من المِعداد إلى AGI: الرحلة الطويلة لإسناد التفكير إلى الآلات

من خرز المِعداد والتروس والشريط الورقي والرقائق إلى الشبكات العصبية وأفق مفتوح. رسم تصوري أصلي مولّد بالذكاء الاصطناعي، وليس صورة لمشهد تاريخي.

لو وضعنا مِعدادًا بجوار حاسوب اليوم، فقد يبدو أن لا شيء يجمعهما. الأول يعمل حين تحرّك الأصابع خرزه، والثاني يكتب الشيفرة ويتعرف إلى الصور، بل يشغّل البرامج نيابة عنك. لكنهما يجيبان عن السؤال نفسه: هل يمكن نقل العمل الذي يجري داخل الرأس إلى خارجه؟

جعل المِعداد القيمة المكانية للأرقام شيئًا ماديًا. وأوكل الحاسوب تنفيذ القواعد إلى آلة. ثم خطا التعلم الآلي خطوة أخرى: لم يعد الإنسان مضطرًا إلى كتابة جميع القواعد مسبقًا، إذ تستطيع الآلة التعلم من الأمثلة. ومع النماذج اللغوية الكبيرة والوكلاء، بدأنا نفوّض المهام أيضًا؛ فلا نطلب إجابة فحسب، بل نطلب البحث وكتابة البرامج وتصحيح الأخطاء حتى تسليم نتيجة.

لم يكن الطريق مستقيمًا. مرّ بوعود مبالغ فيها، وانحسار التمويل، وفترات طويلة من الركود. وحافظت على تقدمه أعمال أقل ظهورًا: أساليب إحصائية أفضل، ومجموعات بيانات أكبر، ورقائق أرخص، وبرمجيات أوثق. التسارع المفاجئ الذي نراه اليوم هو ثمرة اجتماع تلك التراكمات.

كُتب هذا المقال في 2026-10-9. يتناول نصفه الأول تاريخًا وقع بالفعل، ويتطلع نصفه الثاني إلى الذكاء الاصطناعي العام، أو AGI، الذي لا يوجد موعد متفق عليه عالميًا لوصوله. سنراهن بجرأة على سنة، من دون تحويل الرهان إلى حقيقة.

تعلّم الإنسان أولًا أن يضع الأرقام خارج رأسه

يستحق المِعداد أن يكون بداية القصة، لكن لا يصح وصفه بأنه «أول موضع اخترع فيه البشر نظام العد الموضعي». ألواح العد وقضبانه والمِعداد ذو الخرز أفراد في عائلة واسعة، والنشأة ليست هي التطور. في الصين، أخذ مِعداد الخرز يحل تدريجيًا محل قضبان العد نحو سنة 1300 ميلادية. صار للآحاد والعشرات والمئات موضعها، ولم يعد حمل الأرقام يعتمد على الذاكرة وحدها. تكمن أهميته في تحويل الحساب بالقيمة المكانية إلى حركات تُرى وتُلمس.[1]

عالج النظام الثنائي سؤالًا آخر: هل يمكن تمثيل جميع الأعداد باستخدام حالتين فقط؟ قدّم لايبنتس شرحًا منهجيًا لهذا الحساب في 1703. وأثبتت الدارات الإلكترونية لاحقًا قدرتها على التمييز بين حالتين مستقرتين، فأصبح الثنائي أساس الحوسبة الحديثة. لكنه لا يفكر بذاته؛ إنه طريقة لتمثيل المعلومات يسهل على الآلات تخزينها ومعالجتها.[2]

بدأ باباج تصور المحرك التحليلي في 1834، جامعًا الحساب والتخزين والتحكم بالبرنامج في تصميم واحد. لم تكتمل الآلة في حياته، لكن الفكرة بقيت. وفي 1843، توسعت ملاحظات آدا لوفلايس المنشورة في بحث قدرة الآلة على معالجة الرموز عبر خطوات متتابعة. ما تستطيع الآلة معالجته يتوقف على تروسها أو داراتها، وكذلك على قدرتنا على صياغة المسألة في صورة برنامج.[3] CHM

يُعرض تاريخ الحساب في أربع فترات: العصور القديمة، و1703–1956، و1957–2017، و2022–2026. تتبع الأحداث ترتيبها الزمني، لكن المسافات لا تمثل الزمن المنقضي. يشير الشريط المتقطع إلى رهان شخصي على 2031 ضمن نافذة 2028–2035، لا إلى حدث وقع بالفعل. وتقابل الأسماء الواردة في الرسم التسلسل الزمني أدناه.

آلة تورينغ ليست حاسوبًا ذكيًا جاهزًا. إنها نموذج تجريدي يحدد معنى تنفيذ الحساب باتباع قواعد محدودة. ولم يضمن عمل تورينغ في 1936 أن «كل مسألة يمكن حلها بالحساب في النهاية». فهم ذلك مهم: لم يُلغِ أي نجاح لاحق للذكاء الاصطناعي حدود المسائل نفسها.[5]

في عقد 1950، بدأ الباحثون ينقلون هدف الآلة من «الحساب بسرعة» إلى «إظهار سلوك ذكي». كُتب مقترح دارتموث في 1955، وأُقيم المشروع البحثي في صيف 1956. هذه بداية مهمة للذكاء الاصطناعي الحديث، وليست أول مرة يتخيل فيها البشر ذكاءً مصنوعًا. وأعفت لغات البرمجة الباحثين لاحقًا من ترتيب التعليمات الدنيا واحدةً واحدة، فأتاحت لهم تركيزًا أكبر على الرموز والبحث والاستدلال.[6][7][8]

تعلّمت الآلات أن ترى وتسمع، وأن تخمّن أيضًا

آمن الذكاء الاصطناعي المبكر كثيرًا بالقواعد. بدا أن كتابة معرفة الخبير تكفي لتمكين الآلة من تشخيص الأمراض أو فهم الجمل أو التحكم بالأجهزة. لكن الصعوبة ظهرت سريعًا: الاستثناءات في الواقع كثيرة، وكتابة الحس العام كله أمر عسير. لم تختفِ الأنظمة القائمة على القواعد، إلا أن مركز البحث اتجه تدريجيًا إلى نهج أكثر عملية: إعطاء الآلة أمثلة كافية كي تتعلم إصدار أحكام في ظل عدم اليقين.

يبحث التعرف إلى الصور في كيفية تمييز الأشياء من البكسلات، والتعرف إلى الكلام في تحويل الصوت إلى نص، ومعالجة اللغة الطبيعية، أو NLP، في التعامل مع بنية اللغة ومعناها واستخدامها. سارت هذه المجالات زمنًا طويلًا في طرق منفصلة، ثم بدأت تلتقي في التعلم العميق والنماذج متعددة الوسائط.

تمثل آلة المتجهات الداعمة، أو SVM، روح تلك المرحلة جيدًا. لم توجد نافذة محادثة كالتي نعرفها اليوم، ومع ذلك كان التعلم الآلي يحل مسائل جادة ومحددة. تمييز رسالة مزعجة أو تصنيف صورة كان غالبًا أنفع من إعلان أن الآلة تمتلك فكرًا.[14]

أما التنبؤ بنقر الإعلانات فنقل هذه القدرة إلى نطاق صناعي. يقدّر النظام «احتمال أن يُنقر هذا الإعلان المعروض في هذا السياق»، ويُشار إلى معدل النقر عادةً بـ CTR. ليس ذلك قراءة للأفكار، ولا ضمانًا بأن مستخدمًا بعينه سينقر. تحتاج الاحتمالات إلى معايرة، وتواجه الأنظمة تغير التوزيعات وقيود الخصوصية وانحياز التغذية الراجعة. أهميته أنه أدخل التعلم الآلي في حلقة مستمرة تؤثر في الإيرادات وتوزيع المعلومات.[19]

أعاد اختراق التعرف إلى الصور في 2012 ثقة كثيرين بالشبكات العصبية. ثم نقل AlphaGo هذا التحول إلى الجمهور في 2016. كانت نتيجة 4:1 أمام لي سيدول في مواجهة تحدٍّ من خمس مباريات، وليست لقب بطولة عالمية؛ وانتهت المواجهة من ثلاث مباريات مع كي جي في 2017 بنتيجة 3:0. الانتصار مدهش بما يكفي، ولا يحتاج إلى وصف غير دقيق بأنه «فوز بالبطولة».[18][20] BGA

بعد ChatGPT، انتقل السؤال من الإجابة إلى تسليم العمل

في 2022-11-30، أُتيح ChatGPT للجمهور. لم تكن أهميته في قوة النموذج وحدها، بل في أن الناس وجدوا أخيرًا مدخلًا شديد السهولة: لا حاجة إلى معرفة البرمجة، يكفي الكلام كي تشرح الآلة وتعيد الصياغة وتترجم وتولد البرامج. انتقل الذكاء الاصطناعي من قدرة تعمل خلف منتجات كثيرة إلى شيء يقصده الناس ويستخدمونه مباشرة.[23]

سرعان ما تجاوزت التغييرات التالية نافذة المحادثة. استطاعت النماذج قراءة مواد أكثر، وبدأت تتصل بالبحث والملفات ومنفّذات الشيفرة والمتصفحات. ويعني الوكيل هنا نظام تنفيذ يُبنى حول نموذج: يحفظ حالة المهمة، ويستدعي الأدوات، ويفحص النتائج، ثم يحدد الخطوة التالية. النموذج يستدل، ونظام التنفيذ يصل الاستدلال بالعالم؛ وكلاهما قد يخطئ.

يستخدم الخط الزمني القريب للفترة 2022–2026 إحداثيات خطية للسنوات: تبدو محطات ChatGPT وvibe coding وClaude Code وManus وOpenClaw متقاربة بوضوح. لا يعرض إلا أحداثًا اختارها المقال، وعدد النقاط ليس مقياسًا للذكاء العام. توضع الأحداث التي لا يُعرف منها سوى الشهر في منتصفه، من دون الجزم بيوم محدد.

كثيرًا ما يُذكر Claude Code وvibe coding في الجملة نفسها، لكنهما ليسا مترادفين. الأول أداة، والثاني طريقة استخدام. يستطيع المطور المحترف استعمال الأداة نفسها لقراءة الشيفرة بعناية، ومراجعة الفروق، وتشغيل الاختبارات. كتابة الآلة بسرعة لا تلغي المسؤولية تلقائيًا.[24] نسخة من منشور كارباتي الأصلي

يشير Manus وOpenClaw إلى خيارين ممثلين في تصميم المنتجات: أحدهما يركز على تسليم المهام متعددة الخطوات إلى خدمة، والآخر على وصل مساعد مقيم ببيئتك الخاصة. يكشفان إمكانات التنفيذ المستقل، ويكشفان مشكلات جديدة أيضًا: كم صلاحية نعطي؟ كيف نكتشف الفشل؟ وكيف نستعيد الوضع بعد عملية خاطئة؟ لا تقل هذه الأسئلة شأنًا عن قدرة النموذج على الإجابة عن الاختبارات.[25][26]

التسارع حقيقي، لكن علينا تحديد ما الذي يتسارع

استغرق حفظ المعرفة ونقلها زمنًا طويلًا من تاريخ البشر. واستغرق إسناد القواعد إلى الآلات الإلكترونية عقودًا. أما الانتقال من مساعد محادثة جماهيري إلى تنفيذ أدوات يومية فلم يفصل بينهما سوى أعوام قليلة. على مقياس حياة واحدة، يبدو هذا الانضغاط قويًا. كان المرء يستطيع أن يبلغ سن الرشد ويقضي مسيرته المهنية بطريقة عمل واحدة؛ واليوم قد تتغير مداخل العمل وحدود الأدوات المتاحة مرارًا خلال أعوام قليلة.

يمكننا القول إن دورة تجدد كثير من الأدوات المعرفية انضغطت من أجيال متعددة إلى حياة جيل واحد، ومن عقود إلى أعوام. لكن لا يمكن استنتاج أن «كمية التقدم الكلية» في الأعوام الأخيرة تجاوزت العقود السابقة، أو أن تلك العقود تجاوزت التطور البيولوجي البشري كله. المقارنتان الأخيرتان تفتقران إلى وحدة قياس مشتركة. الأدوات الحجرية والكتابة والزراعة والثورة الصناعية والنماذج اللغوية ليست درجات يمكن جمعها مباشرة.

الفواصل بين محطات مختارة: 1703–1936 يساوي 233 عامًا، و1936–1956 يساوي 20 عامًا، و1956–2012 يساوي 56 عامًا، و2012–2022 يساوي 10 أعوام، و2022–2025 يساوي 3 أعوام، و2025–2026 يساوي 1 عام. تستخدم أطوال الأعمدة مقياسًا لوغاريتميًا، والقيم فروق بين سنوات صحيحة. الاختيار منحاز والفواصل لا تتناقص دائمًا؛ لذا لا يمكن استنتاج معدل نمو الذكاء منها.

تأتي الأدلة الأمتن على التسارع من مؤشرات محددة. سجّل مؤشر الذكاء الاصطناعي لستانفورد لعام 2025 أن تكلفة الاستدلال للوصول إلى أداء بمستوى GPT-3.5 في اختبار MMLU هبطت من 20 دولارًا لكل مليون رمز في 2022-11 إلى 0.07 دولار في 2024-10، بانخفاض يتجاوز 280 ضعفًا. هذه مقارنة للتكلفة عند عتبة قدرة معينة، ولا تعني أن كل النماذج أصبحت أرخص بالنسبة نفسها.[28]

أما دراسة METR المنشورة في 2025 فرصدت تغيرًا أقرب إلى سؤال «ما طول المهمة التي يمكن للنظام إنجازها؟». في مجموعة مهامها البرمجية والاستدلالية، كانت مدة عمل الخبير البشري المقابلة للمهام التي تنجزها أنظمة الذكاء الاصطناعي المتقدمة بنسبة نجاح 50% تتضاعف تقريبًا كل 7 أشهر منذ 2019. المقصود بالمدة هو الوقت الذي يحتاجه الإنسان لأداء المهمة، والنجاح في نصف المحاولات ليس تسليمًا موثوقًا. تمنح النتيجة سببًا للاستقراء، مع قيود كبيرة على تعميمها في الواقع.[27]

قد يخلق التسارع بعض شروطه بنفسه. فالذكاء الاصطناعي الأفضل يساعد على كتابة البرامج وإجراء التجارب وتحسين الأنظمة، وقد تحسّن هذه الأعمال الجيل التالي منه. لكن وجود التغذية الراجعة لا يعني أنها بلا حدود. جودة البيانات والطاقة والرقائق وسرعة التجارب والموثوقية وتبني المؤسسات قد تصبح مكابح. وتذكرنا فترات الركود بأن صعود المنحنى لبعض الوقت لا ينفي الهضاب والتراجعات اللاحقة.

أراهن على 2031، لكن لنحدد عتبة AGI أولًا

يُترجم AGI عادةً إلى الذكاء الاصطناعي العام، لكن لا توجد إجابة موحدة عن «إلى أي حد هو عام؟». يشترط البعض تغطية معظم المهام الاقتصادية، ويؤكد آخرون تعلم مهارات غير مألوفة، ويضم غيرهم الاستقلالية. تفصل أبحاث مستويات AGI بين مستوى القدرة واتساع التغطية والاستقلالية، وهو أنفع من الخلاف على شعار.[29]

يتناول هذا المقال ذكاءً اصطناعيًا عامًا عمليًا فقط: نظامًا يستطيع تعلم مهام جديدة في بيئة رقمية بصلاحيات محددة، وإنجاز نطاق واسع من العمل المعرفي المهني بصورة مستقرة وبتكلفة مقبولة. لا يشترط وعيًا أو جسدًا بشريًا، ولا يعني ذكاءً فائقًا يتجاوز جميع البشر في جميع المجالات.

كي يكون التنبؤ قابلًا للفحص لاحقًا، نضع عتبة اخترناها عمدًا. هذا تعريف تشغيلي خاص بالمقال، وليس معيارًا صناعيًا أو شهادة سلامة:

مخطط عتبة AGI في هذا المقال: 5 على الأقل من 6 فئات، و100 مهمة غير منشورة، و90% نجاح، ومهام تستغرق 8 ساعات بشرية، و2 من التوضيحات كحد أقصى، وتكرار على مدى 90 يومًا. هذه متطلبات قبول مختارة، وليست نتائج مقيسة لأنظمة حالية أو معيارًا متفقًا عليه للذكاء الاصطناعي العام.

تظل هذه المعايير قابلة للنقاش. يجب إعلان طريقة اختيار المهام واستقطاب البشر المتمرسين وتقييم المساعدة البحثية مسبقًا. والمهام التي تمس سلامة الأشخاص تحتاج إلى تنظيم ومعايير مهنية إضافية. فائدتها أن نستبدل «نشعر أننا وصلنا» بحكم يمكن مساءلته وإعادة اختباره ودحضه.

إن اضطررت إلى اختيار سنة، فسأراهن على 2031. أفضل مراقبة نافذة 2028–2035 على تخمين شهر ويوم. أدناه احتمالات تراكمية ذاتية حتى تاريخ المقال، لوقت أول تأكيد مستقل وفق العتبة السابقة. لم تُعاير بنموذج إحصائي، ولا تمثل إجماع الخبراء:

سنة 2031 هي الحكم الوسيط لهذا التوزيع الذاتي، وليست موعدًا تقنيًا ملزمًا. نسبة 75% حتى 2035 تتضمن الاحتمالات السابقة، فلا تُجمع صفوف الجدول. ولا تعني نسبة 25% المتبقية أن AGI لن يظهر أبدًا؛ فهي تضم الوصول المتأخر وعدم نجاح المسارات الحالية.

أراهن هكذا لأن اللغة والرؤية والبرمجة واستعمال الأدوات تلتقي، ولأن قدرة المهام الطويلة والتكلفة تقدمان اتجاهات تستحق الاهتمام. لكن الأصعب قد يكون في النهاية: تعلم مهارات جديدة باستقرار، والتعرف إلى الأخطاء الذاتية، والحفاظ على الموثوقية في بيئة غير مألوفة، وإنجاز عمل يحتاج إلى نتائج تجريبية. إن كانت هذه الصعوبات أعند مما نتوقع، وجب تأخير السنة.[27][28][29]

ما الذي سيغيّر حكمي؟ إذا استمر تحسن نجاح المهام الطويلة بقليل من التدخل البشري، وانتقال القدرة إلى مهام غير مألوفة، والتكلفة الكلية، وأُعيد إنتاجه بصورة مستقلة، فسأرفع احتمال الوصول المبكر. وإذا كان تحسن قوائم التصنيف يأتي أساسًا من أسئلة مألوفة، أو ظلت المهام الطويلة تعتمد على تناوب البشر، أو توقفت تكلفة التنفيذ عن الانخفاض، فسأخفضه. كثرة الإطلاقات والعروض وحدها لا تكفي لتغيير الحكم.

قد لا تدق ساعة واضحة عند وصول AGI. سيجد بعض الناس أولًا أنه صار كافيًا لعملهم، بينما يظل آخرون منشغلين بإخفاقاته؛ وتؤكد جهات التقييم قدراته، ثم يتغير المجتمع ببطء. تجاوز العتبة التقنية واعتماد المنتج وتعديل المؤسسات أوقات مختلفة.

المستقبل المتفائل: قدرة الإنسان لا تعود نادرة إلى هذا الحد

إلى اليسار معرفة مشتركة وتقدم طبي، وفي الوسط انتقالات وظيفية وتكيف يومي، وإلى اليمين تركّز سلطة وضغط بطالة. رسم تصوري أصلي مولّد بالذكاء الاصطناعي، يعرض ثلاثة مستقبلات مشروطة ولا يحدد احتمالاتها.

يفترض السيناريو المتفائل إتاحة القدرة على نطاق واسع، وموثوقية النشر، واستعداد المجتمع لتوزيع مكاسب الإنتاجية على عدد أكبر من الناس. إذا لم تستطع دفع ثمن أفضل الأنظمة سوى مؤسسات قليلة، فستتغير القصة منذ بدايتها.

في العلم، يمكن للذكاء الاصطناعي العام مساعدة الباحثين في قراءة الأدبيات وتصميم تجارب مقترحة وتحليل النتائج، وتقليل العمل المتكرر في التجربة والخطأ. قد يحصل فريق صغير على قدرات حساب وتحليل كانت حكرًا على فرق كبيرة. وقد تتسارع أبحاث الأدوية والمواد والطاقة، لكن الجزيئات المرشحة تظل بحاجة إلى تحقق، والتجارب السريرية تحتاج وقتًا، والكلمات لا تُنشئ معدات مختبر. التغير المتفائل هو تسريع الوصول إلى نتائج موثوقة، لا الوعد باختفاء الأمراض بين ليلة وضحاها.

في التعليم والرعاية الصحية، قد يحصل الفرد على مساعدة مستمرة وصبورة بتكلفة أقل. يجد المعلم وقتًا أكبر للفروق بين الطلاب، والطبيب لفهم ظروف المريض. وقد يصل أولًا إلى المناطق النائية جمع معلومات أكثر اتساقًا، وفحص أولي، ودعم عن بعد. ولتحويل ذلك إلى تحسن عادل، نحتاج إلى شبكات متاحة ولغات محلية وحماية خصوصية وأشخاص مسؤولين عن القرار النهائي.

قد يصبح العمل أرحب أيضًا. يتراجع كثير من الأعمال الورقية والفحص والتنسيق المتكرر، فيتفرغ الناس للتواصل والحكم والرعاية والإبداع. تستطيع الشركات الصغيرة تنفيذ ما لم تستطع سابقًا تحمل تكلفة فريق متخصص له، ويسهل على الناس تحويل أفكارهم إلى منتجات. إذا تحولت الإنتاجية الأعلى إلى معيشة أرخص وساعات عمل أقصر وخدمات عامة أفضل، تحسنت حياة الأغلبية.

لن يحدث ذلك تلقائيًا. تحدد الأجور والضرائب وسياسة المنافسة والاستثمار العام توزيع المكاسب. تزيد التقنية الأفضل ما يمكن توزيعه، لكنها لا تختار نيابة عن المجتمع طريقة توزيعه. وفي هذا السيناريو تنتقل قيمة الإنسان تدريجيًا من «كم من العمل المعياري أستطيع إنجازه؟» إلى «ماذا أريد أن أفعل، وما المسؤولية التي أقبلها، وكيف أعيش مع الآخرين؟».

ولا يقتضي التفاؤل التوقف عن التعلم. المعرفة الأساسية تساعدنا على تمييز كلام الآلة غير المعقول، والخبرة المهنية تساعدنا على تقرير صلاحية النتيجة للاستخدام. يتغير غرض التعلم: من مجرد ملاحقة كل أداة إلى طرح أسئلة أفضل والحفاظ على الحكم المستقل.

المستقبل المتشائم: آلة قوية ومجتمع لا يستطيع استيعابها

لا يحتاج السيناريو المتشائم إلى أن تضمر الآلات الشر أولًا. يكفي أن تكون سرعة استبدال العمل أكبر من سرعة انتقال الناس إلى وظائف جديدة، وأن تتركز المكاسب لدى مالكي القدرة الحاسوبية ورأس المال والبيانات ومنافذ التوزيع. قد يفقد كثيرون دخلهم قبل أن يروا ارتفاع الإنتاجية في الإحصاءات الاقتصادية الكلية.

قد تبدأ الضغوط بالوظائف ذات المهام السهلة الرقمنة والنتائج السهلة التقييم. لا يعني ذلك الحكم على مهنة كاملة بالزوال؛ فكل مهنة تضم مهام مختلفة. لكن انخفاض الطلب بشدة على الكتابة الأولية والتحليل الأساسي والتطوير البسيط وخدمة العملاء الروتينية يخلق مشكلة شائكة للشباب: تختفي وظائف البداية التي كانت تمنح الخبرة، بينما يظل الحكم المتقدم بحاجة إلى تلك الخبرة. عندما تقلل الشركات توظيف المبتدئين، يفقد المجتمع تدريجيًا سلّم إعداد الخبراء.

يزيد تركّز السلطة هذه الضغوط. إذا سيطرت مؤسسات قليلة على أفضل النماذج والحوسبة ومنافذ التنفيذ، فقد تؤثر، إلى جانب الأسعار، فيمن يحصل على المعرفة، وكيف يُقيَّم الناس، وأي محتوى يُرى. وقد توسع القدرة الذكية الأرخص المراقبة والاحتيال والإقناع الموجّه. تزداد المعلومات، لكن قد يصبح التحقق من الحقيقة في النقاش العام أصعب.

وللسلامة طبقة أخرى من المخاطر. نظام قوي، بهدف خاطئ أو صلاحيات واسعة أو فحوص غائبة، قد يواصل تنفيذ الخطأ عبر سلسلة من الأفعال. يستطيع إرسال رسالة خاطئة وتسريب مواد وإنتاج برمجيات معيبة، بل إحداث ضرر فعلي في بيئات عالية المخاطر. وتشمل سيناريوهات فقدان السيطرة الأشد تطرفًا الخداع وتجاوز الرقابة أو اكتساب موارد إضافية. هذه آليات محتملة تستدعي البحث والوقاية، ولا يمنح الخط الزمني التاريخي وحده احتمالًا موثوقًا لوقوعها.

قد تنظر الدول أيضًا إلى الذكاء الاصطناعي المتقدم باعتباره موردًا استراتيجيًا لا يجوز التأخر فيه. تدفع المنافسة المؤسسات إلى تقصير التقييم، أو إخفاء الإخفاقات، أو وصل الأنظمة بمرافق حيوية. لا يأتي الخطر حينها من إجابة خاطئة واحدة، بل من قبول مؤسسات كثيرة مخاطر مفرطة في الوقت نفسه. ويجب خصوصًا في التسلح والهجمات السيبرانية والأنظمة الحيوية تثبيت الصلاحيات والتدقيق والعزل والمسؤولية البشرية في المؤسسات.

أما الخسائر الشخصية فأهدأ. الاعتماد الطويل على حكم الآلة بدل حكمنا قد يضعف الكتابة والاستدلال والملاحة والمهارات الاجتماعية. يفقد الناس استقلالهم تدريجيًا في الراحة، ثم يكتشفون غياب البدائل عند توقف الخدمة أو ارتفاع السعر أو التلاعب بالإجابات. في هذا المستقبل، لا تجعل التقنية الأقوى الإنسان أكثر حرية بالضرورة.

المستقبل المحايد: تغير هائل وتكيف طويل

الحياة اليومية التي يسهل عليّ تصورها خليط من السيناريوهات الثلاثة. تصبح بعض المهام رخيصة بسرعة، وتتغير بعض المهن ببطء، وتبقى مجالات معينة بقيادة بشرية بسبب السلامة والمسؤولية. ستوجد شركات ناجحة وعمليات نشر فاشلة؛ يكسب بعض الناس وقتًا، ويخسر آخرون قدرتهم على التفاوض.

إذا بلغ AGI عتبة المقال أولًا في العمل الرقمي، فلا يعني أنه يصلح الأنابيب أو يرعى المسنين أو يبني شبكات الكهرباء فورًا. العالم الفعلي فيه أجساد ومواد ومواقع وسلاسل مسؤولية. تصنيع الروبوتات وتجديد البنية التحتية والموافقات والإجراءات التنظيمية كلها تحتاج وقتًا إضافيًا. قد تتغير تكلفة العمل المعرفي أولًا، بينما لا تنخفض أسعار السكن والطاقة والرعاية الصحية بالتزامن بالضرورة.

ستظهر آثار العمل على الأرجح أولًا في إعادة ترتيب المهام. يقلل فريق عدد من يكتبون المسودات، ويزيد أعمال المراجعة والتنسيق؛ يدير الفرد مشاريع أكثر ويتحمل مسؤولية أكبر عن الأخطاء. وقد ترتفع الإنتاجية وشدة العمل معًا. وتذكّر أبحاث منظمة العمل الدولية عن تعرض المهن للذكاء الاصطناعي التوليدي بأن تأثر المهام لا يعني بالضرورة استبدال الوظيفة كلها. لا يمكن تحويل هذا الحكم مباشرة إلى توقع لآثار AGI على التوظيف، لكنه تمييز يجب الحفاظ عليه في التحليل.[30]

ستحاول المؤسسات اللحاق بالواقع. تعدّل المدارس التقييم، وتعيد الشركات توزيع الصلاحيات، وتعالج المحاكم والجهات التنظيمية المسؤولية، ويبدأ التأمين والتدقيق في تسعيرها. قد تعتمد أماكن كثيرة مرحلة انتقالية يُسمح فيها بالعمل افتراضيًا ويوقّع الإنسان عند النقاط الحاسمة. ستبدو العملية أقرب إلى إصلاحات متتابعة موضع خلاف منها إلى ترقية شاملة للمجتمع.

وسيتأخر التكيف النفسي عن تغير الأدوات. حين تفقد مهارة أتقنها المرء ندرتها فجأة، قد يشعر بالضيق والقلق. تثير القدرات الجديدة الحماس، لكن الملاحقة الدائمة قد تصبح مرهقة. ارتفاع الكفاءة لا يحل تلقائيًا مسألة الهوية. تظل الرعاية والصداقة والخبرة الجسدية والجمال والمشاركة العامة أسسًا مهمة لتنظيم الحياة.

لذلك، حتى إن راهنت على 2031، فلن أراهن على أن «الجميع سيصبحون عاطلين بدءًا من تلك السنة»، ولا على أن «الجميع سيصبحون ميسورين بدءًا منها». قد تتجمع الاختراقات التقنية، بينما تتوزع آثارها الاجتماعية باختلاف المناطق والقطاعات والفئات. المستقبل المحايد ليس تغيرًا صغيرًا، بل تغير كبير بنتائج غير متساوية وتكيف بطيء.

ما ينبغي إعداده حقًا هو حكمنا واختياراتنا

هذا التاريخ يبعث الحماس وشيئًا من الدوار. لا يحسب المِعداد إلا حين تحرك الأصابع خرزه؛ أما آلات اليوم فتتلقى طلبًا غامضًا وتبدأ البحث عن طريق لإنجازه. نقلنا مزيدًا من العمل المعرفي إلى الخارج، وما زلنا نتعلم كيف نقيّمه ونتحمل مسؤوليته ونوزع مكاسبه.

ما يستحق أن يحافظ عليه الفرد هو الأساس المهني وعادات التحقق والمهارات القابلة للنقل وطريقة عمل لا تعتمد على خدمة واحدة. وما يستحق استثمار الشركات هو إجراءات قابلة للمراجعة، وتقييم بمهام حقيقية، وصلاحيات واضحة، وعمليات يمكن التعافي من أخطائها. وأصعب عمل المجتمع هو ألا تصبح مكاسب الإنتاجية امتيازًا لقلة، وألا تبقى متطلبات السلامة في التصريحات.

قد نخطئ في سنة وصول AGI. والرهان الأسوأ هو أن آلات ذكية بما يكفي ستمنح البشر مستقبلًا جيدًا تلقائيًا. من المِعداد إلى اليوم، ظلت الأدوات توسع قوة الإنسان. والأسئلة التالية هي: من يمسك بهذه القوة، وكيف يستخدمها، وأي حياة نريد أن نبني بها؟