الذكاء الاصطناعي التوليدي.. من صيحة إلى إنتاجية

Vitomir Kovanovic

قبل أقل من عامين، بدأ إطلاق ChatGPT في إحداث جنون الذكاء الاصطناعي. وقال البعض إن هذه التكنولوجيا من شأنها أن تؤدي إلى ثورة صناعية رابعة، وإعادة تشكيل العالم كما نعرفه بالكامل.

في مارس 2023، توقعت Goldman Sachs فقدان 300 مليون وظيفة أو تدهورها بسبب الذكاء الاصطناعي. وبدا أن تحولًا كبيرًا كان في طريقه.

بعد ثمانية عشر شهرًا، لم ينجح الذكاء الاصطناعي التوليدي في تحويل الأعمال. فقد تم إلغاء العديد من المشاريع التي تستخدم هذه التكنولوجيا، مثل محاولة McDonald’s لأتمتة طلبات القيادة التي أصبحت شائعة على TikTok بعد أن أدت إلى فشل كوميدي. وواجهت جهود الحكومة لإنشاء أنظمة تلخص المساهمات العامة وتحسب استحقاقات الرعاية الاجتماعية المصير نفسه.

دورة الضجيج حول الذكاء الاصطناعي

مثل العديد من التقنيات الجديدة، يتبع الذكاء الاصطناعي التوليدي مسارًا يُعرف بدورة الضجيج التي وصفها لأول مرة مكتب الأبحاث التقنية الأميركي Gartner.

هذا النموذج المستخدم على نطاق واسع يصف عملية متكررة، حيث يؤدي النجاح الأولي لتكنولوجيا ما إلى توقعات عامة مبالغ فيها تفشل في النهاية في التحقق. بعد “ذروة التوقعات المبالغ فيها” تأتي “قاع خيبة الأمل”، تليها “منحدر الاستنارة” الذي يصل في النهاية إلى “هضبة الإنتاجية”.

أصدر تقرير Gartner في يونيو قائمة بمعظم تقنيات الذكاء الاصطناعي التوليدي، حيث كانت إما في ذروة التوقعات المبالغ فيها أو لا تزال في ارتفاع. وجادل التقرير بأن معظم هذه التقنيات تحتاج من عامين إلى خمسة أعوام لتصبح منتجة بالكامل.

تم تطوير كثير من النماذج المثيرة لمنتجات الذكاء الاصطناعي التوليدي، لكن تبنيها في الممارسة العملية كان أقل نجاحًا. وأظهرت دراسة نشرتها مجموعة RAND الأميركية، مؤخرًا، أن 80% من مشاريع الذكاء الاصطناعي تفشل، وهو أكثر من ضعف معدل الفشل لمشاريع غير الذكاء الاصطناعي.

نواقص تكنولوجيا الذكاء الاصطناعي التوليدي الحالية

تسرد دراسة RAND العديد من الصعوبات المتعلقة بالذكاء الاصطناعي التوليدي، بدءًا من متطلبات الاستثمار العالية في البيانات والبنية التحتية للذكاء الاصطناعي، وصولًا إلى نقص المواهب البشرية اللازمة. ومع ذلك، فإن الطبيعة غير المعتادة لقيود الذكاء الاصطناعي التوليدي تمثل تحديًا حاسمًا.

على سبيل المثال، يمكن أن تحل أنظمة الذكاء الاصطناعي التوليدي بعض اختبارات القبول الجامعي المعقدة جدًا، لكنها تفشل في تنفيذ مهام بسيطة. هذا يجعل من الصعب جدًا تقييم إمكانيات هذه التقنيات، مما يؤدي إلى ثقة زائفة.

بعد كل شيء، إذا كانت قادرة على حل معادلات تفاضلية معقدة أو كتابة مقالة، فيجب أن تكون قادرة على أخذ الطلبات البسيطة في خدمة القيادة، أليس كذلك؟

أظهرت دراسة حديثة أن قدرات النماذج اللغوية الكبيرة مثل GPT-4 لا تتطابق دائمًا مع توقعات الناس منها. على وجه الخصوص، كانت النماذج الأكثر قدرة تعاني بشكل كبير في الحالات عالية المخاطر، حيث يمكن أن تكون الاستجابات غير الصحيحة كارثية.

وتشير هذه النتائج إلى أن هذه النماذج يمكن أن تولد ثقة زائفة لدى مستخدميها. ونظرًا لأنها تجيب بطلاقة عن الأسئلة، يمكن للبشر أن يصلوا إلى استنتاجات مفرطة التفاؤل بشأن قدراتها ويستخدموا النماذج في مواقف لا تناسبها.

وتظهر التجارب من المشاريع الناجحة أنه من الصعب جعل نموذج توليدي يتبع التعليمات. فعلى سبيل المثال، غالبًا ما يكشف نظام التوجيه خانمغو التابع لأكاديمية خان عن الإجابات الصحيحة للأسئلة رغم توجيهه بعدم القيام بذلك.

لماذا لا يزال ضجيج الذكاء الاصطناعي التوليدي مستمرًا؟

أولاً، تكنولوجيا الذكاء الاصطناعي التوليدي، رغم تحدياتها، تتحسن بسرعة، حيث تعتبر الحجم والقياس المحركات الرئيسية لهذه التحسينات.

تظهر الأبحاث أن حجم النماذج اللغوية “عدد المعلمات”، بالإضافة إلى كمية البيانات وقوة الحوسبة المستخدمة في التدريب، تسهم جميعها في تحسين أداء النموذج. وبالمقابل، يبدو أن بنية الشبكة العصبية التي تدعم النموذج لها تأثير ضئيل.

وتظهر النماذج اللغوية الكبيرة أيضًا ما يُعرف بالقدرات الناشئة، وهي قدرات غير متوقعة في المهام التي لم يتم تدريبها عليها. وقد أبلغ الباحثون عن ظهور قدرات جديدة عندما تصل النماذج إلى حجم حرج محدد.

لقد وجدت الدراسات أن النماذج اللغوية الكبيرة المعقدة بما فيه الكفاية يمكن أن تطور القدرة على التفكير بالمقارنة، وكذلك إعادة إنتاج الأوهام البصرية كما يختبرها البشر. والأسباب الدقيقة لهذه الملاحظات محل جدل، لكن لا شك أن النماذج اللغوية الكبيرة أصبحت أكثر تعقيدًا.

لذا، لا تزال شركات الذكاء الاصطناعي تعمل على نماذج أكبر وأكثر تكلفة، وتراهن شركات التكنولوجيا مثل Microsoft وApple على العوائد من استثماراتها الحالية في الذكاء الاصطناعي التوليدي. ووفقًا لتقدير حديث، سيحتاج الذكاء الاصطناعي التوليدي إلى تحقيق 600 مليار دولار أميركي في إيرادات سنوية لتبرير الاستثمارات الحالية. ومن المحتمل أن يرتفع هذا الرقم إلى تريليون دولار في السنوات المقبلة.

في الوقت الحالي، الرابح الأكبر من طفرة الذكاء الاصطناعي التوليدي هو شركة إنفيديا، أكبر منتج للرقائق التي تدعم سباق التسلح بالذكاء الاصطناعي التوليدي. وباعتبارها شركة رائدة في مجال البحث عن الذهب، أصبحت إنفيديا مؤخرًا الشركة العامة الأكثر قيمة في التاريخ، حيث تضاعف سعر سهمها ثلاث مرات في عام واحد لتصل قيمته إلى 3 تريليون دولار أميركي في يونيو الماضي.

ما الذي سيأتي بعد ذلك؟

مع بدء انخفاض ضجيج الذكاء الاصطناعي وانتقالنا عبر فترة خيبة الأمل، نشهد أيضًا استراتيجيات اعتماد أكثر واقعية للذكاء الاصطناعي.

أولاً، يُستخدم الذكاء الاصطناعي لدعم البشر، بدلاً من استبدالهم. فقد وجدت دراسة حديثة للشركات الأميركية أنها تستخدم الذكاء الاصطناعي بشكل رئيسي لتحسين الكفاءة “49%”، وتقليل تكاليف العمالة “47%”، وتعزيز جودة المنتجات “58%”.

ثانيًا، نشهد أيضًا زيادة في النماذج الأصغر والأرخص للذكاء الاصطناعي التوليدي، المدربة على بيانات محددة والمُعتمدة محليًا لتقليل التكاليف وتحسين الكفاءة. حتى OpenAI، التي قادت السباق نحو النماذج الأكبر، أصدرت نموذج GPT-4o Mini لتقليل التكاليف وتحسين الأداء.

ثالثًا، نرى تركيزًا قويًا على تقديم تدريب في مجال الثقافة حول الذكاء الاصطناعي وتعليم القوى العاملة كيفية عمل الذكاء الاصطناعي، وإمكاناته وقيوده، وأفضل الممارسات لاستخدامه بشكل أخلاقي. ومن المحتمل أن نحتاج إلى تعلم وإعادة تعلم كيفية استخدام تقنيات الذكاء الاصطناعي المختلفة لسنوات مقبلة.

في النهاية، ستبدو ثورة الذكاء الاصطناعي أشبه بتحول تدريجي. وسيتزايد استخدامه تدريجيًا مع مرور الوقت، وسيغير ويحول الأنشطة البشرية شيئًا فشيئًا، وهو ما يعتبر أفضل بكثير من استبدالها.

 المصدر:  The Conversation