الذكاء الاصطناعي قد يواجه صعوبة في التقدم

أظهرت دراسة أجرتها مؤسسة إيبوك، وهي مؤسسة بحثية غير ربحية مختصة في الذكاء الاصطناعي، أن قطاع الذكاء الاصطناعي قد يواجه صعوبة في تحقيق تقدم كبير في الأداء باستخدام نماذج الذكاء الاصطناعي المنطقية على المدى الطويل. وفقًا لتحليل التقرير، يُحتمل أن يتباطأ التقدم في هذه النماذج خلال العام المقبل.

شهدت نماذج المنطق، مثل نموذج "o3" من "OpenAI"، تقدمًا ملحوظًا في مؤشرات الذكاء الاصطناعي في الآونة الأخيرة، خاصة في مجالات الرياضيات والبرمجة. تلك النماذج قادرة على معالجة مشكلات أكثر تعقيدًا مما يعزز أدائها، ولكن يلاحظ أنها تستغرق وقتًا أطول من النماذج التقليدية لإتمام المهام، كما أشار تقرير نشره موقع "تك كرانش" واطلعت عليه "العربية Business".

تتم عملية تطوير نماذج الاستدلال عبر تدريب نموذج تقليدي أولًا على كمية ضخمة من البيانات، ثم تطبيق تقنية تعرف بـ "التعلم التعزيزي" التي توفر للنموذج ملاحظات تساعده في تحسين حلوله للمشاكل المعقدة. حتى الآن، لم تستخدم مختبرات الذكاء الاصطناعي البارزة، مثل "OpenAI"، كميات ضخمة من قوة الحوسبة في مرحلة التعلم التعزيزي في تدريب نماذج الاستدلال، وفقًا لما ذكرته شركة إيبوك.

صرحت "OpenAI" بأنها استخدمت قوة حوسبة أكبر بعشر مرات لتدريب نموذج "o3" مقارنة بسابقه "o1"، ويتوقع خبراء "إيبوك" أن معظم هذه القوة الحاسوبية قد خُصصت للتعلم التعزيزي. من جانبه، أشار الباحث في "OpenAI"، دان روبرتس، إلى أن خطط الشركة المستقبلية ستولي اهتمامًا أكبر للتعلم التعزيزي باستخدام موارد حوسبة أكبر بكثير.

ومع ذلك، هناك حدود لما يمكن أن تحققه الحوسبة في عملية التعلم التعزيزي، بحسب تقرير "إيبوك". وفقًا لجوش يو، المحلل في إيبوك، تتضاعف مكاسب الأداء من تدريب النماذج التقليدية سنويًا أربع مرات، بينما تتضاعف تلك الناتجة عن التعلم التعزيزي كل ثلاثة إلى خمسة أشهر بمقدار عشرة أضعاف. ويضيف أن التقدم في تدريب التفكير المنطقي قد يصل إلى أقصى حد بحلول عام 2026.

يشير تحليل "إيبوك" إلى بعض الافتراضات، ويستند جزئيًا إلى التصريحات العامة من مسؤولي شركات الذكاء الاصطناعي. لكن التقرير يلفت أيضًا إلى أن نماذج الاستدلال قد تواجه تحديات إضافية تتجاوز الحوسبة، مثل التكاليف العالية التي تتطلبها الأبحاث. يقول يو: "إذا استمرت التكاليف العامة المرتبطة بالأبحاث، فقد لا تتوسع نماذج الاستدلال بالشكل المتوقع". كما يوضح أن التوسع السريع في الحوسبة يعد عاملًا أساسيًا في تطور هذه النماذج، لذا من المهم متابعة هذا الموضوع عن كثب.

ويضيف يو أن أي إشارات على أن نماذج الاستدلال قد تحقق قفزات قوية في المستقبل القريب قد تثير القلق في قطاع الذكاء الاصطناعي، الذي استثمر موارد ضخمة في تطوير هذه النماذج. وأخيرًا، تشير الدراسات إلى أن نماذج الاستدلال، رغم كونها مكلفة للغاية في التشغيل، قد تعاني من بعض العيوب، مثل زيادة الهلوسة مقارنة ببعض النماذج التقليدية.