما تتقنه. نتولى جميع مراحل التنفيذ الفني، والتشغيل، والصيانة لحلول الذكاء الاصطناعي الخاصة بك.

📈 مواكب للمستقبل وقابل للتطوير: ينمو الذكاء الاصطناعي لديك معك. نضمن لك التحسين المستمر وقابلية التطوير، ونكيف النماذج بمرونة مع المتطلبات الجديدة.

المزيد عنها هنا:

• حلول الذكاء الاصطناعي المُدارة - خدمات الذكاء الاصطناعي الصناعي: مفتاح القدرة التنافسية في قطاعات الخدمات والصناعة والهندسة الميكانيكية

التشريح الاقتصادي لتكوين البثور

تُشير التطورات في ميتا إلى ديناميكية اقتصادية أوسع نطاقًا في قطاع الذكاء الاصطناعي. منذ انطلاقة ChatGPT في أواخر عام 2022، شهدت استثمارات غير مسبوقة. في الربع الأول من عام 2025 وحده، تدفقت 73.1 مليار دولار أمريكي إلى شركات الذكاء الاصطناعي الناشئة، وهو ما يُمثل 58% من إجمالي استثمارات رأس المال المُغامر. وبلغت قيمة OpenAI 500 مليار دولار أمريكي، مما يجعلها أول شركة خاصة تتجاوز هذا الحد دون أن تُحقق أي أرباح.

التقييمات غير متناسبة بشكل كبير مع الإيرادات الفعلية. حققت OpenAI إيرادات سنوية بقيمة 10 مليارات دولار في عام 2025، بقيمة سوقية 500 مليار دولار، مما أدى إلى نسبة سعر إلى مبيعات تبلغ 50. وللمقارنة، حتى في ذروة فقاعة الإنترنت، لم تحقق سوى شركات قليلة مثل هذه المضاعفات. تُقدر قيمة Anthropic بـ 170 مليار دولار، بإيرادات تبلغ 2.2 مليار دولار، بنسبة سعر إلى ربحية تبلغ حوالي 77. تشير هذه الأرقام إلى مبالغة كبيرة في التقييم.

تُعدّ هيكلية التمويل الدائرية التي تطورت إشكاليةً بالغة. تستثمر شركة Nvidia 100 مليار دولار في OpenAI، والتي بدورها مُلزمة بشراء رقائق Nvidia بقيمة عشرات المليارات من الدولارات. أبرمت OpenAI صفقات مماثلة مع AMD بقيمة عشرات المليارات من الدولارات. استثمرت Microsoft أكثر من 13 مليار دولار في OpenAI، وتستضيف بنيتها التحتية على Azure. استثمرت Amazon 8 مليارات دولار في Anthropic، والتي بدورها تستخدم AWS كمنصة سحابية رئيسية، وتستخدم رقائق الذكاء الاصطناعي الخاصة بأمازون.

تُذكّرنا هذه الترتيبات بشكلٍ مُخيفٍ بالتمويل الدائري في أواخر التسعينيات، عندما باعت شركات التكنولوجيا المعدات لبعضها البعض، وسجّلت المعاملات كإيرادات دون تحقيق أي قيمة اقتصادية حقيقية. يتحدث المحللون عن شبكةٍ مُتزايدة التعقيد والغموض من العلاقات التجارية التي تُغذّي طفرةً بقيمة تريليون دولار. أوجه التشابه بين فقاعة الدوت كوم والأزمة المالية لعام 2008 جليةٌ: آليات تمويلٍ مُبهمة وغير تقليدية يصعب على المستثمرين فهمها وتقييمها.

يُضاف إلى ذلك تركيز رأس المال. فقد زادت الشركات السبع الكبرى، أكبر سبع شركات تقنية أمريكية، استهلاكها للطاقة بنسبة 19% في عام 2023، بينما ظل متوسط ​​استهلاك شركات مؤشر ستاندرد آند بورز 500 ثابتًا. ويُعزى ما يقرب من 80% من مكاسب سوق الأسهم الأمريكية في عام 2025 إلى شركات مرتبطة بالذكاء الاصطناعي. وأصبحت شركة إنفيديا وحدها أكثر الأسهم شراءً من قِبل المستثمرين الأفراد، حيث استثمروا ما يقرب من 30 مليار دولار في شركة صناعة الرقائق الإلكترونية في عام 2024.

يحمل هذا التركيز المفرط مخاطرَ نظامية. إذا ثبت أن توقعات العائد غير واقعية، فقد يكون لانهيار السوق عواقب وخيمة. تُقدّر جي بي مورغان أن إصدارات السندات الاستثمارية المرتبطة بالذكاء الاصطناعي وحدها قد تصل إلى 1.5 تريليون دولار بحلول عام 2030. ويستند جزء كبير من هذا الدين إلى افتراض أن أنظمة الذكاء الاصطناعي ستُحقق مكاسب إنتاجية هائلة. إذا لم تتحقق هذه التوقعات، فإن أزمة ائتمانية تلوح في الأفق.

مناسب ل:

• تراهن شركة ميتا بكل شيء على الذكاء الفائق: استثمارات بمليارات الدولارات، ومراكز بيانات ضخمة، وسباق ذكاء اصطناعي محفوف بالمخاطر

حرب المواهب والاضطرابات الاجتماعية

تتجلى التوترات الاقتصادية أيضًا في سوق العمل. تبلغ نسبة الوظائف الشاغرة في مجال الذكاء الاصطناعي إلى المرشحين المؤهلين 3.2 إلى 1. هناك 1.6 مليون وظيفة شاغرة، لكن 518 ألف متقدم مؤهل فقط. هذا النقص الحاد يدفع الرواتب إلى مستويات فلكية. يمكن لمتخصصي الذكاء الاصطناعي إضافة عشرات الآلاف من الدولارات إلى دخلهم السنوي من خلال اكتساب مهارات في بايثون أو تينسور فلو أو أطر عمل متخصصة في الذكاء الاصطناعي.

المنافسة شرسة. تتنافس شركات التكنولوجيا الكبرى، والشركات الناشئة ذات التمويل الجيد، وحتى الحكومات، على نفس المجموعة الصغيرة من الخبراء. شهدت OpenAI نزوحًا للمديرين التنفيذيين في الأشهر الأخيرة، بمن فيهم المؤسس المشارك إيليا سوتسكيفر، ورئيسة قسم التكنولوجيا ميرا موراتي. يُطلق العديد من هؤلاء الأفراد الموهوبين شركاتهم الناشئة الخاصة أو ينتقلون إلى شركات منافسة. تُجري Meta استقطابًا مكثفًا من OpenAI وAnthropic وGoogle. تُجري Anthropic استقطابًا من Meta وOpenAI.

لهذه الديناميكية عواقب عديدة. أولًا، تُجزّئ مشهد البحث العلمي. فبدلًا من العمل على تحقيق أهداف مشتركة، تتنافس فرق صغيرة في مؤسسات مختلفة على الإنجازات نفسها. ثانيًا، ترفع التكاليف. فالرواتب الضخمة لمتخصصي الذكاء الاصطناعي لا تُطاق إلا للشركات ذات رأس المال الكبير، مما يُقصي الشركات الصغيرة من السوق. ثالثًا، تُؤخّر المشاريع. إذ تُفيد الشركات بأن الوظائف الشاغرة تبقى شاغرة لأشهر، مما يُعطّل الجداول الزمنية للتطوير.

تمتد التداعيات المجتمعية إلى ما هو أبعد من قطاع التكنولوجيا. فإذا كان الذكاء الاصطناعي يُمثل الثورة الصناعية القادمة بالفعل، فإن ثورةً هائلةً في سوق العمل وشيكة. فعلى عكس الثورة الصناعية الأولى، التي أثرت بشكل رئيسي على العمل البدني، يستهدف الذكاء الاصطناعي المهام المعرفية. ولا يقتصر التهديد على إدخال البيانات البسيط وخدمة العملاء، بل قد يشمل أيضًا المهن التي تتطلب مهارات عالية، مثل المبرمجين والمصممين والمحامين والصحفيين.

تتوقع دراسةٌ لقطاع إدارة الاستثمار انخفاضًا بنسبة 5% في حصة الدخل القائم على العمل بسبب الذكاء الاصطناعي والبيانات الضخمة. يُقارن هذا بالتحولات التي شهدتها الثورة الصناعية، والتي تسببت في انخفاضٍ بنسبة 5% إلى 15%. الفرق الجوهري هو أن التحول الحالي يحدث على مدى سنوات، وليس عقودًا. فالمجتمعات لا تملك سوى القليل من الوقت للتكيف.

الحوسبة في وقت الاختبار والتحول النموذجي

بينما تقترب قوانين التوسع للتدريب المسبق من حدودها القصوى، ظهر نموذج جديد: توسع الحوسبة في وقت الاختبار. أظهرت نماذج O1 من OpenAI إمكانية تحقيق مكاسب كبيرة في الأداء من خلال زيادة قوة الحوسبة أثناء الاستدلال. فبدلاً من مجرد زيادة حجم النموذج، تتيح هذه الأنظمة للنموذج التفكير في الاستعلام لفترة أطول، واتباع أساليب متعددة لحله، والتحقق الذاتي من إجاباته.

ومع ذلك، تُظهر الأبحاث أن لهذا النموذج حدودًا أيضًا. فالتدرج التسلسلي، الذي يكرر فيه النموذج نفس المشكلة عدة مرات، لا يؤدي إلى تحسينات مستمرة. وتُظهر دراسات على نماذج مثل Deepseeks R1 وQwQ أن عمليات التفكير الأطول لا تُنتج نتائج أفضل تلقائيًا. فكثيرًا ما يُصحّح النموذج الإجابات الصحيحة بدلًا من الإجابات الخاطئة، وليس العكس. كما أن القدرة على المراجعة الذاتية اللازمة للتدرج التسلسلي الفعال غير مُطوّرة بما يكفي.

يُظهر التوسع المتوازي، حيث يتم توليد حلول متعددة في وقت واحد واختيار الأفضل، نتائج أفضل. ومع ذلك، هنا أيضًا، تتناقص الفائدة الهامشية مع كل مضاعفة لقوة الحوسبة المُستثمرة. تنخفض كفاءة التكلفة بسرعة. بالنسبة للتطبيقات التجارية التي تحتاج إلى الإجابة على ملايين الاستفسارات يوميًا، تكون التكاليف باهظة.

قد يكمن الاختراق الحقيقي في الجمع بين مناهج مختلفة. تَعِد البنى الهجينة التي تجمع بين المحولات ونماذج فضاء الحالة بتوحيد نقاط قوة كليهما. تُقدم نماذج فضاء الحالة، مثل مامبا، سلوكًا خطيًا للتوسع في الاستدلال، بينما تتفوق المحولات في استيعاب التبعيات طويلة المدى. يمكن لهذه الأنظمة الهجينة أن تُعيد التوازن إلى معادلة التكلفة والجودة.

العمارة البديلة والمستقبل بعد المتحولون

إلى جانب نماذج العالم، يبرز عدد من البنى البديلة التي قد تتحدى هيمنة المحولات. وقد أحرزت نماذج فضاء الحالة تقدمًا ملحوظًا في السنوات الأخيرة. تُثبت نماذج S4 وMamba وHyena إمكانية الاستدلال الفعال في سياق طويل مع تعقيد خطي. في حين أن المحولات تتوسع تربيعيًا مع طول التسلسل، تحقق نماذج فضاء الحالة توسعًا خطيًا في كلٍّ من التدريب والاستدلال.

قد تكون هذه المكاسب في الكفاءة حاسمة عند نشر أنظمة الذكاء الاصطناعي في بيئات الإنتاج. غالبًا ما يتم التقليل من تكلفة الاستدلال. التدريب استثمار لمرة واحدة، لكن الاستدلال يعمل باستمرار. ChatGPT لا يعمل أبدًا دون اتصال بالإنترنت. مع مليارات الاستعلامات اليومية، حتى التحسينات الطفيفة في الكفاءة تُحقق وفورات هائلة في التكاليف. يتمتع النموذج الذي يتطلب نصف قوة الحوسبة لنفس الجودة بميزة تنافسية هائلة.

يكمن التحدي في نضج هذه التقنيات. تتمتع المحولات بسبقٍ يقارب ثماني سنوات، ولديها منظومةٌ واسعة من الأدوات والمكتبات والخبرات. يجب ألا تقتصر البنى البديلة على تفوقها التقني فحسب، بل يجب أن تكون قابلةً للاستخدام العملي أيضًا. تاريخ التكنولوجيا حافلٌ بحلولٍ متفوقة تقنيًا فشلت في السوق بسبب نقص المنظومة.

من المثير للاهتمام أن المنافسين الصينيين يعتمدون أيضًا على مناهج بديلة. يستخدم DeepSeek V3، وهو نموذج مفتوح المصدر يحتوي على 671 مليار معلمة، بنيةً تعتمد على مزيج من الخبراء، حيث يتم تفعيل 37 مليار معلمة فقط لكل رمز. يحقق النموذج أداءً مماثلاً للمنافسين الغربيين في معايير الأداء، ولكن تم تدريبه بتكلفة زهيدة. بلغ وقت التدريب 2.788 مليون ساعة فقط باستخدام وحدة معالجة الرسومات H800، وهو أقل بكثير من النماذج المماثلة.

يُظهر هذا التطور أن الريادة التكنولوجية لا تقتصر بالضرورة على اللاعبين الأكثر نفوذًا ماليًا. فالقرارات والتحسينات الهيكلية الذكية يمكن أن تُعوّض عن مزايا الموارد. بالنسبة لمشهد الذكاء الاصطناعي العالمي، يعني هذا زيادة التعددية القطبية. تُطوّر الصين وأوروبا ومناطق أخرى مناهجها الخاصة التي لا تُمثّل مجرد نسخ من النماذج الغربية.

إعادة التقييم والصداع الحتمي

يشير تضافر هذه العوامل إلى إعادة تقييم وشيكة لصناعة الذكاء الاصطناعي. تستند التقييمات الحالية إلى افتراض النمو المتسارع المستمر، سواءً في أداء النماذج أو في التبني التجاري. ويزداد التشكيك في كلا الافتراضين. في حين يشهد أداء النماذج ركودًا، تستمر التكاليف في الارتفاع. ورغم تزايد التبني التجاري، لا يزال تحقيق الربح يمثل تحديًا.

ستحتاج شركة OpenAI، بتقييمها البالغ نصف تريليون دولار، إلى نمو إيراداتها السنوية إلى 100 مليار دولار على الأقل، وتحقيق أرباح في السنوات القادمة لتبرير تقييمها. وهذا يعني زيادة قدرها عشرة أضعاف في غضون سنوات قليلة. بالمقارنة، استغرقت جوجل أكثر من عقد من الزمن لتنمو إيراداتها من 10 مليارات دولار إلى 100 مليار دولار. التوقعات لشركات الذكاء الاصطناعي مرتفعة بشكل غير واقعي.

يُحذّر المحللون من احتمال انفجار فقاعة الذكاء الاصطناعي. أوجه التشابه مع فقاعة الدوت كوم واضحة. ففي ذلك الوقت، كما هو الحال الآن، كانت هناك تكنولوجيا ثورية ذات إمكانات هائلة. وفي ذلك الوقت، كما هو الحال الآن، كانت هناك تقييمات مبالغ فيها بشكل غير منطقي وهياكل تمويل دائرية. وفي ذلك الوقت، كما هو الحال الآن، يُبرّر المستثمرون تقييماتهم السخيفة بحجة أن التكنولوجيا ستُغيّر كل شيء وأن مقاييس التقييم التقليدية لم تعد قابلة للتطبيق.

الفرق الجوهري: على عكس العديد من شركات الإنترنت، تمتلك شركات الذكاء الاصطناعي اليوم منتجات فعّالة وذات قيمة حقيقية. ChatGPT ليس برنامجًا وهميًا، بل تقنية يستخدمها ملايين الأشخاص يوميًا. السؤال ليس ما إذا كان الذكاء الاصطناعي قيّمًا، بل ما إذا كان قيّمًا بما يكفي لتبرير التقييمات الحالية. الإجابة على الأرجح لا.

عندما يحين موعد إعادة التقييم، سيكون الأمر مؤلمًا. استثمرت صناديق رأس المال الاستثماري 70% من رؤوس أموالها في الذكاء الاصطناعي. صناديق التقاعد والمستثمرون المؤسسيون معرضون للخطر بشكل كبير. أي انخفاض كبير في تقييمات الذكاء الاصطناعي سيكون له عواقب مالية بعيدة المدى. الشركات التي تعتمد على التمويل منخفض التكلفة ستواجه صعوبة مفاجئة في جمع رأس المال. ستتوقف المشاريع، وسيتم تسريح الموظفين.

المنظور الطويل الأمد والطريق إلى الأمام

رغم هذه التوقعات القاتمة على المدى القصير، لا تزال إمكانات الذكاء الاصطناعي على المدى الطويل هائلة. ولا يُغيّر الضجيج الحالي من الأهمية الجوهرية لهذه التقنية. والسؤال ليس ما إذا كان الذكاء الاصطناعي سيُحقق وعده، بل كيف ومتى. ويُشير تحوّل ليكون من تطوير المنتجات على المدى القصير إلى البحث الأساسي طويل المدى إلى ذلك.

من المرجح أن يختلف الجيل القادم من أنظمة الذكاء الاصطناعي عن برامج ماجستير إدارة الأعمال الحالية. سيجمع بين عناصر من نماذج العالم، وهياكل بديلة، ونماذج تدريب جديدة. سيعتمد بشكل أقل على التوسع بالقوة الغاشمة، وبشكل أكبر على التمثيلات الفعالة والمنظمة. سيتعلم من العالم المادي، وليس فقط من النصوص. وسيفهم السببية، لا الارتباطات فحسب.

مع ذلك، تتطلب هذه الرؤية وقتًا وصبرًا وحريةً لإجراء بحوث أساسية. هذه الشروط بالذات يصعب توفرها في بيئة السوق الحالية. فالضغط لتحقيق نجاح تجاري سريع هائل. تهيمن التقارير الفصلية وجولات التقييم على جدول الأعمال. يصعب تبرير برامج البحث طويلة الأجل، التي قد تستغرق سنوات لتحقيق نتائج.

قرار لوكان بتأسيس شركة ناشئة في سن الخامسة والستين يُعدّ تصريحًا لافتًا. كان بإمكانه التقاعد متمتعًا بكل التكريمات ومكانة مضمونة في التاريخ. لكنه اختار الطريق الصعب لتحقيق رؤية رفضها التيار السائد في هذا المجال. ستبقى ميتا شريكًا له، مما يعني أن شركته ستمتلك الموارد، على الأقل في البداية. لكن نجاحها الحقيقي سيعتمد على قدرته على إثبات تفوق الذكاء الاصطناعي المتقدم في السنوات القادمة.

سيستغرق التحول سنوات. حتى لو كان ليكن مُحقًا وكانت نماذج العالم متفوقة جوهريًا، فإنها لا تزال بحاجة إلى التطوير والتحسين والتصنيع. يجب بناء النظام البيئي. يجب على المطورين تعلم كيفية استخدام الأدوات الجديدة. يجب على الشركات الانتقال من برامج الماجستير في القانون إلى الأنظمة الجديدة. لطالما كانت مراحل الانتقال هذه مؤلمة تاريخيًا.

من المبالغة إلى الواقع: مسار العمل طويل الأمد في مجال الذكاء الاصطناعي

رحيل يان ليكون عن ميتا لا يُمثل مجرد تغيير في الكوادر، بل يُجسّد التوتر الجوهري بين الرؤية العلمية والبراغماتية التجارية، بين الابتكار طويل الأمد ومتطلبات السوق قصيرة الأمد. تمر ثورة الذكاء الاصطناعي الحالية بمنعطف حاسم. لقد استُنفدت النجاحات السهلة للتوسع. ستكون الخطوات التالية أكثر صعوبةً وتكلفةً وغموضًا.

بالنسبة للمستثمرين، يعني هذا ضرورة مراجعة التقييمات الباهظة لأبطال الذكاء الاصطناعي الحاليين بدقة. وبالنسبة للشركات، يعني هذا أن الأمل في تحقيق معجزات إنتاجية سريعة من خلال الذكاء الاصطناعي قد يخيب. وبالنسبة للمجتمع، يعني هذا أن التحول سيكون أبطأ وأكثر تفاوتًا مما توحي به موجة الضجيج.

في الوقت نفسه، لا يزال الأساس متينًا. الذكاء الاصطناعي ليس مجرد نزوة عابرة، بل تقنية أساسية ستُحدث تحولًا جذريًا في جميع قطاعات الاقتصاد تقريبًا على المدى الطويل. وتبدو أوجه التشابه مع الثورة الصناعية واضحة. وكما كان الحال آنذاك، سيكون هناك رابحون وخاسرون، تجاوزات وتصحيحات، اضطرابات وتعديلات. والسؤال ليس ما إذا كانت بنية المحولات قد وصلت إلى نهاية قدراتها، بل كيف ستبدو المرحلة التالية ومن سيُشكلها.

إن رهان ليكون على الذكاء الاصطناعي المتقدم ونماذج العالم رهان جريء، ولكنه قد يكون بعيد النظر. بعد خمس سنوات، سنعرف ما إذا كان الانفصال عن التيار السائد هو القرار الصحيح أم أن الصناعة قد حافظت على مسارها. ستكون السنوات القادمة حاسمة لتطوير الذكاء الاصطناعي على المدى الطويل، وبالتالي للمستقبل الاقتصادي والاجتماعي.

خبرتنا في الولايات المتحدة في تطوير الأعمال والمبيعات والتسويق - الصورة: Xpert.Digital

التركيز على الصناعة: B2B، والرقمنة (من الذكاء الاصطناعي إلى الواقع المعزز)، والهندسة الميكانيكية، والخدمات اللوجستية، والطاقات المتجددة والصناعة

المزيد عنها هنا:

• مركز إكسبيرت للأعمال

مركز موضوعي يضم رؤى وخبرات:

• منصة المعرفة حول الاقتصاد العالمي والإقليمي والابتكار والاتجاهات الخاصة بالصناعة
• مجموعة من التحليلات والاندفاعات والمعلومات الأساسية من مجالات تركيزنا
• مكان للخبرة والمعلومات حول التطورات الحالية في مجال الأعمال والتكنولوجيا
• مركز موضوعي للشركات التي ترغب في التعرف على الأسواق والرقمنة وابتكارات الصناعة

☑️ لغة العمل لدينا هي الإنجليزية أو الألمانية

☑️ جديد: المراسلات بلغتك الوطنية!

Konrad Wolfenstein

سأكون سعيدًا بخدمتك وفريقي كمستشار شخصي.

يمكنك الاتصال بي عن طريق ملء نموذج الاتصال أو ببساطة اتصل بي على +49 89 89 674 804 (ميونخ) . عنوان بريدي الإلكتروني هو: ولفنشتاين ∂ xpert.digital

إنني أتطلع إلى مشروعنا المشترك.

☑️ دعم الشركات الصغيرة والمتوسطة في الإستراتيجية والاستشارات والتخطيط والتنفيذ

☑️ إنشاء أو إعادة تنظيم الإستراتيجية الرقمية والرقمنة

☑️ توسيع عمليات البيع الدولية وتحسينها

☑️ منصات التداول العالمية والرقمية B2B

☑️ رائدة تطوير الأعمال / التسويق / العلاقات العامة / المعارض التجارية

استفد من الخبرة الواسعة التي تقدمها Xpert.Digital في حزمة خدمات شاملة | البحث والتطوير، والواقع المعزز، والعلاقات العامة، وتحسين الرؤية الرقمية - الصورة: Xpert.Digital

تتمتع Xpert.Digital بمعرفة متعمقة بمختلف الصناعات. يتيح لنا ذلك تطوير استراتيجيات مصممة خصيصًا لتناسب متطلبات وتحديات قطاع السوق المحدد لديك. ومن خلال التحليل المستمر لاتجاهات السوق ومتابعة تطورات الصناعة، يمكننا التصرف ببصيرة وتقديم حلول مبتكرة. ومن خلال الجمع بين الخبرة والمعرفة، فإننا نولد قيمة مضافة ونمنح عملائنا ميزة تنافسية حاسمة.

المزيد عنها هنا:

• استخدم خبرة Xpert.Digital 5x في حزمة واحدة - بدءًا من 500 يورو شهريًا فقط