- يقول باحثو الذكاء الاصطناعي في NeurIPS 2025 إن نهج التوسع الحالي قد وصل إلى الحد الأقصى
- على الرغم من الأداء القوي لـ Gemini 3، يرى الخبراء أن حاملي الماجستير في القانون ما زالوا غير قادرين على التفكير أو فهم السبب والنتيجة
- يظل الذكاء الاصطناعي العام (AGI) بعيدًا دون إجراء إصلاح جذري في كيفية بناء الذكاء الاصطناعي وتدريبه
إن النجاحات الأخيرة التي حققتها نماذج الذكاء الاصطناعي مثل Gemini 3 لا تخفي الرسالة الأكثر واقعية التي ظهرت هذا الأسبوع في مؤتمر NeurIPS 2025 للذكاء الاصطناعي: وهي أننا ربما نبني ناطحات سحاب الذكاء الاصطناعي على الرمال الفكرية.
وبينما احتفلت شركة جوجل بالقفزة التي حققها نموذجها الأحدث، أصدر الباحثون في أكبر مؤتمر للذكاء الاصطناعي في العالم تحذيراً: بغض النظر عن مدى الإعجاب الذي قد يبدو عليه المحصول الحالي من نماذج اللغات الكبيرة، فإن حلم الذكاء العام الاصطناعي يبتعد أكثر ما لم يعيد هذا المجال التفكير في أسسه بالكامل.
اتفق الجميع على أن مجرد توسيع نطاق نماذج المحولات الحالية، ومنحها المزيد من البيانات، والمزيد من وحدات معالجة الرسومات، والمزيد من وقت التدريب، لم يعد يحقق عوائد ذات معنى. يُنظر بشكل متزايد إلى القفزة الكبيرة من GPT-3 إلى GPT-4 على أنها لمرة واحدة؛ كل شيء منذ ذلك الحين أصبح أقل شبهاً بكسر الأسقف الزجاجية من مجرد تلميع الزجاج.
ولا تمثل هذه مشكلة بالنسبة للباحثين فحسب، بل بالنسبة إلى الجميع الذين يقتنعون بفكرة أن الذكاء الاصطناعي العام أصبح قاب قوسين أو أدنى. والحقيقة، بحسب الحاضرين العلميين لهذا العام، أقل سينمائية بكثير. ما قمنا ببنائه هو مطابقات الأنماط الواضحة للغاية. إنهم جيدون في تقديم الإجابات التي تبدو صحيحة. لكن أن تبدو ذكيًا وأن تكون ذكيًا هما شيئان مختلفان تمامًا، وقد أوضحت شركة NeurIPS أن الفجوة لن تسد.
المصطلح الفني الذي يتم تداوله هو “جدار القياس”. هذه هي الفكرة القائلة بأن النهج الحالي – تدريب نماذج أكبر من أي وقت مضى على مجموعات بيانات أكبر من أي وقت مضى – يصطدم بالحدود المادية والمعرفية. نحن نفاد البيانات البشرية عالية الجودة. نحن نحرق كميات هائلة من الكهرباء للحصول على مكاسب هامشية ضئيلة. ولعل الأمر الأكثر إثارة للقلق هو أن النماذج لا تزال ترتكب نوعًا من الأخطاء التي لا يريد أحد أن يرتكبها طبيبه أو طياره أو مختبره العلمي.
ليس الأمر أن الجوزاء 3 لم يبهر الناس. وقامت جوجل بضخ الموارد لتحسين بنية النموذج وتقنيات التدريب، بدلاً من مجرد استخدام المزيد من الأجهزة لحل المشكلة، مما يجعلها تؤدي أداءً جيدًا بشكل لا يصدق. لكن هيمنة جيميني 3 سلطت الضوء على المشكلة. فهو لا يزال يعتمد على نفس البنية التي يعترف الجميع الآن بهدوء أنها ليست مبنية على نطاق الذكاء العام – إنها مجرد أفضل نسخة من نظام محدود بشكل أساسي.
إدارة التوقعات
من بين البدائل الأكثر مناقشة كانت البنى العصبية الرمزية. هذه أنظمة هجينة تجمع بين التعرف على الأنماط الإحصائية للتعلم العميق والمنطق المنظم للذكاء الاصطناعي الرمزي الأقدم.
ودافع آخرون عن “نماذج عالمية” تحاكي كيفية محاكاة البشر داخليًا للسبب والنتيجة. إذا سألت أحد روبوتات الدردشة اليوم عما يحدث إذا أسقطت طبقًا، فقد يكتب شيئًا شعريًا. لكن ليس لديها إحساس داخلي بالفيزياء ولا فهم فعلي لما سيحدث بعد ذلك.
لا تتعلق المقترحات بجعل روبوتات الدردشة أكثر سحرًا؛ إنها تهدف إلى جعل أنظمة الذكاء الاصطناعي جديرة بالثقة في البيئات التي تهمها. لقد أصبحت فكرة AGI مصطلحًا تسويقيًا وهدفًا لجمع التبرعات. ولكن إذا كان أذكى الأشخاص في الغرفة يقولون إننا لا نزال نفتقد المكونات الأساسية، فقد يكون الوقت قد حان لإعادة ضبط التوقعات.
قد يتم تذكر NeurIPS 2025 ليس لما عرضته، ولكن لاعترافها بأن المسار الحالي لهذه الصناعة مربح بشكل مثير للإعجاب ولكنه عالق فكريًا. وللمضي قدمًا، سنحتاج إلى التخلي عن فكرة أن المزيد هو الأفضل دائمًا.
اتبع TechRadar على أخبار جوجل و أضفنا كمصدر مفضل للحصول على أخبار الخبراء والمراجعات والآراء في خلاصاتك. تأكد من النقر على زر المتابعة!
وبالطبع يمكنك أيضًا اتبع TechRadar على TikTok للحصول على الأخبار والمراجعات وفتح الصناديق في شكل فيديو، والحصول على تحديثات منتظمة منا على واتساب أيضاً.
أفضل أجهزة الكمبيوتر المحمولة للأعمال لجميع الميزانيات
التعليقات