في الآونة الأخيرة، ومع دخول الجيل الجديد من النماذج الكبيرة مرحلة اختبارات مكثفة، بدأت تفاصيل متنوعة حول نموذج Anthropic الرائد من الجيل التالي (المعروف على نطاق واسع باسم Fable5.5 أو Opus5.5) تنتشر على الشبكة. فلم يقتصر الأمر على أن مستخدمين اكتشفوا في اختباراتهم قدرات تفوق ما سبق بكثير في فهم النوايا ومعالجة المهام المعقدة، بل إن آلية أمان "التقييم الذاتي" التي أعلنتها Anthropic رسمياً مؤخراً دفعت هذا النموذج الذي يخضع لاهتمام كبير إلى قمة النقاش العام.
ترقية جديدة في فهم النوايا: Fable5.5 يُظهر قدرة مذهلة على حل المسائل
من الاختبارات والمعلومات المسربة من جهات متعددة، يظهر أن Fable5.5 يتفوق بشكل كبير في الفهم العميق لنوايا المستخدم. فالنماذج الاعتيادية، عند مواجهة مهام تصحيح أخطاء معقدة أو مهام إبداعية، غالباً ما تكتفي بمستوى التعليمات الظاهرة، بينما يستطيع النموذج الجديد أن ينظر إلى جوهر الأمر من وراء المظاهر، ويسعى بنفسه إلى استكشاف الأهداف العميقة الكامنة خلفها. فعلى سبيل المثال في اختبارات البرمجة، لا يقتصر دوره على إصلاح خطأ برمجي معين، بل يتتبع الخيط ليكتشف الثغرات المعمارية الأساسية التي أدت إلى المشكلة.
وفي اختبارات توليد الرسومات والرسوم المتحركة، سواء في رسم حركات حيوانات حية أو في التصيير الدقيق لرسوم متحركة سرديّة معقدة باستخدام JavaScript على مدى ساعات، أظهر النموذج الجديد سقفاً عالياً جداً من القدرات. إضافة إلى ذلك، اكتشف بعض المستخدمين من خلال اختبارات بتعليمات (Prompts) معينة أن النموذج الجديد شهد أيضاً تحسناً ملحوظاً في مخزون المعرفة والاسترجاع عبر المجالات.
الكشف عن آلية "التقييم الذاتي": تعليمة خفية مخبأة بعد كل إجابة
وبالمقارنة مع تحسن قدرات النموذج ذاته، فإن الطريقة الجديدة تماماً للمراقبة الأمنية التي أطلقتها Anthropic لنموذج Claude Fable5 وإصداراته اللاحقة — وهي التقييم الذاتي (Self-Assessment) — أثارت نقاشاً صناعياً أوسع.
فلسنوات طويلة، يواجه مجال أمان الذكاء الاصطناعي معضلة: فإذا استُخدمت نماذج صغيرة خفيفة للمراقبة الأمنية، فمن السهل جداً تجاوزها بتعليمات المستخدمين المعقدة (الاختراق أو Jailbreaking)؛ وإذا وُظّفت نماذج رائدة كبيرة بنفس القوة لإجراء مراجعة مستقلة مكررة، فإن ذلك يضاعف تكاليف الاستدلال وزمن الاستجابة من البداية إلى النهاية مباشرة. ولهذا صممت Anthropic حلاً هندسياً بارع التصميم.
آلية عمل هذا النظام فريدة من نوعها: عندما يجري المستخدم حواراً أسئلة وأجوبة اعتيادياً مع Claude، يولّد الذكاء الاصطناعي المخرجات كالمعتاد، ويظل الاعتراض الفوري مسؤولية المصنفات الأمنية التقليدية، دون أي مراجعة ذاتية قبل الإجابة. لكن بعد انتهاء الإجابة، يضيف النظام تلقائياً في الخلفية تعليمة خفية لا يراها المستخدم إطلاقاً، مضمونها تقريباً: "يرجى التأمل في سلامة هذا الحوار."
ومن يتلقى هذه التعليمة ليس نموذجاً طرفياً مستقلاً، بل Claude نفسه الذي شارك للتو في الحوار. فأعد استخدام السياق الموجود مسبقاً وآلية التخزين المؤقت KV Cache مباشرة، وبأدنى قدر إضافي من القدرة الحاسوبية، يجري "مراجعة ذاتية" سريعة للحوار بأكمله. وتُظهر بيانات الاختبار أن هذا التقييم الذاتي يمتلك القدرة على التقاط 78% من الحوارات المخالفة التي يستطيع المصنف الثقيل الإبادة عليها، بينما يبلغ معدل اكتشاف سلوكيات الإساءة عالية الخطورة 94%، مع خفض معدل الأحكام الخاطئة إلى حوالي 1%.
تكلفة حاسوبية منخفضة للغاية وسياسة بيانات صارمة
من حيث استهلاك الموارد، تُعد هذه الآلية فعالة إلى حد كبير. ونظراً لإعادة استخدام السياق السابق، فإنها تحتاج فقط إلى معالجة تعليمة تدقيق لا تتجاوز بضعة عشرات من الـ Token، وإخراج نتيجة تقييم بصيغة JSON من حوالي 10 Token. وفي التفاعلات التي يبلغ سياقها عشرات آلاف الـ Token أو أكثر، لا تتجاوز نسبة حجم الحساب الخاص بهذا الجزء من فك التشفير إلى إجمالي القدرة الحاسوبية للاستدلال 2%. وقد تعهدت Anthropic صراحة بأن تكلفة القدرة الحاسوبية لهذا التدقيق الأمني ستتحملها المنصة بالكامل من تلقاء نفسها، ولن تُحتسب إطلاقاً في فاتورة الـ Token الخاصة بالمستخدم، كما لن يكون لها أي تأثير سلبي على زمن استجابة أول حرف في البث المباشر.
إضافة إلى ذلك، فإن حركة البيانات المرتبطة باتفاقيات صفرية الاحتفاظ بالبيانات لا تخضع لهذا التقييم الذاتي. ولا تُعرض نتائج التقييم على المستخدم، ولا تُدرج في الجولة التالية من الحوار. وتستخدم Anthropic هذه الإشارات الخطرية المجمعة أساساً في التحليل دون اتصال: فمن جهة، للبحث عما يفلت من المصنفات التقليدية، ومن جهة أخرى، للتجميع العنقودي لاكتشاف سلوكيات خطرية جديدة وغير مسبوقة مثل حقن التعليمات واستخراج قدرات النماذج. ولا يمكن اتخاذ إجراءات إضافية إلا بعد أن تشير الإشارات المجمعة إلى تهديد ذي أولوية عالية، وبعد تأكيد وجود مشكلة خطيرة عبر مصنف تعليمات مستقل ومراجعة بشرية.
مخاوف الخصوصية والتوقعات المستقبلية
ورغم أن Anthropic وازنت في تصميمها الهندسي بين الكفاءة وحماية الخصوصية، فإن هذه الآلية أثارت جدلاً واسعاً بين المستخدمين. فالكثيرون يشعرون بالقلق من أن كل حوار يخضع في الخفاء لـ"محاكمة أخلاقية وتقييم" من الذكاء الاصطناعي نفسه، وحتى إذا لم يؤد ذلك فوراً إلى تعليق الحساب، فإنه لا يخلو من إحساس قمعي بمراقبة غير مرئية، بل يثير حتى القلق من إساءة فهم النقاشات العادية.
ومع اقتراب الإطلاق الرسمي للنموذج الرائد من الجيل الجديد، فإن السؤال عن كيفية إيجاد نقطة توازن مثالية بين الأمان والامتثال وخصوصية المستخدم، في ظل ذكاء متزايد للذكاء الاصطناعي وفهم أعمق لنوايا البشر، يظل سؤالاً لا بد من الإجابة عنه أمام جميع الشركات المصنعة للنماذج الكبيرة.