ما الذي يقوله قادة الذكاء الاصطناعي حقاً هذا العام؟

تحول الحديث حول الذكاء الاصطناعي من حجم النموذج إلى جودة عملية التفكير. على مدى السنوات القليلة الماضية، ركزت الصناعة على قوانين القياس، وهي الفكرة القائلة بأن المزيد من البيانات والمزيد من الرقائق سيؤدي حتماً إلى أنظمة أكثر ذكاءً. الآن، يشير قادة المختبرات الكبرى إلى تحول جذري؛ فالخلاصة الأساسية هي أن الحجم الخام بدأ يصل إلى عوائد متناقصة. بدلاً من ذلك، انتقل التركيز إلى ما يسميه الباحثون الحوسبة أثناء الاستنتاج (inference-time compute). وهذا يعني منح النموذج مزيداً من الوقت للتفكير قبل أن يتحدث. في عام 2026، نشهد نهاية عصر روبوتات الدردشة وبداية عصر التفكير المنطقي. هذا التغيير ليس مجرد تعديل تقني، بل هو انتقال جوهري بعيداً عن الاستجابات السريعة والبديهية التي ميزت الأنظمة المبكرة نحو شكل أكثر تأنياً واستراتيجية من الذكاء. المستخدمون الذين توقعوا أن تصبح النماذج أسرع فقط يكتشفون أن الأدوات الأكثر تقدماً أصبحت في الواقع أبطأ، لكنها أصبحت أكثر قدرة بشكل ملحوظ على حل المشكلات الصعبة في الرياضيات والعلوم والمنطق.

الانتقال من السرعة إلى الاستراتيجية

لفهم ما يحدث، يجب أن ننظر إلى كيفية عمل هذه النماذج فعلياً. عملت معظم نماذج اللغات الكبيرة المبكرة وفقاً لما يسميه علماء النفس تفكير النظام 1 (System 1)، وهو تفكير سريع وغريزي وعاطفي. عندما تطرح سؤالاً على نموذج قياسي، فإنه يتوقع الرمز التالي فوراً بناءً على الأنماط التي تعلمها أثناء التدريب، دون أن يخطط لإجابته حقاً، بل يبدأ في الكلام مباشرة. الاتجاه الجديد، الذي تتبناه شركات مثل OpenAI، يتضمن الانتقال نحو تفكير النظام 2 (System 2)، وهو أبطأ وأكثر تحليلية ومنطقية. يمكنك رؤية هذا أثناء العمل عندما يتوقف النموذج مؤقتاً للتحقق من خطواته أو تصحيح منطقه في منتصف الطريق. تُعرف هذه العملية بمعالجة سلسلة الأفكار (chain of thought processing)، وهي تسمح للنموذج بتخصيص المزيد من الطاقة الحوسبية أثناء لحظة توليد الاستجابة بدلاً من الاعتماد فقط على ما تعلمه قبل أشهر خلال مرحلة تدريبه.

يصحح هذا التحول مفهوماً خاطئاً شائعاً؛ فالكثيرون يعتقدون أن الذكاء الاصطناعي هو قاعدة بيانات ثابتة للمعلومات، بينما في الواقع، يتحول الذكاء الاصطناعي الحديث إلى محرك تفكير ديناميكي. التباعد بين التصور والواقع واضح؛ فبينما لا يزال الجمهور يعامل هذه الأدوات كمحركات بحث، تقوم الصناعة ببنائها لتكون حلولاً مستقلة للمشكلات. هذا التحرك نحو **الحوسبة أثناء الاستنتاج** يعني أن تكلفة استخدام الذكاء الاصطناعي تتغير؛ فلم يعد الأمر يتعلق فقط بتكلفة تدريب النموذج لمرة واحدة، بل بكمية الكهرباء وقوة المعالجة التي يستهلكها كل استعلام فردي. هذا له آثار هائلة على نماذج أعمال شركات التكنولوجيا، حيث ينتقلون من التفاعلات الرخيصة ذات الحجم الكبير نحو مهام التفكير المعقدة وعالية القيمة التي تتطلب موارد كبيرة لكل مخرجات. يمكنك قراءة المزيد حول هذه التحولات في ملاحظات البحث الرسمية من المختبرات الرائدة.

التكلفة الجيوسياسية للحوسبة

يتركز التأثير العالمي لهذا التحول على أمرين: الطاقة والسيادة. بما أن النماذج تتطلب وقتاً أطول للتفكير، فهي تتطلب طاقة أكبر. لم يعد هذا مجرد مصدر قلق لوادي السيليكون، بل أصبح قضية أمن قومي للعديد من الدول. تدرك الحكومات أن القدرة على توفير كميات هائلة من الكهرباء لمراكز البيانات هي شرط أساسي للتنافسية الاقتصادية. نحن نشهد سباقاً لتأمين مصادر الطاقة، من الطاقة النووية إلى مزارع الطاقة الشمسية الضخمة. وهذا يخلق فجوة جديدة بين الدول التي تستطيع تحمل تكاليف البنية التحتية وتلك التي لا تستطيع. التكلفة البيئية آخذة في الارتفاع أيضاً؛ فبينما يمكن للذكاء الاصطناعي المساعدة في تحسين شبكات الطاقة، فإن الطلب الفوري على الطاقة يفوق مكاسب الكفاءة. هذا توتر يحاول القادة في Google DeepMind ومؤسسات أخرى حله من خلال بنيات أكثر كفاءة.

• تتعامل الدول الآن مع مجموعات الحوسبة كبنية تحتية حيوية مماثلة لمحطات الطاقة أو الموانئ.
• يخلق الطلب على الأجهزة المتخصصة عنق زجاجة في سلسلة التوريد يؤثر على أسعار الإلكترونيات العالمية.
• أصبحت المناطق الغنية بالطاقة مراكز جديدة للتطوير التكنولوجي بغض النظر عن تاريخها التقني.
• تكافح الهيئات التنظيمية لتحقيق التوازن بين الحاجة إلى الابتكار والبصمة الكربونية الهائلة لهذه الأنظمة.

سوق العمل يشعر أيضاً بآثار هذا التحول. في الماضي، كان الخوف من أن يحل الذكاء الاصطناعي محل المهام اليدوية البسيطة، أما الآن فقد انتقل الهدف إلى العمل المعرفي عالي المستوى. ولأن هذه النماذج الجديدة يمكنها التفكير في المستندات القانونية أو الأبحاث الطبية، فإن التأثير يضرب الطبقة المهنية بقوة أكبر مما كان متوقعاً. لا يتعلق الأمر بالأتمتة فقط، بل بإعادة توزيع الخبرة. أصبح لدى محلل مبتدئ في لندن أو مطور في بنغالور الآن إمكانية الوصول إلى قدرات التفكير لشريك كبير. هذا يسطح الهياكل التنظيمية ويغير قيمة التعليم التقليدي. السؤال لم يعد من يعرف أكثر، بل من يمكنه توجيه قوة تفكير الآلة بشكل أفضل.

ثلاثاء في المكتب المؤتمت

تخيل يوماً في حياة مديرة مشروع تدعى سارة. قبل عام، استخدمت سارة الذكاء الاصطناعي لتلخيص الاجتماعات أو إصلاح الأخطاء الإملائية في رسائل البريد الإلكتروني الخاصة بها. اليوم، يتم بناء سير عملها حول **سير العمل الوكيل (agentic workflows)** التي تعمل بأقل قدر من الإشراف. عندما تبدأ يومها، لا تتحقق من صندوق الوارد الخاص بها، بل تتحقق من لوحة تحكم حيث قام وكيل الذكاء الاصطناعي الخاص بها بفرز رسائلها بالفعل. لم يكتفِ الوكيل بتمييز الرسائل المهمة، بل نظر في تقويمها، وحدد تعارضاً لاجتماع يوم الخميس، وتواصل مع المشاركين الثلاثة الآخرين لاقتراح وقت جديد بناءً على توفرهم العام. كما قام بصياغة ملخص للمشروع بناءً على محادثة أجرتها بعد ظهر اليوم السابق، حيث سحب البيانات من محرك أقراص مشترك وتحقق من أرقام الميزانية مقابل أحدث تقرير محاسبي.

بحلول الظهر، تراجع سارة عقداً معقداً. بدلاً من قراءة جميع الصفحات الخمسين، تطلب من النموذج العثور على أي بنود تتعارض مع سياسة الشركة بشأن الملكية الفكرية. يستغرق النموذج عدة دقائق للرد؛ هذه هي مرحلة التفكير. إنه يتحقق من كل جملة مقابل قاعدة بيانات لقواعد الشركة. تعرف سارة أن الانتظار يستحق ذلك لأن المخرجات ليست مجرد ملخص، بل هي تدقيق منطقي. تجد خطأً صغيراً في الطريقة التي فسر بها النموذج قانون ضرائب معيناً، لكنها منبهرة بمدى إنجاز العمل الشاق بالفعل. في وقت لاحق من ذلك المساء، تلقت إشعاراً بأن الوكيل قد أنهى تحليلاً تنافسياً لشركة منافسة. لقد قام بجمع الملفات العامة، وتوليف اتجاهات السوق، وإنشاء عرض تقديمي جاهز بنسبة ثمانين بالمائة لاجتماع مجلس الإدارة. يمكنك العثور على المزيد من الأمثلة لهذه التطبيقات العملية في أحدث رؤى الصناعة على منصتنا.

المخاطر هنا عملية. سارة لم تعد كاتبة أو مجدولة مواعيد، بل أصبحت منسقة. الارتباك الذي يجلبه الكثير من الناس إلى هذا الموضوع هو فكرة أن الذكاء الاصطناعي سيقوم بعملهم نيابة عنهم. في الواقع، يقوم الذكاء الاصطناعي بالمهام، لكن سارة مسؤولة عن المنطق والتوقيع النهائي. الانتقال هو من القيام بالعمل إلى إدارة العمل. وهذا يتطلب مجموعة مختلفة من المهارات، بما في ذلك القدرة على اكتشاف الهلوسة الدقيقة في سلسلة التفكير. إذا قام النموذج بقفزة منطقية غير صحيحة، يجب أن تكون سارة قادرة على تتبع هذا المنطق وصولاً إلى المصدر. الموضوع يتطور من التوليد البسيط إلى التحقق المعقد.

الدين الأخلاقي للذكاء الاصطناعي

يجلب التحول نحو التفكير أسئلة صعبة حول التكاليف الخفية لهذه التكنولوجيا. إذا كان النموذج يفكر لفترة أطول، فمن يدفع ثمن ذلك الوقت؟ التكلفة المالية واضحة، لكن تكلفة الخصوصية أكثر غموضاً. لكي تفكر هذه النماذج بفعالية، فإنها تحتاج إلى مزيد من السياق. إنها بحاجة إلى معرفة المزيد عن عملك، وتفضيلاتك الشخصية، وبياناتك الخاصة. نحن نتجه نحو عالم يكون فيه الذكاء الاصطناعي الأكثر فائدة هو الذي يعرفك بشكل أفضل. هذا يخلق مخاطر خصوصية هائلة. إذا كان وكيلك لديه حق الوصول إلى سجل بريدك الإلكتروني بالكامل وقاعدة بيانات شركتك، فسيتم معالجة هذه المعلومات بواسطة خوادم مملوكة لطرف ثالث. خطر تسرب البيانات أو التنميط غير المصرح به أعلى من أي وقت مضى. سلطت تقارير من وكالات مثل رويترز الضوء على كيف أصبحت عمليات كشط البيانات ومعالجتها أكثر عدوانية مع تزايد الجوع لمعلومات تدريب عالية الجودة.

هناك أيضاً مسألة الإنترنت الميت. مع تحسن نماذج التفكير في توليد محتوى عالي الجودة، يغرق الويب بالنصوص والصور ومقاطع الفيديو الاصطناعية. إذا بدأت نماذج الذكاء الاصطناعي في التدريب على مخرجات نماذج ذكاء اصطناعي أخرى، فإننا نخاطر بحدوث حلقة تغذية راجعة قد تؤدي إلى تدهور جودة المعرفة البشرية بمرور الوقت. هذه هي نظرية انهيار النموذج. كيف نحافظ على قيمة الحدس البشري والفكر الأصلي في بيئة يكون فيها التفكير الاصطناعي أرخص وأسرع؟ يجب أن نسأل أيضاً عن تآكل المهارات البشرية. إذا كان الذكاء الاصطناعي قادراً على التعامل مع كل التفكير لقضية قانونية أو تشخيص طبي، فهل سيكون لدى الجيل القادم من الأطباء والمحامين المهارات الأساسية للقبض على الآلة عندما تفشل؟ الاعتماد على هذه الأنظمة يخلق مجتمعاً هشاً قد يفقد القدرة على العمل بدونها.

هل لديك قصة، أداة، اتجاه، أو سؤال عن الذكاء الاصطناعي تعتقد أنه يجب علينا تغطيته؟ أرسل لنا فكرتك للمقالة — نود أن نسمعها.

بنية المستخدم المتقدم

بالنسبة لأولئك الذين يرغبون في تجاوز الواجهة الأساسية، فإن المتطلبات التقنية تتغير. لم يعد الأمر يتعلق فقط بامتلاك اتصال إنترنت سريع. يبحث المستخدمون المتقدمون الآن في كيفية دمج نماذج التفكير هذه في بيئاتهم المحلية. يتضمن ذلك إدارة حدود واجهة برمجة التطبيقات (API) وفهم المقايضات بين زمن الوصول والدقة. عندما تستخدم نموذج تفكير، فأنت غالباً ما تتعامل مع رموز أقل في الثانية. هذا لأن النموذج يقوم بإجراء فحوصات داخلية. بالنسبة للمطورين، هذا يعني أن التطبيقات في الوقت الفعلي مثل المساعدين الصوتيين أو الدردشة المباشرة قد تظل بحاجة إلى استخدام نماذج أصغر وأسرع، بينما يتم تفريغ التفكير الثقيل إلى خلفية أكثر قدرة.

• أصبح التخزين المحلي أمراً بالغ الأهمية لتقنية التوليد المعزز بالاسترجاع (RAG) لضمان وصول النموذج إلى البيانات الخاصة دون إرسالها بالكامل إلى السحابة.
• تسمح تقنيات التكميم (Quantization) للمستخدمين بتشغيل إصدارات أصغر من هذه النماذج على أجهزة المستهلك، وإن كان ذلك مع انخفاض طفيف في عمق التفكير.
• أصبحت إدارة تكلفة واجهة برمجة التطبيقات مصدر قلق رئيسي للشركات الناشئة، حيث أن سعر الألف رمز لنماذج التفكير أعلى بكثير من النماذج القياسية.
• يتجه دمج سير العمل نحو المعالجة غير المتزامنة، حيث يرسل المستخدم مهمة وينتظر إشعاراً بدلاً من توقع رد فوري.

يركز قسم المهووسين في المجتمع أيضاً على حدود هذه النماذج. حتى أفضل محركات التفكير لديها حد لنافذة السياق. هذا هو مقدار المعلومات التي يمكن للنموذج الاحتفاظ بها في ذاكرته النشطة في وقت واحد. وبينما تنمو هذه النوافذ، فإنها لا تزال تمثل عنق زجاجة لمعالجة مكتبات كاملة من التعليمات البرمجية أو السجلات القانونية الطويلة. تعد إدارة هذه الذاكرة من خلال قواعد بيانات المتجهات والفهرسة الفعالة هي الحدود الحالية لهندسة الذكاء الاصطناعي. نحن نشهد أيضاً صعوداً في أدوات الاستضافة المحلية مثل Ollama أو LM Studio، والتي تسمح للمستخدمين بتشغيل النماذج دون اتصال بالإنترنت تماماً. هذا هو الحل الأمثل للخصوصية، لكنه يتطلب موارد GPU كبيرة لا تزال معظم أجهزة الكمبيوتر المحمولة تفتقر إليها.

الطريق إلى الأمام

التغيير الجوهري الذي نشهده هو الانتقال من الذكاء الاصطناعي كأداة إلى الذكاء الاصطناعي كشريك. الإشارات من الصناعة واضحة؛ لقد تجاوزنا النقطة التي كان فيها مجرد إضافة المزيد من البيانات هو الحل. المستقبل يتعلق بكيفية استخدام النماذج لوقتها وكيفية تفاعلها مع المنطق البشري. هذا يخلق بيئة أكثر تعقيداً لكل المعنيين. يجب أن يصبح المستخدمون أفضل في تدقيق الآلات، ويجب أن تصبح الشركات أفضل في إدارة تكاليف الطاقة والمال الهائلة لهذه الأنظمة. يتم استبدال التصور العام بأن الذكاء الاصطناعي هو مجرد نسخة أفضل من Google بحقيقة أن الذكاء الاصطناعي هو شكل جديد من العمل الرقمي. السؤال الحي الذي لا يزال قائماً هو ما إذا كان بإمكاننا بناء هذه الأنظمة لتكون موثوقة حقاً أم أن تعقيد التفكير سيشمل دائماً هامشاً من الخطأ يتطلب إشرافاً بشرياً. مع استمرار تطور التكنولوجيا، ستصبح الحدود بين الفكر البشري ومنطق الآلة أكثر صعوبة في التحديد.

ملاحظة المحرر: لقد أنشأنا هذا الموقع كمركز إخباري وإرشادي متعدد اللغات للذكاء الاصطناعي للأشخاص الذين ليسوا خبراء في الكمبيوتر، ولكنهم ما زالوا يرغبون في فهم الذكاء الاصطناعي، واستخدامه بثقة أكبر، ومتابعة المستقبل الذي بدأ بالفعل في الوصول.