تنبؤات 2026: من ت commoditization لغة كبيرة إلى عصر الذاكرة الوكيل

في مطلع عام 2025 توقعتُ تحوّل النماذج اللغوية الكبيرة إلى سلعة متاحة على نطاق واسع.

ومع انهيار أسعار الرموز وانتقال المؤسسات من التجارب إلى الإنتاج، سرعان ما تحقق ذلك التوقع، وأعاد تشكيل طريقة بناء أنظمة الذكاء الاصطناعي وإدارتها مع دخول عام 2026.

ما الذي أصابت فيه توقعات 2025؟

تحققت الآن عدة اتجاهات بدت غير مؤكدة في العام الماضي.

أولًا، أصبحت النماذج اللغوية الكبيرة بنية تحتية أساسية للذكاء الاصطناعي. فقد دفعت تخفيضات التكلفة وتحسين مسارات الاستدلال كثيرًا من أعباء العمل إلى الإنتاج، ولا سيما المهام الأبسط مثل استخراج الكيانات والتصنيف والتلخيص. ولم يعد سؤال الشركات «أي نموذج نستخدم؟»، بل «كيف نصمم أنظمة تصمد أمام التغير المستمر في النماذج؟».

ثانيًا، أثبت الوكلاء قدرتهم على استهلاك كميات هائلة من نصوص المؤسسات. ظل القادة يواجهون فوضى وثائق الامتثال عند محاولة استخراج بيانات تدعم القرارات. أما بيانات التواصل التي كانت مهملة في رسائل البريد والتذاكر وسجلات المحادثات، فيستخدمها الوكلاء الآن لتقديم الرؤى والتوصيات. ويشبه ذلك موجة البيانات الضخمة الأولى في أوائل العقد الماضي، حين أتاح التخزين منخفض التكلفة والأدوات الجديدة الاستفادة من مجموعات بيانات خاملة.

ثالثًا، عادت المعرفة الرمزية بهدوء. فقد وجدت الرسوم البيانية المعرفية، التي عُدت سابقًا مكلفة وهشة، حياة جديدة من خلال GraphRAG والاستخراج الذي تقوده الوكلاء. وأثبتت الرسوم غير الكاملة فائدتها؛ فالتكرار والتحسين المستمران أهم الآن من الكمال المسبق. وليس ذلك مجرد تغيير للعلامة، بل تحول فعلي في تعاون الأنظمة الرمزية والإحصائية.

وأخيرًا، استعاد الضبط الدقيق أهميته. فمع ظهور قيود التعلم داخل السياق في المهام الحساسة لزمن الاستجابة وكثيفة الاستدلال، عادت النماذج الأصغر المتخصصة جذابة. وأعادت الصناعة اكتشاف حقيقة قديمة: ليست كل مشكلة بحاجة إلى نموذج عام عملاق.

ومع أن هذه الاتجاهات أصبحت أساسية، فإن نقطة التحول الحقيقية ستأتي في 2026.

ذاكرة الوكلاء تصبح أساسًا

في 2026 ستتوقف الوكلاء عن كونها أدوات بلا حالة، وتبدأ في التصرف كأنظمة لها ذاكرة.

من هنا يظهر مفهوم ذاكرة الوكلاء. وقد يبدو وصفه بأنه إعادة تسمية للرسوم البيانية المعرفية مغريًا، لكنه يغفل جوهر الفكرة. فذاكرة الوكلاء تطور يجمع التمثيلات الرمزية المنظمة مع قدرة الوكيل على الاستدلال والتحديث والعمل عبر الزمن.

الذاكرة هي ما يحول الوكلاء من مستجيبين تفاعليين إلى أنظمة لاتخاذ القرار. فمن دونها تكرر الوكلاء العمل، وتهلوس السياق، ولا تتعلم من أفعالها السابقة. وبوجودها تستطيع المؤسسات بناء أنظمة تراكم المعرفة المؤسسية بدل التخلص منها مع كل مطالبة.

دمج النماذج يحل محل تقديس النموذج الواحد

من التطورات التي لا تحظى بنقاش كافٍ صعود دمج النماذج والتدريب الموزع. فبدل تدريب نموذج أحادي ضخم من البداية إلى النهاية، يفكك الباحثون المشكلة على نحو متزايد؛ تُدرب نماذج صغيرة متخصصة بصورة مستقلة ثم تُجمع.

ظهر هذا النهج أولًا في مسابقات البحث والتحديات التجريبية، ثم نضج في 2025 إلى شروحات كاملة ومسارات جاهزة للإنتاج. وتشير أمثلة عامة، منها تجارب التدريب الموزع لدى Cohere، إلى تحول أوسع.

بحلول 2026 سنرى سوقًا حقيقية لنماذج لغوية أصغر تستطيع المؤسسات امتلاكها وتركيبها وتكييفها. وسينتقل مركز الثقل من «من يملك أكبر نموذج؟» إلى «من يستطيع تركيب النظام الأكثر فاعلية؟».

الذكاء الاصطناعي للعلوم يغادر المختبر

لم يعد الذكاء الاصطناعي للعلوم مجرد فضول بحثي. ففي 2025 جذبت ورش الفيزياء والأحياء وعلوم المواد في المؤتمرات الكبرى حشودًا غير متوقعة، وبدأت مؤسسات خيرية ثرية ومانحون خاصون بتمويل جهود علمية واسعة، وظهرت شركات ناشئة تركز على اكتشاف الأدوية وتصميم المواد والمحاكاة.

في 2026 ستبدأ القيمة بالظهور. فإذا سرّع الذكاء الاصطناعي اكتشاف مضاد حيوي أو علاج للسرطان أو مادة جديدة، فسيكون العائد أكبر من التكلفة الحاسوبية. وهذا يجعل الذكاء الاصطناعي العلمي أحد أكثر التطبيقات قابلية للدفاع اقتصاديًا.

لكن الذكاء الاصطناعي لن ينتج قوانين فيزيائية جديدة بطريقة سحرية. نجح AlphaFold لأن المشكلة كانت محددة جيدًا، بينما لا تزال الفيزياء تفتقر إلى «لحظة هيلبرت» تحدد بوضوح المشكلات الأساسية المشتركة. ويظل تحديد المشكلات الصحيحة مهمة بشرية.

إثبات إنشاء المحتوى يزداد أهمية

جاءت إحدى أكثر رؤى العام الماضي إثارة للدهشة من علماء الاجتماع لا من التقنيين.

أكبر مخاطر الذكاء الاصطناعي التوليدي ليست فقدان الوظائف، بل تآكل الدليل: دليل التأليف والعمل والأصالة والصفة البشرية.

ومع إغراق المحتوى المولد بالذكاء الاصطناعي لكل وسيط، ستطالب المجتمعات بآليات جديدة للتحقق ممن أنشأ ماذا. وهنا تعود أفكار التشفير وسلاسل الكتل إلى النقاش، لا كأصول مضاربية بل كبنية تحتية للإسناد والتحقق. وقد يصبح الذكاء الاصطناعي الحافز الذي يمنح هذه الأنظمة أخيرًا غرضًا حقيقيًا.

الوكلاء تتعلم بالأدوات لا بالنص وحده

تختلف النماذج اللغوية المزودة بالأدوات جذريًا عن روبوتات المحادثة، وأهم أداة للوكلاء اليوم هي الطرفية.

تضفي معايير مثل Terminal Bench طابعًا رسميًا على هذا التحول. فالوكلاء القادرة على التفاعل مع أسطر الأوامر وواجهات البرمجة والبيئات تتعلم بالممارسة، وتنفق المختبرات الرائدة الآن مئات الملايين من الدولارات لشراء بيانات مهام عالية المهارة لتدريبها.

تظل مجموعات البيانات خاصة ومجزأة، ولهذا أثر مهم: ستتوقف النماذج عن التفكير بالطريقة نفسها. ومع اختلاف بيانات التدريب، ستطور النماذج الرائدة مهارات وأساليب استدلال مميزة. كان التشابه أثرًا مؤقتًا للبيانات المشتركة، والتنوع في طريقه للعودة.

ومع تحسن مساعدات البرمجة مثل Claude Code وOpenAI Codex يومًا بعد يوم، نستخلص نحن البشر المعرفة منها في صورة برمجيات. ويشبه ذلك ما يسميه البعض «مصافي البرمجيات»، حيث تساعد النماذج الكبيرة على تصميم أنظمة تُختزل بعد ذلك إلى برمجيات أرخص ومتخصصة في المهمة ويمكن تشغيلها على المعالجات المركزية بدل تنفيذها مباشرة بواسطة النماذج الرائدة. وإذا أصبح توليد الرموز أرخص كثيرًا والمساعدات البرمجية أكثر تطورًا، فقد تصبح البرمجيات نفسها شيئًا من الماضي مع بقاء البشر ضمن الحلقة. تبدو الفكرة مستبعدة اليوم، كما كان سيبدو مستبعدًا في ستينيات القرن الماضي أن تتسع مليارات الترانزستورات يومًا داخل هاتف محمول.

نظرة إلى المستقبل

إذا كان 2025 عام انخفاض تكلفة النماذج اللغوية الكبيرة، فسيكون 2026 عام تحول الذكاء إلى بنية منظمة.

لن يكون الفائزون أصحاب أكبر النماذج، بل من يبنون أنظمة تتذكر وتستدل وتنسب وتتطور. لم يعد الذكاء الاصطناعي متعلقًا بالقدرات الخام بقدر تعلقه بالهندسة المعمارية.

وهناك ستحدث التطورات الحقيقية التالية.