حان الوقت لإعادة التفكير في التعرض للذكاء الاصطناعي ونشره واستراتيجيته
هذا الأسبوع، قدم يان ليكون، كبير علماء الذكاء الاصطناعي الذي غادر شركة Meta مؤخرًا وأحد آباء الذكاء الاصطناعي الحديث، وجهة نظر ذات أسس فنية لمشهد المخاطر والفرص المتطور في مجال الذكاء الاصطناعي في جلسة أدلة الذكاء الاصطناعي APPG في برلمان المملكة المتحدة. APPG AI هي المجموعة البرلمانية لجميع الأحزاب المعنية بالذكاء الاصطناعي. تم إنشاء هذا المنشور حول شهادة يان ليكون للمجموعة، مع اقتباسات مستمدة مباشرة من تصريحاته.
تعتبر تصريحاته ذات صلة بمديري الاستثمار لأنها تتقاطع مع ثلاثة مجالات غالبًا ما تنظر إليها أسواق رأس المال بشكل منفصل، ولكن لا ينبغي لها ذلك: قدرة الذكاء الاصطناعي، والتحكم في الذكاء الاصطناعي، واقتصاديات الذكاء الاصطناعي.
لم تعد مخاطر الذكاء الاصطناعي السائدة تتمحور حول من يقوم بتدريب النموذج الأكبر أو تأمين المسرعات الأكثر تقدما. وهي تدور بشكل متزايد حول من يتحكم في الواجهات البينية لأنظمة الذكاء الاصطناعي، حيث توجد تدفقات المعلومات، وما إذا كانت الموجة الحالية من الإنفاق الرأسمالي المتمركز حول LLM ستولد عوائد مقبولة.
مخاطر الذكاء الاصطناعي السيادي
“هذا هو أكبر خطر أراه في مستقبل الذكاء الاصطناعي: التقاط المعلومات من قبل عدد صغير من الشركات من خلال أنظمة الملكية.”
وبالنسبة للدول، فإن هذا يشكل مصدر قلق للأمن القومي. بالنسبة لمديري الاستثمار والشركات، فهو خطر التبعية. وإذا تم التوسط في سير عمل البحث ودعم القرار من خلال مجموعة ضيقة من منصات الملكية، فإن الثقة والمرونة وسرية البيانات والقدرة على المساومة تضعف بمرور الوقت.
حدد LeCun “التعلم الموحد” باعتباره مخففًا جزئيًا. في مثل هذه الأنظمة، تتجنب النماذج المركزية الحاجة إلى رؤية البيانات الأساسية للتدريب، وتعتمد بدلاً من ذلك على معلمات النموذج المتبادلة.
من حيث المبدأ، يسمح هذا للنموذج الناتج بأداء “… كما لو تم تدريبه على مجموعة البيانات بأكملها… دون مغادرة البيانات (مجالك) على الإطلاق”.
ومع ذلك، هذا ليس حلاً خفيفًا. يتطلب التعلم الموحد نوعًا جديدًا من الإعداد مع تنسيق موثوق به بين الأطراف والنماذج المركزية، بالإضافة إلى بنية أساسية سحابية آمنة على المستوى الوطني أو الإقليمي. فهو يقلل من المخاطر المتعلقة بسيادة البيانات، ولكنه لا يلغي الحاجة إلى القدرة السحابية السيادية، أو إمدادات الطاقة الموثوقة، أو الاستثمار الرأسمالي المستدام.
مساعدو الذكاء الاصطناعي كنقطة ضعف استراتيجية
“لا يمكننا أن نتحمل أن يكون هؤلاء المساعدون في مجال الذكاء الاصطناعي تحت سيطرة الملكية لحفنة من الشركات في الولايات المتحدة أو قادمة من الصين”.
من غير المرجح أن يظل مساعدو الذكاء الاصطناعي أدوات إنتاجية بسيطة. وسوف يتوسطون بشكل متزايد في تدفق المعلومات اليومية، ويشكلون ما يراه المستخدمون، ويسألون، ويقررون. يرى LeCun أن مخاطر التركيز في هذه الطبقة هي مخاطر هيكلية:
“سنحتاج إلى تنوع كبير في مساعدي الذكاء الاصطناعي، لنفس السبب الذي يجعلنا بحاجة إلى تنوع كبير في وسائل الإعلام الإخبارية.”
المخاطر هي في المقام الأول على مستوى الدولة، ولكنها مهمة أيضا بالنسبة لمحترفي الاستثمار. وبعيداً عن سيناريوهات سوء الاستخدام الواضحة، فإن تضييق وجهات النظر المعلوماتية من خلال عدد صغير من المساعدين يهدد بتعزيز التحيزات السلوكية والتحليل المتجانس.
لا يؤدي حساب Edge إلى إزالة الاعتماد على السحابة
“سيتم تشغيل بعضها على جهازك المحلي، ولكن يجب تشغيل معظمها في مكان ما في السحابة.”
من منظور السيادة، قد يؤدي نشر الحافة إلى تقليل بعض أعباء العمل، لكنه لا يلغي مشكلات الاختصاص القضائي أو التحكم:
“هناك سؤال حقيقي هنا حول الاختصاص القضائي والخصوصية والأمن.”
لقد تم المبالغة في تقدير قدرة LLM
“نحن ننخدع بالاعتقاد أن هذه الأنظمة ذكية لأنها جيدة في اللغة.”
لا تكمن المشكلة في أن نماذج اللغات الكبيرة عديمة الفائدة. المشكلة هي أن الطلاقة غالبًا ما يتم الخلط بينها وبين التفكير أو فهم العالم، وهو تمييز حاسم للأنظمة الوكيلة التي تعتمد على ماجستير إدارة الأعمال في التخطيط والتنفيذ.
“اللغة بسيطة. والعالم الحقيقي فوضوي، وصاخب، وعالي الأبعاد، ومستمر.”
بالنسبة للمستثمرين، يثير هذا سؤالا مألوفا: ما هو حجم الإنفاق الرأسمالي الحالي على الذكاء الاصطناعي لبناء ذكاء دائم، وما هو حجم تحسين تجربة المستخدم حول مطابقة الأنماط الإحصائية؟
النماذج العالمية وأفق ما بعد LLM
“على الرغم من مآثر الأنظمة الحالية الموجهة نحو اللغة، إلا أننا لا نزال بعيدين جدًا عن نوع الذكاء الذي نراه في الحيوانات أو البشر.”
يركز مفهوم LeCun للنماذج العالمية على تعلم كيفية تصرف العالم، وليس فقط كيفية ارتباط اللغة. عندما تقوم ماجستير إدارة الأعمال بتحسين التنبؤ بالرمز المميز التالي، تهدف النماذج العالمية إلى التنبؤ بالعواقب. يفصل هذا التمييز تكرار النمط على مستوى السطح عن النماذج ذات الأساس السببي الأكثر.
ولا يعني ذلك أن بنيات اليوم سوف تختفي، بل إنها قد لا تكون هي التي تحقق في نهاية المطاف مكاسب إنتاجية مستدامة أو ميزة استثمارية.
ميتا، مخاطر المنصات المفتوحة
اعترف LeCun بأن موقف Meta قد تغير:
“كانت شركة Meta رائدة في توفير الأنظمة مفتوحة المصدر.”
“خلال العام الماضي، فقدنا الأرض.”
ويعكس هذا ديناميكية أوسع للصناعة وليس مجرد تحول استراتيجي بسيط. وبينما تستمر شركة ميتا في إطلاق نماذج بموجب تراخيص الوزن المفتوح، فإن الضغط التنافسي، والانتشار السريع لهياكل النماذج – وهو ما أبرزه ظهور مجموعات بحثية صينية مثل DeepSeek – أدى إلى تقليل متانة الميزة المعمارية البحتة.
لم يتم تأطير مخاوف LeCun كنقد لشركة واحدة، ولكن كمخاطرة نظامية:
“لا ينبغي للولايات المتحدة ولا الصين أن تهيمن على هذا الفضاء.”
مع انتقال القيمة من أوزان النماذج إلى التوزيع، تفضل المنصات بشكل متزايد أنظمة الملكية. ومن منظور السيادة والتبعية، فإن هذا الاتجاه يستحق اهتمام المستثمرين وصناع السياسات على حد سواء.
الذكاء الاصطناعي الوكيل: قبل نضج الحوكمة
“ليس لدى الأنظمة الوكيلة اليوم أي وسيلة للتنبؤ بعواقب أفعالها قبل أن تتصرف.”
“هذه طريقة سيئة للغاية لتصميم الأنظمة.”
بالنسبة لمديري الاستثمار الذين يقومون بتجربة الوكلاء، يعد هذا تحذيرًا واضحًا. يؤدي النشر المبكر إلى خطر انتشار الهلوسة من خلال سلاسل القرار وحلقات العمل سيئة الإدارة. وفي حين أن التقدم التقني سريع، فإن أطر حوكمة الذكاء الاصطناعي الوكيل لا تزال متخلفة مقارنة بالمعايير المهنية في بيئات الاستثمار المنظمة.
التنظيم: التطبيقات، وليس البحوث
“لا تنظم البحث والتطوير.”
“أنت تخلق سيطرة تنظيمية من قبل شركات التكنولوجيا الكبرى.”
زعم ليكون أن التنظيم السيئ التوجيه يرسخ الشركات القائمة ويرفع الحواجز أمام الدخول. وبدلاً من ذلك، يجب أن ينصب التركيز التنظيمي على نتائج النشر:
“عندما يتم نشر الذكاء الاصطناعي وقد يكون له تأثير كبير على حقوق الناس، يجب أن يكون هناك تنظيم.”
الخلاصة: الحفاظ على السيادة، وتجنب الاستيلاء عليها
إن الخطر المباشر الذي يواجهه الذكاء الاصطناعي لا يتمثل في الذكاء العام الجامح. إنه الحصول على المعلومات والقيمة الاقتصادية ضمن أنظمة الملكية العابرة للحدود. تعد السيادة، على مستوى الدولة والشركة، أمرًا أساسيًا وهذا يعني اتباع نهج السلامة أولاً لنشر LLMs في مؤسستك. نهج منخفض الثقة.
تحول شهادة LeCun الانتباه بعيدًا عن إصدارات النماذج الرئيسية ونحو من يتحكم في البيانات والواجهات والحوسبة. وفي الوقت نفسه، يظل الكثير من الإنفاق الرأسمالي الحالي في مجال الذكاء الاصطناعي مرتبطًا بنموذج يركز على ماجستير إدارة الأعمال، على الرغم من أن المرحلة التالية من الذكاء الاصطناعي من المرجح أن تبدو مختلفة ماديًا. ويخلق هذا المزيج بيئة مألوفة للمستثمرين: ارتفاع مخاطر سوء تخصيص رأس المال.
وفي فترات التغير التكنولوجي السريع، لا يكمن الخطر الأعظم في ما تستطيع التكنولوجيا أن تفعله، بل في حيث تتراكم التبعية والريع في نهاية المطاف.
