من قانون مور إلى "قانون OpenAI": المسار الأسّي لتطوير الذكاء الاصطناعي

يتقدم الذكاء الاصطناعي بسرعة يصعب استيعابها. ولوصف هذه الظاهرة، بدأ المطلعون بالإشارة إلى ما يسميه البعض "قانون OpenAI"—مُوازٍ حديث لقانون مور، ولكنه أكثر صرامة. وقد حظي هذا المصطلح باهتمام أوسع في كتاب إمبراطورية الذكاء الاصطناعي، الذي يوثّق صعود OpenAI والسباق المتصاعد نحو الذكاء الاصطناعي العام (AGI). في الكتاب، يُستخدم "قانون OpenAI" لرصد الوتيرة السريعة التي تطورت بها متطلبات الحوسبة، وبالتالي قدرات الذكاء الاصطناعي، على مدار العقد الماضي.

رغم أن قانون OpenAI ليس قانونًا علميًا رسميًا، إلا أنه يشير إلى اتجاه حقيقي وقابل للقياس: التضاعف السريع لقوة الحوسبة المستخدمة في تدريب نماذج الذكاء الاصطناعي الرائدة، والذي يحدث بوتيرة أسرع بكثير من قانون مور. عمليًا، تتضاعف حوسبة الذكاء الاصطناعي كل ثلاثة إلى أربعة أشهر تقريبًا، مقارنةً بقانون مور الذي يتراوح بين 18 و24 شهرًا. يدعم هذا المنحنى الأسّي طفرة الذكاء الاصطناعي الحديثة، ويُمهّد الطريق لمستقبل قادم أسرع مما يتوقعه معظم الناس.

قانون مور: المحرك الذي حرك العصر الرقمي

قوانين مور كانت القوة الدافعة وراء ظهور أجهزة الكمبيوتر الشخصية والهواتف الذكية الحوسبة السحابيةوتوقعت أن يتضاعف عدد الترانزستورات الموجودة على الشريحة كل عامين تقريبًا، مما يؤدي إلى مكاسب هائلة في قوة الحوسبة وكفاءة الطاقة وخفض التكاليف.

لعقود، ظل هذا النمط البسيط صحيحًا، جاعلًا كل جيل من الأجهزة أقوى بكثير من سابقه. ولكن مع بلوغ الحدود المادية والاقتصادية في العقد الثاني من القرن الحادي والعشرين، بدأ قانون مور يتباطأ. فاستجاب المهندسون باستخدام المزيد من الأنوية، وتكديس الرقائق ثلاثية الأبعاد، ومعالجات متخصصة لتحسين الأداء، لكن المكاسب السهلة تلاشت.

في هذا الوقت تقريبًا، بدأت أبحاث الذكاء الاصطناعي، المدعومة بـ التعلم العميق وقد بدأت الاكتشافات العلمية في الانحراف عن المسار التقليدي لقانون مور.

ولادة قانون OpenAI: منحنى الحوسبة المتفجر للذكاء الاصطناعي

في أوائل العقد الثاني من القرن الحادي والعشرين، اكتشف الباحثون أن تغذية الشبكات العصبية واسعة النطاق بقدرات حوسبة أكبر تُعزز قدرات الذكاء الاصطناعي. وبدءًا من عام ٢٠١٢ تقريبًا، بدأ حجم الحوسبة المستخدمة في أكبر دورات تدريب الذكاء الاصطناعي يتضاعف كل ثلاثة إلى أربعة أشهر تقريبًا.

كان هذا تسارعًا مذهلاً، أسرع بكثير من قانون مور. على مدار ست سنوات، تم تحسين الحوسبة المستخدمة في تمت زيادة نماذج الذكاء الاصطناعي الحديثة بمقدار يزيد عن 300,000 مرة. في حين أن قانون مور كان من شأنه أن يحقق زيادة قدرها 7 أضعاف فقط في ذلك الوقت، إلا أن الحوسبة القائمة على الذكاء الاصطناعي شهدت ارتفاعًا هائلاً بسبب التوسع العدواني.

أصبحت هذه الظاهرة معروفة بشكل غير رسمي باسم قانون OpenAI—مسار فرضته على نفسها منظمات مثل OpenAI، والتي اعتقدت أن توسيع حجم النموذج والحوسبة هو أسرع طريق لتحقيق ذلك. الذكاء العام الاصطناعي (AGI). الكتاب إمبراطورية الذكاء الاصطناعي يصف هذا التحول بالتفصيل، موضحًا كيف التزمت OpenAI وقيادتها بهذه الاستراتيجية على الرغم من ارتفاع التكاليف، لأنهم اعتقدوا أنها كانت الطريق الأكثر مباشرة لإطلاق العنان للقدرات التحويلية.

الأهم من ذلك، أن قانون OpenAI ليس حتمية مادية، بل قرار استراتيجي. أصبح الاعتقاد بأن "المزيد من الحوسبة يعني ذكاءً اصطناعيًا أفضل" مبدأً توجيهيًا، مدعومًا باستثمارات ضخمة، وتوسعات في البنية التحتية، وشراكات مع مزودي الخدمات السحابية.

فرضية التوسع وسباق التسلح الجديد

إن أساس قانون OpenAI هو فرضية القياس: فكرة أن مجرد تكبير النماذج وتدريبها على بيانات أكثر مع زيادة القدرة الحسابية يؤدي إلى نتائج أفضل نوعيًا. وقد اكتسبت هذه الفرضية زخمًا مع تحقيق كل نموذج متتالي - GPT-2، GPT-3، GPT-4 - قفزات نوعية في السلاسة، والاستدلال، والفهم متعدد الوسائط.

في قلب هذا الاتجاه، ثمة منافسة شديدة بين شركات التكنولوجيا للسيطرة على آفاق الذكاء الاصطناعي. وكانت النتيجة نوعًا من سباق التسلححيث يتطلب كل معلم جديد موارد حسابية أكبر بشكل كبير من المعلم السابق.

يتطلب تدريب النماذج الكبيرة الآن عشرات الآلاف من وحدات معالجة الرسومات عالية الأداء التي تعمل بالتوازي. وتتضمن توقعات النماذج المستقبلية ميزانيات حوسبة قد تصل إلى 100 مليار دولار أو تتجاوزها، مع متطلبات هائلة من الطاقة والبنية التحتية.

وقد أدى هذا الاتجاه إلى ظهور نوع جديد من المنحنى الأسّي - وهو نوع لم يعد يُعرَّف بعدد الترانزستورات، بل بالاستعداد والقدرة على توسيع نطاق الحوسبة بأي ثمن.

كيفية المقارنة: قانون هوانغ، و قانون كورزويل للعوائد المتسارعة

ولكي نفهم أهمية قانون OpenAI بشكل كامل، فمن المفيد أن نستكشف الأطر الأساسية الأخرى التي شكلت فهمنا للتقدم التكنولوجي بما يتجاوز قانون مور.

قانون هوانغ وصف جينسن هوانغ، الرئيس التنفيذي لشركة إنفيديا، ملاحظةً مفادها أن أداء وحدة معالجة الرسومات (GPU) لأحمال عمل الذكاء الاصطناعي يتحسن بمعدل أسرع بكثير من قانون مور. على مدار خمس سنوات، شهدت وحدات معالجة الرسومات تحسنًا في الأداء تجاوز 25 ضعفًا، متجاوزةً بكثير التحسن المتوقع بنحو 10 أضعاف في ظل التوسع التقليدي للترانزستورات.

لا يعود هذا التسارع إلى كثافة الشرائح فحسب، بل هو نتيجة ابتكارات على مستوى النظام. وقد ساهمت التحسينات في بنية وحدة معالجة الرسومات، وزيادة عرض نطاق الذاكرة، والوصلات عالية السرعة، والتطورات في منظومات البرمجيات مثل CUDA ومكتبات التعلم العميق، في تحقيق هذه المكاسب. كما لعبت التحسينات الهندسية في الجدولة، وعمليات الموتر، والتوازي دورًا حيويًا.

وصلت تحسينات الأداء في مهام الاستدلال والتدريب باستخدام وحدة معالجة رسومية واحدة إلى 1,000 ضعف خلال العقد الماضي، مدفوعةً بهذه المجموعة المركبة من الابتكارات في الأجهزة والبرمجيات. في الواقع، تتضاعف قدرة وحدة معالجة الرسوميات على أداء مهام الذكاء الاصطناعي كل 6 إلى 12 شهرًا - أسرع بثلاث إلى أربع مرات من منحنى مور الأصلي. هذه الوتيرة المتسارعة جعلت وحدات معالجة الرسوميات المحركات الأساسية للذكاء الاصطناعي الحديث، مما أتاح عمليات التدريب المتوازية الضخمة التي تدعم قانون OpenAI.

قانون كورزويل للعوائد المتسارعة يُطوّر مفهوم النمو الأسّي مفهوم النمو الأسّي، إذ يقترح أن معدل النمو الأسّي نفسه يتسارع بمرور الوقت. ووفقًا لهذا المبدأ، لا يقتصر كل تقدم تكنولوجي على كونه إنجازًا منفردًا، بل يُنشئ الأدوات والمنصات والمعرفة التي تُمكّن من تحقيق التقدم التالي بشكل أسرع وأكثر كفاءة. وهذا يؤدي إلى تأثير مُركّب، حيث يتغذى التغيير التكنولوجي على نفسه، متسارعًا في الحجم والوتيرة.

جادل كورزويل بأن هذه الديناميكية ستُختزل ما كان من الممكن أن يكون قرونًا من التقدم إلى عقود فقط. إذا تضاعف معدل التقدم كل عقد، فقد يشهد القرن الحادي والعشرون قفزة مذهلة - تعادل عشرات الآلاف من السنين من التقدم بمعدلات تاريخية.

هذا القانون ذو أهمية خاصة للذكاء الاصطناعي. لم يعد الذكاء الاصطناعي الحديث مجرد موضوع للتقدم، بل أصبح مُسرّعًا له. تُساعد أنظمة الذكاء الاصطناعي بالفعل في تصميم شرائح جديدة، وتحسين الشبكات العصبية، وإجراء البحوث العلمية، وحتى كتابة الشيفرة البرمجية نفسها المستخدمة في بناء أجيالها اللاحقة. وهذا يُنشئ حلقة تحسين متكررة، حيث يُحسّن كل جيل من الذكاء الاصطناعي الجيل التالي، مما يُقلّص الجداول الزمنية للتطوير ويُضاعف القدرات.

تبدأ دورة ردود الفعل هذه في التشابه مع ما يسميه البعض انفجار المخابراتسيناريو تصبح فيه أنظمة الذكاء الاصطناعي قادرة على تحسين نفسها بسرعة دون تدخل بشري. والنتيجة هي منحنى لا يرتفع فجأة فحسب، بل ينحني صعودًا بشكل حاد، مع انهيار دورات التكرار وتدفق الاكتشافات الجديدة. إذا استمر هذا النمط، فقد نشهد مرحلة من التقدم التكنولوجي تبدو فورية، حيث تتطور صناعات ومجالات علمية وأساليب تفكير بأكملها في غضون أشهر بدلاً من عقود.

يندرج قانون OpenAI ضمن هذا السياق كتعبير عن النمو الأسّي في جانب الطلب. بخلاف قانونَي مور أو هوانغ، اللذين يصفان وتيرة تحسينات الأجهزة، يعكس قانون OpenAI مقدار استهلاك باحثي الحوسبة الفعلي سعياً وراء نتائج أفضل. ويُظهر أن تقدم الذكاء الاصطناعي لم يعد مرتبطاً بشكل صارم بما يمكن للرقاقات فعله، بل بما يرغب الباحثون - وقادرون - على توسيع نطاقه. مدعوماً ببنية تحتية سحابية ضخمة واستثمارات بمليارات الدولارات، يُجسّد قانون OpenAI حقبة جديدة تنمو فيها القدرات ليس فقط من خلال الابتكار، بل من خلال قوة مُركّزة ومُتعمّدة.

ترسم هذه القوانين مجتمعةً رؤيةً متعددة الأبعاد للنمو المتسارع. يُعرّف مور وهوانغ عرض الحوسبة. ويرسم كورزويل الاتجاه السائد للتقدم المُركّب. ويُسلّط قانون OpenAI الضوء على نوع جديد من الطموح التكنولوجي - حيث لم يعد تجاوز الحدود خيارًا، بل أصبح الاستراتيجية المحورية.

الوعد: لماذا يُعد الذكاء الاصطناعي الأسّي مهمًا؟

إن تأثيرات قانون OpenAI عميقة.

من الناحية الإيجابية، أنتج التوسع الأسّي نتائج مذهلة. تستطيع أنظمة الذكاء الاصطناعي الآن كتابة المقالات، إنشاء التعليمات البرمجية، والمساعدة في البحث العلمي، والمشاركة في حوارات سلسة بشكل مدهش. يبدو أن كل زيادة في الحجم بمقدار 10 أضعاف تُطلق العنان لقدرات جديدة ناشئة، مما يشير إلى أننا ربما نقترب من الذكاء الاصطناعي العام.

يمكن للذكاء الاصطناعي أن يحول قريبًا الصناعات التي تتراوح من التعليم والرعاية الصحية إلى التمويل و علم الموادإذا استمر قانون OpenAI في الصمود، فقد نشهد إنجازات هائلة تختصر عقودًا من الابتكار في بضع سنوات قصيرة.

هذا هو جوهر المصطلح الجديد الذي ابتكرناه: "سرعة الهروب للذكاء الاصطناعي"- اللحظة التي يبدأ فيها الذكاء الاصطناعي بتحسين نفسه، مما يدفع التقدم إلى زيادة ذاتية التعزيز ومتزايدة.

الثمن: التكاليف البيئية والاقتصادية والأخلاقية

لكن النمو الأسّي لا يأتي مجانًا.

يستهلك تدريب نماذج الذكاء الاصطناعي الرائدة الآن كميات هائلة من الكهرباء والماء. ويُثير تشغيل آلاف وحدات معالجة الرسومات لأسابيع متواصلة مخاوف بيئية خطيرة، بما في ذلك انبعاثات الكربون والنفايات الحرارية. كما تتعرض سلاسل توريد رقائق الذكاء الاصطناعي لضغوط، مما يثير قضايا جيوسياسية وأخرى تتعلق بالاستدامة.

ماليًا، وحدها شركات التكنولوجيا الكبرى أو الشركات الناشئة ذات التمويل الجيد قادرة على البقاء في هذا المنحنى. وهذا يؤدي إلى تركيز السلطة، حيث تسيطر مجموعة صغيرة من المؤسسات على قمة الذكاء.

من الناحية الأخلاقية، يُشجع قانون OpenAI على تبني عقلية سباقية - أكبر، أسرع، أسرع - مما قد يؤدي إلى نشر سابق لأوانه، وأنظمة غير مُختبرة، واختصارات في إجراءات السلامة. هناك قلق متزايد من إمكانية إصدار بعض النماذج الرائدة قبل أن يُدرك المجتمع آثارها تمامًا.

ولتخفيف هذه المشكلة، اقترح الباحثون أطر الحوكمة تُتبّع تطوير الذكاء الاصطناعي ليس بناءً على أداء النماذج، بل بناءً على مقدار الحوسبة المُستخدمة لتدريبها. ولأن الحوسبة تُعدّ من أفضل مؤشرات قدرة النماذج، فقد تُصبح مُؤشّرًا لتقييم المخاطر والتنظيم.

حدود التدرج: ماذا يحدث عندما ينحني المنحنى؟

على الرغم من المكاسب المذهلة، لا يزال الجدل قائمًا حول مدة استمرار هذا التوجه نحو التوسع. يعتقد البعض أننا نشهد بالفعل عوائد متناقصة: فالنماذج الأكبر حجمًا تستهلك قدرًا أكبر من الحوسبة، لكنها لا تُحقق سوى تحسينات طفيفة.

يجادل آخرون بأن الاختراقات في الكفاءة، أو تصميم الخوارزميات، أو هندسة النماذج قد تُسهّل عملية التطوير دون إبطاء التقدم. قد تُصبح النماذج الأصغر والأذكى أكثر جاذبية من النماذج العملاقة التي تعتمد على القوة الغاشمة.

علاوة على ذلك، قد يُجبر الضغط العام والتنظيم وقيود البنية التحتية القطاعَ على إعادة النظر في عقلية "التوسع مهما كلف الأمر". إذا لم تتمكن شبكات الكهرباء أو الميزانيات أو التوافق الاجتماعي من مواكبة ذلك، فقد يصل الذكاء الاصطناعي المتسارع إلى أقصى حد له - أو على الأقل إلى نقطة تحول.

الطريق إلى الأمام: رسم مستقبل الذكاء الاصطناعي الأسّي

في الوقت الحالي، يظل قانون OpenAI أحد أوضح المناظير التي يُمكن من خلالها رؤية مستقبل الذكاء الاصطناعي. فهو يشرح كيف انتقلنا من روبوتات الدردشة البدائية إلى أنظمة عامة متعددة الوسائط في أقل من عقد من الزمان، ولماذا قد تكون الموجة التالية من التقدم أكثر دراماتيكية.

ومع ذلك، يصاحب القانون أيضًا بعض التنازلات: عدم المساواة في الوصول، وارتفاع التكاليف، والأعباء البيئية، وتحديات السلامة. ومع تسارعنا نحو هذا العصر الجديد، سيحتاج المجتمع إلى مواجهة أسئلة جوهرية:

• من هو المسؤول عن تشكيل مستقبل الذكاء الاصطناعي؟
• كيف نحقق التوازن بين التقدم والحذر؟
• ما هي الأنظمة اللازمة لإدارة القدرات الهائلة قبل أن تتجاوز السيطرة البشرية؟

قانون OpenAI ليس ثابتًا. ومثل قانون مور السابق، قد يتباطأ في النهاية، أو يستقر، أو يُستبدل بنموذج جديد. لكنه في الوقت الحالي بمثابة تحذير وخريطة طريق، يُذكرنا بأن مستقبل الذكاء الاصطناعي ليس مجرد تقدم، بل هو تزايد مستمر.

نحن لا نشهد التاريخ فحسب، بل نُهندِسه بسرعة هائلة. لكن مع هذه القوة تأتي مسؤولية: ضمان عدم معاناة البشرية من ضرر هائل بالتزامن مع التقدم الهائل.