منغ ياو من أقو في سي
الكمية الكوانتومية | الحساب العام QbitAI
عندما يبدأ الذكاء الاصطناعي في المشاركة في تطوير الجيل التالي من الذكاء الاصطناعي، فقد يكون البشر قد وقفوا بالفعل على عشية «الانفجار الذكي».
يا سلام! مفهوم التحسين الذاتي التكراري (RSI) الشهير مؤخراً بشكل كبير جداً دخل فيه حتى «عمداء الذكاء الاصطناعي»،هينتونبنفسه؟؟
أول ورقة بحثية للتحسين الذاتي التكراري (RSI) من كل من الحائزين على نوبل في الفيزياء وجائزة تورينغهينتونتتناول منذ البداية مسألة صادمة تماماً:
ماذا لو بدأ الذكاء الاصطناعي في المشاركة على نطاق واسع في صناعة الجيل التالي من الذكاء الاصطناعي.
ثم يعود الجيل التالي من الذكاء الاصطناعي لمواصلة تسريع البحث والتطوير.
مع استمرار هذه الدورات… هل قد ينتج مباشرة منحنى انفجار ذكي؟
عنوان الورقة هو《ماذا لو أدّت أتمتة البحث والتطوير في الذكاء الاصطناعي إلى انفجار ذكاء؟》。
والمؤلفون المشاركون في كتابة الورقة يشكلون أيضاً تشكيلة نجوم كبرى في الأوساط الأكاديمية للذكاء الاصطناعي:
من بين 22 مؤلفاً، يوجد عمداء الذكاء الاصطناعي Geoffrey Hinton وYoshua Bengio، ورائد التعلم المعزز Andrew Barto، والعالم الرئيسي في OpenAI Jakub Pachocki وغيرهم من الباحثين.
هؤلاء كبار علماء الذكاء الاصطناعي مجتمعين يناقشون بالضبط مسألة «الانفجار الذكي» الأقدم في خيال علمي مجال الذكاء الاصطناعي، ونستعرض أولاً أهم آراء الورقة——
- بمجرد أن يتمكن الذكاء الاصطناعي من المشاركة الكاملة فيصناعة الجيل التالي من الذكاء الاصطناعي، قد يتحقق التحسين الذاتي التكراري فعلاً بشكل مغلق.
- بمجرد تجاوز أتمتة البحث والتطوير في الذكاء الاصطناعي نقطة حرجة معينة، فإن التقدم في الذكاء الاصطناعي الذي يستغرق سنوات قد يُضغط إلىبضعة أشهر، أو حتى أقل من ذلك.
- من الناحية النظرية، قد يقفز حجم البحث والتطوير في مختبرات الذكاء الاصطناعي المستقبلية مباشرة من بضعة آلاف من الأشخاص إلىمليونباحث.
- التقدم في الذكاء الاصطناعي الذي يتحقق اليوم في سنة واحدة، في الحالات القصوى، قد يتطلب مستقبلاً حوالي5 أسابيع。
- فقط. والانفجار الذكي لا يتطلب بالضرورة أن يصبح الذكاء الاصطناعي أولاً خارقاً للذكاء، يكفي فقط أن تكون أبحاث الذكاء الاصطناعيكفاءة الأتمتةمرتفعة بما يكفي، فقد تبدأ حلقة التغذية الراجعة أولاً.
إذن... هينتون... العجوز... كبار العلماء... ماذا قالوا بالضبط حول RSI... بسرعة...
الذكاء الاصطناعي بدأ فعلاً يدخل خط الإنتاج الخاص بـ«صناعة الجيل التالي من الذكاء الاصطناعي»
الانفجار الذكيهذا المصطلح قديم جداً في الواقع.
ففي وقت مبكر من عام 1965، تصوّل عالم الرياضيات I.J. Good آلة فائقة الذكاء.
فإذا كانت هناك آلة تجيد تصميم الآلات أكثر من الإنسان، فيمكنها أن تستمر في تصميم نسخة أذكى.
وتشارك النسخة الجديدة في الجولة التالية من التحسين، جولة تلو الأخرى، حتى تتشكل في النهاية حلقة تغذية راجعة ذاتية التعزيز.
وكان حكم Good الجوهري في حينه بسيطاً جداً —
فإذا كانت مسألة «تحسين الآلات» بحد ذاتها يمكن للآلات أن تؤديها بشكل أفضل فأفضل، فقد يؤدي نمو القدرات بدوره إلى تسريع نمو القدرات باستمرار.
أصبح هذا التصور لاحقاً المصدر النظري الأكثر كلاسيكية لـ«الانفجار الذكي»، وهو ما يتماشى في الواقع مع التحسين الذاتي التكراري (RSI) الذي أثار ضجة كبيرة هذا العام.
غير أن تركيز النقاش حول RSI قد تغيّر بهدوء اليوم.
فما يهم الجميع لم يعد مجرد قدرة ذكاء اصطناعي واحد على تعديل الكود وضبط المعاملات بنفسه، بل مسألة أكثر واقعية:
هل يمكن للذكاء الاصطناعي أن يدخل فعلياً في عملية البحث والتطوير بأكملها الخاصة بالجيل التالي من الذكاء الاصطناعي، وأن يجعل عملية البحث والتطوير هذه نفسها أسرع فأسرع؟
والحكم الرئيسي الذي قدّمه هينتون وآخرون في هذه الورقة البحثية هو بالضبط:
لقد بدأ الذكاء الاصطناعي يدخل فعلياً في خط إنتاج أبحاث الذكاء الاصطناعي نفسه، وبسرعة تبدو غير منطقية بعض الشيء...
والسبب في هذا القول هو أن الورقة استشهدت بمجموعة من البيانات الداخلية من مختبرات رائدة مثل Anthropic.
في شهر 1 من عام 2025، كانت نسبة الأكواد المُولَّدة بالذكاء الاصطناعي والمُعتمَدة لا تزال في خانة الأرقام المنخفضة فقط.
وبعد مرور عام واحد فقط، في شهر 5 من عام 2026، تجاوزت هذه النسبة80%。
التغيير الأكبر كان في نسبة أعمال البحث والتطوير التي ينجزها الذكاء الاصطناعي «بشكل مستقل».
في شهر 3 من عام 2026، كان Claude قادراً على إنجاز نحو 1% من أعمال البحث والتطوير بشكل مستقل مع تلقي إشراف بشري عالي المستوى فقط.
وبحلول الشهر 8 من العام نفسه، ارتفع هذا الرقم إلى26%。
بعبارة أخرى، في حوالي نصف عام، تضاعف الرقم أكثر من عشرين مرة.
بالطبع، لا ينبغي فهم هذا الرقم على أنه أن Claude أنجز تلقائياً ربع أبحاث Anthropic بالكامل.
فهو يقيس بشكل أساسي نسبة أعمال البحث والتطوير الداخلية للذكاء الاصطناعي التي يمكن للذكاء الاصطناعي أن يتولاها بشكل مستقل تحت إشراف بشري عالي المستوى.
وتؤكد Anthropic نفسها أن Claude لم يبلغ بعد مستوى العمل دون أي إشراف في أي فئة من فئات أعمال البحث والتطوير للذكاء الاصطناعي التي تم اختبارها، لكن على أي حال، الاتجاه واضح تماماً.
وتشير الورقة أيضاً إلى أنه حتى الشهر 9 من عام 2026، أصبحت أنظمة الذكاء الاصطناعي الداخلية في OpenAI قادرة بشكل متكرر على إنجاز مهام بحثية كانت تستغرق في الأصل من موظفي البشر عدة أيام.
والتغيير الحاسم هنا هوأن طول المهام التي يستطيع الذكاء الاصطناعي معالجتها بشكل مستقل ظل في نمو مستمر.。
ما يحدد فعلياً قدرة الذكاء الاصطناعي على العمل كباحث ليس فقط مدى ارتفاع درجة معيار قياس معين.
الأهم من ذلك هو قدرته على ربط عشرات الخطوات على التوالي، ومواصلة التقدم نحو هدف بحثي واحد عبر عدة ساعات أو أيام، أو حتى لفترة أطول.
وبعد الجمع بين اتجاهات معايير القياس والتقدم الداخلي للمختبرات، ترى الورقة أنفي السنوات القادمة، من الممكن أن يُؤتمت الذكاء الاصطناعي معظم أعمال أبحاث الذكاء الاصطناعي، بل وحتى أتمتتها بالكامل.
كتابة الأكواد ليست سوى جزء من أبحاث الذكاء الاصطناعي؛ فأبحاث الذكاء الاصطناعي الكاملة هنا تشمل أيضاً اقتراح فرضيات بحثية، وتصميم التجارب، وتنفيذها، وتحليل النتائج، وتحديد أسباب الفشل، وتعديل المسار، ثم البدء من جديد.
من بين هذه الحلقات، أتمتة أي بند منها بمفرده لا تُعتبر سوى بحثاً بمساعدة الذكاء الاصطناعي؛ أما العقدة الحساسة فعلاً فهي أن تبدأ هذه الحلقات في الربط معاً في سلسلة طويلة.
وبمجرد أن تتمكن هذه الخطوات من أن يربطها نظام ذكاء اصطناعي واحد لفترة طويلة، يبدأ الدور الذي يؤديه في الاقتراب أكثر فأكثر من باحث حقيقي.
ومن المصادفات أن أبحاث الذكاء الاصطناعي هي بالضبط النوع الذي يناسب هذا النوع من الأتمتة بشكل خاص...
فالذكاء الاصطناعي يحدث إلى حد كبير في بيئة رقمية، حيث يمكن تنفيذ الأكواد مباشرة، وتعود نتائج التجارب بسرعة، كما يمكن التحقق فوراً من قدرات النموذج عبر مقاييس مثل benchmark وloss وreward.
مقارنة بالكيمياء أو الأحياء أو الصناعة التحويلية، تفتقر أبحاث الذكاء الاصطناعي إلى الكثير من الحلقات التي تتطلب الانتظار للحصول على تغذية راجعة من العالم الحقيقي.
ونظراً لذلك بالضبط، فإن تلك الحلقة التي بدا وصف Good لها بعيد المنال للغاية، بدأت اليوم لأول مرة تكتسب مساراً هندسياً محدداً نسبياً:
الذكاء الاصطناعي يشارك في تطوير الجيل التالي من الذكاء الاصطناعي، وجيل الذكاء الاصطناعي التالي أكثر قدرة، والذكاء الاصطناعي الأقوى يعود مجدداً للمشاركة في جولة التطوير التالية، وتستمر الحلقة، وتبدأ القدرة على التطوير نفسها في دفع نمو القدرة على التطوير.
وتسمي الورقة هذا النوع من المسارات software-driven intelligence explosion، أيالانفجار الذاتي المدفوع بتحسينات البرمجيات.
والجدير بالذكر هنا أن هذا يختلف قليلاً عن صناعة رقائق أسرع.
فتصميم الرقائق وتصنيعها وإInvocation بناء المصانع لها دورات طويلة، بينما الخوارزميات وطرق التدريب وسير عمل الوكلاء (Agent) واستراتيجيات البيانات الاصطناعية، بمجرد إثبات فعاليتها، يمكن نظرياً إعادة نشرها سريعاً في جولة التطوير التالية.
لذا فإن ما يهم المؤلفين فعلاً هو ما إذا كانت دورة التغذية الراجعة لتقدم الذكاء الاصطناعي ستصبح أقصر وأقصر، وهذا هو سبب إعادة النقاش اليوم حول التحسين الذاتي التكراري:
ما دامت الذكاء الاصطناعي قادراً على تولّي تطوير نماذج الجيل التالي بشكل متزايد الاتمام، فإن حلقة التغذية الراجعة للتحسين الذاتي قد ظهرت بالفعل.
آلاف الباحثين تتحول إلى ملايين، وقد يصبح تقدم الذكاء الاصطناعي الذي يستغرق سنة كاملة 5 أسابيع فقط؟؟
بعد ذلك، تأتي الجزء الأكثر «درامية» في الورقة البحثية بأكملها.
مشاركة الذكاء الاصطناعي في البحث والتطوير وحدها لا تكفي لإحداث انفجار ذكاء، الأهم حقًا هو وجود فرق كبير جدًا بينه وبين الباحثين البشريين العاديين—باحثو الذكاء الاصطناعي يمكن نسخهم.
لنفترض أن مختبرًا ما لديه اليوم 1000 باحث من الطراز الأول، وفي المستقبل طوّر وكيلًا (Agent) تبلغ قدرته مستوى باحث الذكاء الاصطناعي البشري الأفضل.
من تلك اللحظة، تتغير قواعد اللعبة تمامًا فيما يتعلق بتوسيع فريق البحث والتطوير.
تدريب باحث بشري من الطراز الأول قد يتطلب خمس سنوات دكتوراه ثم سنوات من الخبرة البحثية، أما باحث الذكاء الاصطناعي فيكفي فتح نسخة (instance) جديدة أخرى ~
ويمكنه العمل 24 ساعة، مع تشغيل آلاف النسخ في المهام في آنٍ واحد. وعند تحديث النموذج الأساسي، يمكن لفريق البحث والتطوير بالذكاء الاصطناعي بأكمله أن يرقى بالتزامن.
هذا يتجاوز مباشرة أشد حدود النمو المفروضة على البحث العلمي البشري:سرعة إعداد الكفاءات البشرية。
يأمل البشر في تحويل 1000 باحث من الطراز الأول إلى 1,000,000 باحث، وهو ما يُعد مشروعًا شبه جيلي كامل.
أما أنظمة الذكاء الاصطناعي فيمكنها نظريًا التوسع خلال وقت أقصر بكثير بالاعتماد على زيادة الحوسبة الاستدلالية وعدد النسخ.
وفي هذا الصدد، قدّمت الورقة مفهومًا خاصًا:
effective R&D workforce، أيالقوى العاملة الفعّالة في البحث والتطوير.
قدّر المؤلفون أن إذا بلغ الذكاء الاصطناعي مستوى باحث الذكاء الاصطناعي الأفضل، وكانت تكلفة الاستدلال في مستوى مشابه لكمية نماذج اليوم المتطورة—
فإن الحوسبة الحالية لدى شركة ذكاء اصطناعي رائدة قد تدعم نظريًاقوى بحث وتطوير بالذكاء الاصطناعي تعادل على الأقل ملايين الباحثين البشريين من الطراز الأول.
وللعلم، فرق البحث في مختبر ذكاء اصطناعي متطور اليوم لا يتجاوز بضعة آلاف من الأشخاص، أي أن الفرق بينهما عدة مراتب أسية。。。
بل إن هؤلاء الملايين من الباحثين يتميزون بسمة يصعب على التنظيم البشري محاكاتها: إمكانية تحديث القدرات بالتزامن.
حالما يُرقّى النموذج الأساسي، لا حاجة لإعادة تدريب الملايين، إذ يمكن نظريًا لجميع النسخ أن تكتسب القدرات الجديدة معًا.
تجدر الإشارة إلى أن أسهل سوء فهم هنا هو الاعتقاد بأن مليون باحث في الذكاء الاصطناعي (100 فِلق) سيؤدي تلقائيًا إلى مضاعفة سرعة البحث والتطوير بمقدار 1000 مرة.
البحث العلمي يعاني بطبيعته من تناقص العائد الحدي؛ فـ10 أشخاص يدرسون مشكلة واحدة قد يكونون أسرع بكثير من شخص 1 واحد.
حين يدرس مليون شخص (1000000) المسألة نفسها في الوقت نفسه، فمن المرجح جدًا حدوث قدر كبير من تكرار العمل، والتنافس على الموارد التجريبية، إضافة إلى صعوبة متزايدة في العثور على أفكار جيدة.
لذا فإن ما تحاول الورقة حسابه فعليًا هو شيء آخر: هل يمكن لمكاسب القوى العاملة الإضافية في البحث والتطوير بالذكاء الاصطناعي أن تتفوق على ازدياد صعوبة البحث العلمي نفسه؟
وهكذا يظهر المتغير الأهم في الورقة كلها: returns to research effort، ويُرمز له بـ r.
بفهم بسيط، هو مقدار ما يمكن أن يرتفع به وتيرة التقدم التقني عند زيادة الاستثمار البحثي.
عندما تكون r منخفضة، تتناقص العوائد بسرعة بعد زيادة الاستثمار البحثي بشكل كبير.
وعندما يكون هذا الرقم مرتفعًا بما يكفي، فإن التقدم الذي تجلبه القدرات البحثية الجديدة سيصنع بدوره باحثي ذكاء اصطناعي أقوى، وعندها فقط تبدأ حلقة التغذية الراجعة بالتسارع.
استشهدت الورقة بدراسة للبيانات التاريخية في ثلاثة مجالات فرعية من أبحاث الذكاء الاصطناعي، وجاء التقدير المركزي لقيمة r عند نحو1.2—1.9。
بافتراض تحقق الأتمتة الكاملة للبحث والتطوير بالذكاء الاصطناعي، وبافتراض إمكانية استدامة عوائد بحثية مشابهة، وبافتراض عدم ظهور عنق زجاجة جديد في الحوسبة أو البيانات يخنق النظام كله على المدى القصير، كانت نتيجة النموذج:
قد تتسارع وتيرة التقدم في تكنولوجيا الذكاء الاصطناعي 10 مرات خلال نحو 1.5 سنة.
وللتحويل، التقدم في الذكاء الاصطناعي الذي يحتاج اليوم إلى سنة كاملة، سيحتاج في تلك المرحلة إلى نحو5 أسابيع。
كما أن الورقة البحثية أحسبت حسابًا آخر.
إذا تمت أتمتة أبحاث الذكاء الاصطناعي بالكامل، مع الحفاظ على اتجاه التحسين الحالي في كفاءة البرمجيات فقط، فقد يتوسع العمل المؤتمت لأبحاث الذكاء الاصطناعي خلال بضعة أشهر إلى بضع سنوات بمقدار100。
مرة، وقد يأتي هذا النمو من مسارين يتقدمان في آن واحد.
من جهة، زيادة عدد باحثي الذكاء الاصطناعي، ومن جهة أخرى، استمرار تقوى كل باحث ذكاء اصطناعي على حدة.
وبهذا تظهر النقطة الحقيقية المخالفة للحدس في الانفجار الذكي.
أحد القيود الطبيعية على النمو التكنولوجي في الماضي هو أن تأهيل الباحثين أمر بطيء، إذ يحتاج إعداد باحث بارز فعلاً إلى أكثر من عشر سنوات من التعليم والتدريب.
أما باحثو الذكاء الاصطناعي فلا يخضعون لهذا القيد؛ فبمجرد بلوغهم قدرة كافية، قد تتحول خطوة التأهيل نفسها إلى نسخ النموذج وتوزيع القدرة الحاسوبية.
وهكذا قد يواجه البحث العلمي للمرة الأولى صدمة عرض غريبة للغاية: القدرة البحثية نفسها أصبحت برمجيات.
بل إنه بمجرد أن تتحول القدرة البحثية إلى برمجيات، يصبح من الممكن دفع متغيرين، عدد الباحثين وقدرة الباحثين، في آن واحد بفعل التقدم التقني.
هذا هو بالضبط المكان الحقيقي للخطر في ما تسميه الورقة «الانفجار الذكي»: مصدر التسارع نفسه يخضع للتسارع أيضاً.
التحسين الذاتي العودي RSI بدأ يظهر، لكن الانفجار الذكي لم يكتمل بعد
بعد قراءة ما سبق، من السهل جداً الوصول إلى استنتاج مثير للغاية: انتهى الأمر، الانفجار الذكي قد بدأ فعلاً. (بكاء)
لكن النبرة التي تحملها ورقة هينتون هذه من أوله إلى آخره هي أن الأدلة الحالية لا تزال بعيدة كل البعد عن إثبات أن الانفجار الذكي قد حدث. (ضحك)
لأن مكاسب الإنتاجية الناتجة عن أتمتة البحث والتطوير في الذكاء الاصطناعي لم تتجاوز بعد بوضوح العتبة اللازمة لإطلاق تسارع انفجاري.
بل إن المؤلفين يذكّرون صراحةً بأنه بين أتمتة البحث والتطوير في الذكاء الاصطناعي والانفجار الذكي تقع سلسلة طويلة جداً من الشروط.
أولاً يجب أن يصبح الذكاء الاصطناعي موثوقاً بما يكفي ليعمل ذاتياً لفترات طويلة؛ وثانياً يجب أن يرفع فعلاً إنتاج البحث والتطوير؛ ثم بعد ذلك يجب أن تعزز نتائج البحث والتطوير الجديدة هذه، بدورها، قدرة الذكاء الاصطناعي نفسه على البحث والتطوير بشكل واضح.
وحتى لو ظهر ملايين باحثي الذكاء الاصطناعي في المستقبل، فإن هناك على الأقل عدة حواجز واقعية جداً أمامهم.
الحاجز الأول: القدرة الحاسوبية.
باحثو الذكاء الاصطناعي يمكن نسخهم، أما وحدات GPU فلا تُنسخ من العدم؛ فإذا كانت كثير من التجارب الحرجة تتطلب تشغيل نماذج ضخمة، فقد ينتهي الأمر بأكبر عدد من الوكلاء إلى الاصطفاف انتظاراً للحصول على البطاقات.
خاصة أن تدريب نموذج طليعي حقيقي لمرة واحدة قد يستغرق وحده شهوراً، وحتى لو جلس 100 × 10,000 من باحثي الذكاء الاصطناعي أمام الحواسيب، فلن يستطيعوا ضغط مهمة تدريب تتطلب فيزيائياً ثلاثة أشهر إلى خمس دقائق.
هذا أحد أكبر القيود الواقعية على الانفجار الذكي المدفوع بالبرمجيات: يمكن أن تتكرر البرمجيات بسرعة قصوى، لكن توسع البنية التحتية للحوسبة الأساسية يظل مقيداً بقيود العالم الفيزيائي.
الحاجز الثاني: البيانات.
البيانات الطبيعية للإنترنت لا تنمو بالتوازي مع عدد باحثي الذكاء الاصطناعي.
وفقاً للاتجاهات التي تناقشها الورقة، من المرجح أن تصبح البيانات الطبيعية عالية الجودة الحالية أقل فأقل قدرة على تلبية احتياجات التدريب المتوسعة باستمرار.
أما ما إذا كان بالإمكان في المستقبل الاستمرار في توفير إشارات تدريب عالية الجودة عبر البيانات الاصطناعية والمهام القابلة للتحقق والتفاعل مع البيئات وغيرها، فهذه مسألة ما زالت بلا حسم.
الحاجز الثالث: زمن التجارب.
بعض الأمور يصعب بطبيعتها التوازي فيها إلى ما لا نهاية: تدريب النماذج يحتاج وقتاً، وتصنيع الرقائق يحتاج وقتاً، وبناء مراكز البيانات الجديدة يحتاج وقتاً أيضاً.
حتى لو قدّم 1000000 وكيل (Agent) في آنٍ واحد مقترحات تجريبية، فإنهم في النهاية سيضطرون إلى تقاسم موارد GPU والمجمّعات التجريبية ونوافذ التدريب المحدودة.
وهناك حاجز أخير أكثر جوهرية، وهو أن البحث العلمي سيصبح صعباً أكثر فأكثر.
قد تُستنطَق التحسينات الخوارزمية سهلة الاكتشاف أولاً، وبعد ذلك يتطلب كل زيادة طفيفة في القدرة استثمارات أكبر فأكبر.
تسمي الورقة هذه النقطة diminishing returns—
كلما تقدم البحث إلى الأمام، أصبحت الاختراق القادم أغلى محتمل؛ وإذا ارتفعت صعوبة البحث العلمي أسرع من قدرة الذكاء الاصطناعي على البحث والتطوير، فلن ينطلق الانفجار الذكي بطبيعة الحال.
وبشكل عام، رغم أن الورقة لا تملك أدلة كافية لإثبات أن الانفجار الذكي سيقع حتماً، فإن الأدلة الحالية كافية أصلاً لتحويله من سؤال خيال علمي إلى مشكلة واقعية تتطلب الاستعداد المسبق.
بل إن مسألة التحسين الذاتي العودي هذه أصبحت فعلاً تبتعد أكثر فأكثر عن «الإطار الخيالي العلمي».
وربما عندما ننظر إلى الوراء مستقبلاً، تكون النقطة الجديرة بالتذكر حقاً في عام 2026 ليست أن نموذجاً ما حصل على بضع نقاط إضافية.
بل恐怕 أنه لأول مرة يبدأ البشر بإدراك جدية أن أكبر توسعة Scaling طرأت على الذكاء الاصطناعي قد تقع في «بحث الذكاء الاصطناعي» نفسه.
روابط مرجعية:
[1] https://x.com/geoffreyhinton/status/2106122709285368061?s=20