ريتشارد ساتون يعيد فتح الجدل: هل تكفي القوة الحاسوبية لصناعة الذكاء الاصطناعي؟
أحيانا يكفي منشور واحد ليشغل باحثي الذكاء الاصطناعي لأيام. هذا ما حدث مع ريتشارد ساتون، الحائز على جائزة تورينغ، الذي قال في منشور حديث إن القوة الحاسوبية الخام وحدها لا تكفي لصناعة الذكاء، وإن علم الذكاء الاصطناعي يحتاج إلى أساليب جديدة ذكية وما زال بعيدا عن الاكتمال. وبحسب تقرير The Decoder، أثار المنشور نقاشا واسعا في مجتمع الذكاء الاصطناعي، في إشارة إلى أن ساتون لمس وترا حساسا.
صاحب الدرس المرير يعود إلى فكرته الأولى
في مقاله الشهير عام 2019 بعنوان الدرس المرير، جادل ساتون بأن الأساليب العامة التي تتوسع مع القوة الحاسوبية تتفوق في النهاية على الأساليب المعقدة التي يصممها البشر. الفكرة الجوهرية عنده أن المهم هو الأفكار التي تنمو مع الحوسبة، لا تلك التي تعتمد على افتراضات بشرية.
لكن موقف ساتون الحالي ليس جديدا. فقد انتقد سابقا حدود الاكتفاء بتوسيع النماذج اللغوية الكبيرة، ووصف البيانات الاصطناعية بأنها خطأ كبير، لأن العالم الحقيقي معقد بلا حدود وأي محاكاة له ليست سوى جزء مجهري منه.
ما الذي يريده ساتون بدلا من ذلك؟
يدعو ساتون إلى وكلاء يملكون نماذج للعالم ويتعلمون باستمرار من تجربتهم الخاصة. فالعالم برأيه أعقد بكثير مما تستطيع نصوص الإنترنت التقاطه، والنماذج اللغوية الحالية لا تواصل التعلم بعد انتهاء تدريبها. المطلوب في نظره تعلم مستمر لا يمحو المعرفة القديمة.
عمليا، يعني هذا تصورا مختلفا للمساعد الذكي: نظام يتطور مع الاستخدام ويتعلم من التجربة، بدلا من نموذج ثابت تتوقف معرفته عند لحظة انتهاء تدريبه.
باحثون يضيفون زوايا أخرى للنقاش
الباحث جيري توريك، الذي غادر OpenAI مثل كثيرين لاستكشاف مقاربات جديدة، يرى أن الدرس المرير ما زال صحيحا، لكن كلما زادت الحوسبة المخصصة للتدريب زادت أهمية الخوارزمية. ويكتب أن النجاح المؤقت لتوسيع نماذج المحولات، مع سوء فهم الدرس المرير، أثر في تفكير جيل كامل من العلماء.
An idea doesn’t necessarily have to survive scaling forever to be an important contribution to AI progress
أما الباحث جايدن تيوه، صاحب العبارة السابقة، فيقول إنه رأى مرارا كيف عطل الدرس المرير البحث الأكاديمي، حين رفضت أفكار واعدة لأنها ابتعدت عن روحه. ويرى أن هذا ليس خطأ ساتون، بل سوء قراءة لرسالته الأصلية.
مختبرات جديدة تراهن على الفجوة
بحسب The Decoder، يظهر هذا التوتر في موجة متزايدة من الشركات الناشئة، إذ رصد الموقع 45 مختبرا جديدا للذكاء الاصطناعي تراهن على هذه الفجوات تحديدا. توريك نفسه يدير مختبر Core Automation الذي يبحث عن خوارزميات تعلم تتجاوز التدريب المسبق والتعلم المعزز، فيما يقود ساتون مختبر Oak Lab.
ما يجمع هؤلاء المؤسسين أنهم يؤمنون بذكاء اصطناعي أقوى بكثير، لكنهم يشكون في أن الوصفة الحالية وحدها ستوصل إليه.
ألتمان وأمودي في الجهة المقابلة
قادة الصناعة البارزون يرون الأمر بشكل مختلف تماما. فسام ألتمان، الرئيس التنفيذي لـ OpenAI، يرى أن توسيع النماذج اللغوية الكبيرة أبعد ما يكون عن الاستنفاد، ويتهم المنتقدين بإبطاء جيل كامل من الباحثين بسبب ثقتهم الزائدة فيما لا يستطيع التوسع فعله. ويستشهد بنموذج من OpenAI دحض مؤخرا حدسية رياضية عجز عنها الرياضيون طويلا، ويعد نماذج العالم مفيدة في مجالات مثل الروبوتات، لكنه يقول إن البيانات تميل بوضوح لصالح مواصلة التوسع.
ويذهب داريو أمودي، الرئيس التنفيذي لـ Anthropic، في الاتجاه نفسه، واصفا تقدم التوسع بأنه قوس قزح بلا نهاية. ويشير تقرير The Decoder إلى أن ألتمان وأمودي يقودان شركتين يقوم نهجهما التقني بالكامل على هذا الرهان، ما يجعلهما منحازين له بطبيعة الحال.
ربما لا يحسم هذا الجدل بمنشور أو مقال، بل بما ستكشفه السنوات القليلة المقبلة: هل يكفي أن نعطي الآلات مزيدا من الحوسبة، أم أن عليها أن تتعلم من العالم كما نفعل نحن؟
عبَّر عن رأيك
إحرص أن يكون تعليقك موضوعيّاً ومفيداً، حافظ على سُمعتكَ الرقميَّةواحترم الكاتب والأعضاء والقُرّاء.
GITEX
Ai Everything
LEAP26