هل واجهت ابتكارات الذكاء الاصطناعي جدارًا؟

يبدو أن الذكاء الاصطناعي (AI) قد وصل إلى مرحلة ثابتة. لا يبدو أن مبتكري نماذج الذكاء الاصطناعي يحققون تقدمًا بالسرعة التي كانوا عليها من قبل. العديد من المنتجات التي وعدوا بها كانت مبالغًا فيها ولم تحقق النتائج المطلوبة، والمستهلكون غير متأكدين تمامًا مما يجب عليهم فعله مع الذكاء الاصطناعي التوليدي بخلاف استخدامه كبديل لمحركات البحث التقليدية.

إذا لم يكن قد حدث بالفعل، يبدو أن الذكاء الاصطناعي يبدأ في الخروج من مرحلة النمو المبكرة والدخول في فترة من الركود.

النمو المتفجر للذكاء الاصطناعي من 2022 إلى 2024

من نوفمبر 2022 حتى نهاية 2024، حدثت تطورات جديدة في الذكاء الاصطناعي بسرعة. تم إطلاق ChatGPT في نوفمبر 2022. بعد أربعة أشهر، حصلنا على GPT-4. بعد شهرين من ذلك، أضافت OpenAI مفسر الشيفرة وتحليل البيانات المتقدم. في نفس الوقت، حدثت تقدمات ملحوظة في توليد النص إلى صورة والنص إلى فيديو. كانت التقدمات تبدو وكأنها تتساقط كل 30 إلى 120 يومًا في OpenAI، وكان يبدو أن منافسيهم يتحركون بنفس الوتيرة، ربما خوفًا من التراجع إذا لم يحافظوا على السرعة.

مع كل هذه الرياح في أشرعتهم، بدأت الشركات بإطلاق وعود كبيرة: وكلاء ذكاء اصطناعي مستقلين يمكنهم التخطيط، والتفكير، وإكمال المهام المعقدة من البداية إلى النهاية دون الحاجة إلى الإنسان في الحلقة. ذكاء اصطناعي إبداعي سيحل محل المسوقين، والمصممين، وصناع الأفلام، وكتّاب الأغاني، وذكاء اصطناعي سيحل محل فئات كاملة من الوظائف البيضاء. ومع ذلك، فإن معظم هذه الوعود لم تتحقق بعد؛ وإذا كانت قد تحققت، فقد كانت متواضعة.

لماذا يتباطأ الابتكار في الذكاء الاصطناعي

المشكلة ليست فقط أن وكلاء الذكاء الاصطناعي أو القوى العاملة الآلية لم يتم تسليمها كما هو متوقع؛ بل إن هذه المنتجات غير المثيرة للإعجاب هي نتيجة لمشكلة أكبر بكثير. إن الابتكار في صناعة الذكاء الاصطناعي يتباطأ، وتبدو الشركات الرائدة التي تبني هذه الأدوات وكأنها ضائعة.

لم يكن كل منتج تم إصداره بين عامي 2022 و2024 ثوريًا. من المحتمل أن العديد من التحديثات خلال هذه الفترة لم تُستخدم من قبل المستهلكين العاديين. وذلك لأن معظم الناس لا يزالون يستخدمون الذكاء الاصطناعي كبديل لمحرك البحث، أو كما بدأ بعض الناس في تسميته، فإنهم يستخدمون الذكاء الاصطناعي كآلة إجابة، النسخة التالية من محرك البحث.

على الرغم من أن هذه حالة استخدام صالحة، من الآمن أن نقول إن عمالقة التكنولوجيا لديهم رؤية أكبر بكثير للذكاء الاصطناعي. ومع ذلك، هناك شيء قد يعيقهم، وسبب واحد من أسباب صعوبة المنتجات الأكثر شهرة في السوق، وهو نتيجة لمشكلة كلاسيكية في الصناعات التقنية العالية: أحيانًا ينتهي الأمر بالمهندسين البارعين إلى بناء أدوات ومنتجات يعرف كيفية استخدامها فقط مهندسون بارعون آخرون، لكنهم ينسون جعل الأدوات والمنتجات قابلة للاستخدام من قبل عدد أكبر بكثير من مستخدميهم الذين ليسوا مهندسين بارعين. في هذه الحالة، يعني ذلك المستخدمين العامين، الجمهور الذي يمكن القول إنه جعل الذكاء الاصطناعي شائعًا في عام 2022.

ومع ذلك، فإن الركود حتى في منتجات الذكاء الاصطناعي هو تأثير تدريجي لمشكلة أكبر تتعلق بكيفية تدريب نماذج الذكاء الاصطناعي.

لقد كانت أكبر مختبرات الذكاء الاصطناعي مشغولة بتحسين نماذجها الأساسية بشكل مهووس. في البداية، جعلت تلك التحسينات في نماذج الذكاء الاصطناعي فرقًا كبيرًا وملحوظًا من إصدار إلى آخر. ولكن الآن، وصلنا إلى نقطة العائد المتناقص في تحسين النموذج. في هذه الأيام، يبدو أن كل ترقية لنموذج الذكاء الاصطناعي أقل وضوحًا من السابقة. واحدة من النظريات الرائدة وراء ذلك هي أن مختبرات الذكاء الاصطناعي تنفد من البيانات الفريدة والعالية الجودة التي يمكن استخدامها لتدريب نماذجها. لقد قامت بالفعل بجمع ما يمكننا افتراضه أنه الإنترنت بالكامل، لذا إلى أين ستذهب بعد ذلك للحصول على البيانات، وكيف ستختلف البيانات التي تحصل عليها عن البيانات التي يحاول منافسوها الحصول عليها؟ قبل الاصطدام بهذه العقبة، كانت المعادلة لتحقيق النجاح في نماذج الذكاء الاصطناعي بسيطة: إطعام نماذج اللغة الكبيرة المزيد من بيانات الإنترنت، فيصبح أداؤها أفضل. ومع ذلك، فإن الإنترنت هو مورد محدود، وقد استنفدت العديد من عمالقة الذكاء الاصطناعي هذا المورد. بالإضافة إلى ذلك، عندما يتدرب الجميع على نفس البيانات، لا يمكن لأحد أن يتقدم. وإذا لم تتمكن من الحصول على بيانات جديدة وفريدة، فلن تتمكن من تحسين النماذج بشكل كبير من خلال بيانات التدريب. هذه هي العقبة التي واجهتها العديد من هذه الشركات.

من المهم أن نلاحظ أن التحسينات التدريجية التي يتم إجراؤها على هذه النماذج لا تزال مهمة جدًا على الرغم من تراجع عوائدها. على الرغم من أن هذه التحسينات ليست مؤثرة كما كانت التحسينات في الماضي، إلا أنها لا تزال بحاجة إلى أن تحدث للمنتجات الذكية في المستقبل التي تم وعدنا بتقديمها.

أين تذهب الذكاء الاصطناعي من هنا

إذن، كيف نحل هذه المشكلة؟ ما ينقص هو الانتباه لطلب المستهلك على مستوى المنتج. يريد المستهلكون منتجات وأدوات الذكاء الاصطناعي التي تحل مشاكل حقيقية في حياتهم، تكون بديهية، ويمكن استخدامها دون الحاجة إلى الحصول على درجة في العلوم والتكنولوجيا والهندسة والرياضيات. بدلاً من ذلك، حصلوا على منتجات لا تبدو جاهزة للإنتاج، مثل الوكلاء، مع حالات استخدام غامضة وتبدو أكثر كالتجارب منها كمنتجات. منتجات مثل هذه ليست مصممة بوضوح لأي شخص معين؛ فهي صعبة الاستخدام، وقد يكون ذلك بسبب أنها كافحت لاستقطاب المستخدمين.

حتى يتغير شيء ما، من المحتمل أن تظل الذكاء الاصطناعي عالقًا في نمط الانتظار. سواء جاء هذا الاختراق من بيانات تدريب أفضل، أو طرق جديدة لتفسير البيانات الموجودة، أو منتج استهلاكي بارز يحقق النجاح أخيرًا، سيتعين أن يتغير شيء ما.

من 2022 إلى 2024، كان يبدو أن الذكاء الاصطناعي يتقدم عشرة خطوات إلى الأمام كل أربعة أشهر. ولكن في 2025، أصبح يتقدم خطوة صغيرة واحدة في كل مرة وبكثير من التكرار.

للأسف، لا يوجد حل سريع هنا. ومع ذلك، قد يكون التركيز على منتج موجه للمستهلكين منتجًا سهل المنال. إذا قضى عمالقة التكنولوجيا وقتًا أقل في مطاردة منتجات الذكاء الاصطناعي التي تبدو مستقبلية ولكنها عامة الاستخدام، ووقتًا أكثر في تقديم أداة مخصصة ذات تأثير عالٍ يمكن للناس استخدامها مباشرة، فإنهم سيرون نجاحًا أكبر.

ولكن على المدى الطويل، سيكون هناك حاجة إلى نوع من التقدم الكبير الذي يحل أزمة البيانات التي نحن فيها حاليًا، سواء كان ذلك من خلال العثور على شركات لمصادر جديدة وحصرية من بيانات التدريب أو إيجاد طرق لنماذج للاستفادة بشكل أكبر من البيانات التي لديها بالفعل.

لكي تعمل الذكاء الاصطناعي (AI) بشكل صحيح ضمن القانون وتزدهر في مواجهة التحديات المتزايدة، تحتاج إلى دمج نظام بلوكتشين مؤسسي يضمن جودة البيانات المدخلة وملكية البيانات—مما يسمح لها بالحفاظ على البيانات آمنة مع ضمان عدم قابلية تعديل البيانات راجع تغطية CoinGeek لهذه التقنية الناشئة لمعرفة المزيد لماذا سيكون بلوكتشين المؤسسي العمود الفقري للذكاء الاصطناعي*.*

شاهد: الذكاء الاصطناعي يحتاج إلى البلوكشين