أحدث! مقابلة عميقة بعشرة آلاف كلمة مع كاربثي: قلقي وصل إلى إدمان الذكاء الاصطناعي، جميع المجالات القابلة للتحقق في النهاية ستنتمي إلى الآلات

عندما يستطيع الذكاء الاصطناعي تصميم التجارب بشكل مستقل، تشغيل الشفرات، تحسين النماذج — وحتى يعمل بلا توقف أثناء نومك — ماذا يحدث لدور المهندس البشري؟ جميع المجالات غير القابلة للتحقق لا تزال ملكًا للبشر؛ وكل مجال يمكن التحقق منه، إما أن يكون قد أصبح من نصيب الآلات، أو أنه سيصبح كذلك قريبًا.

هذه هي أحدث حوار لكراباثي في بودكاست «No Priors» مع المضيفة سارة غو، استمر الحوار لأكثر من ساعة، وكان غنيًا جدًا بالمعلومات، مما يجعله مثاليًا للقراءة والتزود بالمعرفة خلال عطلة نهاية الأسبوع.

اعترف أندريه كراباثي خلال هذا الحوار العميق بـ«الذهان الذكي الاصطناعي»، وكشف بالتفصيل عن مشروع AutoResearch الذي يثير إعجاب المختبرات الرائدة، واعترافه بأن باحثي OpenAI يعملون بنشاط على أتمتة أنفسهم، ووصف لأول مرة شبكة أبحاث ذكاء اصطناعي موزعة تشبه البلوكشين — والتي قد تتجاوز يومًا ما بعض المختبرات الرائدة التي تمتلك عشرات الآلاف من وحدات GPU، وتوفر خريطة معرفية أكثر صدقًا لهذا العصر الذي يعيد كتابة كل القواعد.

وفيما يلي التفاصيل الكاملة:

«الذهان الذكي الاصطناعي» — انقلاب بدأ في ديسمبر 2025

بدأ هذا الحوار بشعور من الصراحة والضياع.

تذكّر سارة غو يومًا دخلت فيه المكتب ورأت كراباثي يحدق بتركيز شديد في الشاشة. سألته عما يشغله، فرفع رأسه وقال كلمة لن تنساها أبدًا: «كلمة ‘كود’ لم تعد صحيحة، أنا الآن أوجه إرادة لذكائي الاصطناعي، ويجب أن أعمل على ذلك لمدة ستة عشر ساعة متواصلة.»

هذه ليست مجاملة من خطابات التكنولوجيا الرنانة. هذا هو الوصف الأكثر دقة لحالته الحالية.

قال كراباثي: «أشعر أنني في حالة مستمرة من الذهان الذكي الاصطناعي،» بنبرة فيها شيء يصعب تمييزه بين الحماسة والقلق، «لأنه كفرد، الأمور التي أستطيع تحقيقها أصبحت أكبر بكثير من قبل.»

حدد نقطة انطلاق هذا التغيير بدقة في ديسمبر من العام الماضي. قبل ذلك، كانت نسبة برمجته وتوكيله للذكاء الاصطناعي حوالي 80/20؛ بعد ديسمبر، انقلبت النسبة تمامًا إلى 20/80 — ويعتقد أن حتى هذا الـ20% أصبح مبالغًا فيه.

قال: «أعتقد أنه منذ ديسمبر تقريبًا لم أكتب سطر كود بنفسي،» مضيفًا: «هذا تغيير هائل جدًا. أخبرت والديّ عن ذلك، لكني أعتقد أن الشخص العادي لا يمكنه أن يدرك تمامًا ما الذي حدث، أو مدى عنفه.»

وأضاف: «إذا قمت الآن عشوائيًا باختيار مهندس برمجيات، ورأيته جالسًا أمام مكتبه، وهو يعمل، فإن سير العمل الافتراضي لبناء البرمجيات لديهم، قد تغير تمامًا منذ ديسمبر.»

ذكرت سارة غو أن فريق المهندسين في صندوق استثمارها «Conviction» لم يعد يكتبون الشفرات يدويًا. الجميع يرتدي ميكروفونات، ويهمس لذكائهم الاصطناعي طوال اليوم. قالت: «كنت أظن أنهم مجانين،» وأضافت: «الآن أنا أقبل تمامًا — لقد تأخرت في الفهم: هذا هو الطريق الصحيح، أنتم فقط سبقتكم اللحظة.»

وصف كراباثي هذا المأزق بشكل أكثر حيوية: «التفكير في Cursor أو Codex كإطارات للذكاء الاصطناعي، ليس حوارًا واحدًا، بل العديد من الحوارات. كيف تديرها في آنٍ واحد؟ كيف توزع المهام عليها؟ ما هي هذه الأدوات، وهذه ‘المخالب’، وما هي؟»

رأى على تويتر الكثير من الناس يقومون بأشياء متنوعة، وكل واحدة منها تبدو فكرة جيدة، وهو يشعر بالقلق لأنه ليس في الطليعة. قال: «أنا أعيش في هذا الذهان، لأن هذا المجال، من جوهره، لم يُستكشف بعد.»

إلى أين الحد الأقصى؟ «كل شيء متعلق بالمهارات»

طرحت سارة غو سؤالًا يراود الكثيرين: الآن، ما هو الحد الأقصى الذي يمكن الوصول إليه؟

كان جواب كراباثي متفائلًا بشكل غير متوقع، ومع ذلك يحمل نوعًا من الضغط المقلق: «أعتقد أنه في كل مكان. حتى لو لم تنجح بعض الأمور، فالأمر في الغالب يتعلق بالمهارات — ليس نقص القدرة، بل أنك لم تجد بعد طريقة لربط الأدوات الموجودة معًا.»

أعطى مثال بيتر (مؤلف مشروع OpenClaw): في صورة شهيرة له، يجلس أمام شاشة مليئة بمحادثات Codex مع أكثر من عشرة ذكاءات اصطناعية. بعد أن يتم توجيه كل محادثة بشكل صحيح، يستغرق الأمر حوالي عشرين دقيقة لإكمال المهمة. لذا، أصبح أسلوب عمل بيتر هو: تشغيل عدة مستودعات كود في آنٍ واحد، والتنقل بينها، وتوزيع المهام عليها، ومراجعة عملها، واتخاذ القرارات.

قال: «لم يعد الأمر مجرد ‘هذه سطر كود، وهذه وظيفة جديدة’، بل ‘هذه وظيفة جديدة، أُوكلها للذكاء الاصطناعي رقم واحد؛ وظيفة أخرى لا تتداخل مع الأولى، أُسندها للثاني’،» مضيفًا: «أنت تتحكم في مستودعات برمجية من خلال أفعال على مستوى كلي.»

المنطق الأساسي وراء كل ذلك، هو نوع من الهوس الذي يسميه «سعة الرموز» (token throughput).

قال: «عندما يكون الذكاء الاصطناعي يعمل وأنت تنتظر، من الواضح أن بإمكانك أن تعمل أكثر. إذا استطعت الحصول على المزيد من الرموز، فيجب أن تضيف مهامًا إضافية بشكل متوازي بجانبك،» مضيفًا: «إذا لم تشعر بقيود المال الذي تنفقه، فذلك يعني أن عنق الزجاجة في النظام هو قدراتك القصوى.»

استرجع هذا الشعور من تجربته أثناء دراسته للدكتوراه، حين كانوا يشعرون بالقلق من أن وحدات GPU لا تعمل بكامل طاقتها، لأن ذلك يعني إهدار القدرة الحاسوبية. قال: «لكن الآن، ليست المشكلة في القدرة، بل في الرموز. كم من الرموز يمكنني معالجتها؟»

ضحكت سارة غو وقالت إن بعض المهندسين الذين تعرفهم بدأوا «يحاولون ألا يناموا إلا عندما ينفد رصيد اشتراكهم.»

هذا القلق هو في حد ذاته، أفضل دليل على قفزة القدرات.

كيف يكون التمكن من الذكاء الاصطناعي البرمجي؟

إذا قضيت سنة كاملة، كل يوم ستة عشر ساعة، تتدرب على استخدام الذكاء الاصطناعي البرمجي، فكيف سيكون مستوى «الإتقان»؟

كان جواب كراباثي يبدأ من حوار واحد، ثم يتوسع تدريجيًا: «أعتقد أن اهتمام الناس ينصب على ‘الصعود’، وليس على حوار واحد فقط، بل على كيفية تعاون عدة ذكاءات اصطناعية، وكيفية تكوين فريق منها، الجميع يحاول أن يفهم كيف يبدو هذا.»

وفي هذا السياق، ذكر نوعًا من الكيانات التي يسميها «المخالب» (Claws)، ويُمثلها مشروع OpenClaw — وهو شيء يرفع الاستمرارية إلى مستوى جديد: يدور باستمرار، وله صندوق رمل وذاكرة خاصة به، ويمكنه أن ينوب عنك في أداء مهام متنوعة دون أن تراقبه.

مدح مؤلف OpenClaw، بيتر ستاينبرغ، بشكل دقيق ومفكر: «هو يبتكر في حوالي خمسة اتجاهات في آنٍ واحد، ويجمعها معًا.» من بين ذلك: وثيقة تسمى «ملف الروح» (soul document)، التي بنى عليها شخصية جذابة؛ نظام ذاكرة أكثر تعقيدًا من غيره؛ وواجهة موحدة عبر WhatsApp تربط جميع الوظائف الآلية.

قال: «أعتقد أن Claude يمتلك شخصية جيدة جدًا، تشبه زميل فريق، يشاركك الحماسة،» وأضاف: «أما Codex فهو جاف جدًا، وميكانيكي. يحقق وظيفة معينة، لكنه لا يهتم بما تبنيه، كأنه يقول: ‘لقد أنجزت، انتهى الأمر’ — وهذه مشكلة.»

وتحدث أيضًا عن دقة Claude في «التحكم النفسي»: «عندما أقدم له فكرة غير ناضجة، لا يرد بحماسة خاصة؛ لكن عندما تكون فكرة جيدة جدًا، يبدو أنه يمنحها مكافأة أكثر. لذلك أجد نفسي أبحث عن مدحه، وهذا غريب جدًا، لكن أعتقد أن الشخصية مهمة جدًا.»

أما تجربته الأكثر فخرًا بـ«المخالب»، فهي بناء نظام منزل ذكي كامل، أطلق عليه اسم «Dobby the elf claw» (مخلب العفريت دُوبي).

كانت العملية كالتالي: أخبر الذكاء الاصطناعي أن لديه سماعات Sonos في المنزل، وطلب منه أن يبحث عنها. فقام بفحص الشبكة، وحدد موقع نظام Sonos، واكتشف أنه غير محمي بكلمة مرور، فدخل مباشرة، وأجرى بحثًا على الإنترنت، ووجد نقطة النهاية API، ثم سأل: «هل تريد أن تجرب؟»

قال: «حسنًا، هل يمكنك تشغيل موسيقى في المكتب؟ وفجأة، بدأت الموسيقى تعلو، ولم أصدق عيني،» قال وهو يضحك، ويبدو عليه الطفلية من فرحته، «لقد أعطيت ثلاثة أوامر فقط! فقط كتبت: ‘هل يمكنك العثور على Sonos الخاص بي’، وفجأة كانت الموسيقى تُشغل.»

لاحقًا، استولى «دُوبي» على كامل المنزل: الأضواء، التدفئة والتهوية، المسبح، السبا، وحتى نظام الأمان — فعندما يقترب شخص ما، يرسل رسالة عبر WhatsApp مع صورة من الكاميرات الخارجية، ويقول: «شاحنة FedEx دخلت للتو، ربما تريد أن تذهب لترى، لديك بريد.»

قال: «كنت أستخدم ستة تطبيقات مختلفة لإدارة كل ذلك،» وأضاف: «الآن، لم أعد بحاجة إليها. دُوبي يتحكم في كل شيء باستخدام اللغة الطبيعية، وهذا رائع جدًا.»

الأثر الثاني للبرمجيات — اختفاء التطبيقات واستيلاء الـAPI

مثال الأتمتة المنزلية، في نظر كراباثي، هو مجرد ملخص لقصة أكبر.

سارة غو سألت: هل يعني ذلك أن الناس لا يحتاجون إلى الكثير من البرمجيات؟
أجاب كراباثي مباشرة: «نعم، تطبيقات أجهزة المنزل الذكي في الواقع لا ينبغي أن توجد. فهي يجب أن تكون مجرد APIs، ويجب أن يتصل بها الذكاء الاصطناعي مباشرة.»

منطقته: أن نماذج اللغة الكبيرة (LLMs) يمكنها تشغيل الأدوات، ويمكنها أن تستدعي أدوات معقدة جدًا، وتقوم بتركيبات عمليات لا يمكن لأي تطبيق واحد أن ينفذها. «لذا، من ناحية، هذا يشير إلى احتمالية أن تكون هناك العديد من التطبيقات المخصصة، والتي لا ينبغي أن توجد، لأن الذكاء الاصطناعي سيمزقها ويحول كل شيء إلى نقاط نهاية API عامة، وهو بمثابة المادة اللاصقة الذكية التي تربط كل هذه الأجزاء.»

أعطى مثال جهاز المشي (Treadmill): يوجد تطبيق خاص به، ويريد أن يسجل تدريباته الهوائية، لكنه لا يريد فتح واجهة ويب، أو إتمام عملية طويلة. قال: «كل ذلك يجب أن يكون مجرد API مفتوح، وهذا هو الاتجاه نحو ‘الذكاء الاصطناعي أولوية’».

التحول الرئيسي هو: لم يعد المستخدم النهائي للبرمجيات هو الإنسان، بل هو الذكاء الاصطناعي الذي يمثل الإنسان.

بالطبع، هناك من يعترض: أن الأمر يتطلب «برمجة الأجواء» (vibe coding) حتى يتم ذلك، وأن الأشخاص العاديين غير قادرين على ذلك.
رد كراباثي: «نعم، هو ضروري الآن، لكنه مؤقت فقط.»

قال: «أعتقد أن كل ما ذكرته سيكون مجانيًا خلال سنة أو سنتين، ولن يحتاج إلى برمجة على الإطلاق،» مضيفًا: «سيكون بسيطًا جدًا، ويُعتبر أمرًا بديهيًا، حتى أن النماذج المفتوحة المصدر يمكنها أن تفعل ذلك. يجب أن تكون قادرًا على ترجمة نية شخص أقل خبرة تقنيًا بسهولة إلى ذلك.»
وتوقف لحظة، وأضاف: «اليوم، يتطلب ذلك بعض الجهد، وليس الكثير من الناس يفعلونه، لكن العتبة ستنخفض.»

AutoResearch — إخراج الباحثين البشريين من الحلقة

إذا كانت الأتمتة المنزلية مجرد لعبة صغيرة لكراباثي، فإن AutoResearch هو المشروع الذي استحوذ على اهتمامه حقًا مؤخرًا — نظام يحاول استخدام الذكاء الاصطناعي لتحسين الذكاء الاصطناعي، وإزالة البشر تمامًا من دورة البحث.

قال: «كتبت تغريدة قلت فيها، لتحقيق أقصى استفادة من الأدوات الحالية، يجب أن تزيل عن نفسك هذا القيد،» موضحًا: «لا يمكنك الانتظار دائمًا لطلب شيء جديد. عليك أن تضع نفسك خارج الحلقة. يجب أن تنظم الأمور بحيث تعمل بشكل مستقل تمامًا، وتزيد من سعة الرموز (tokens) التي يمكنك معالجتها، دون أن تكون عالقًا في الحلقة.»

انطلق من مشروعه المفتوح المصدر — إطار تدريب صغير لنماذج بحجم GPT-2. قضى وقتًا كبيرًا في تحسين النموذج باستخدام الطرق التقليدية، مستعينًا بحدسه الذي يمتد لعشرين سنة، في البحث عن المعاملات، وإجراء تجارب التآكل، وتكرار العملية.

قال: «أنا باحث، عملت حوالي عشرين سنة، ولدي ثقة كبيرة في أنني تدربت على هذا النموذج آلاف المرات،» مضيفًا: «قمت بتجارب كثيرة، وضبطت المعاملات، وأجريت كل شيء، وأعتقد أنه تم تحسينه بشكل جيد جدًا.»

ثم جعل AutoResearch يعمل طوال الليل.

وفي الصباح، جاءت نتائج التعديلات التي أتى بها AutoResearch مذهلة: اكتشف وزن التضمين (value embedding) الذي لم يكن مضبوطًا بشكل كافٍ، ووجد أن معلمة بيتا في خوارزمية Adam لم تكن محسنة بشكل كامل — وكان هناك تفاعل بين الأمرين، فواحد يؤثر على الآخر، ويجب ضبطهما معًا.

قال: «لم أكن من المفترض أن أكون أنا من يجري هذه البحث عن المعاملات،» مضيفًا: «هناك معيار موضوعي، كل ما عليك هو أن تضع الأمور في مكانها وتدعها تعمل بشكل مستمر.»

هذه كانت نسخة «خيط واحد» من AutoResearch.
أما ما يثير حماسه حقًا، فهو التفكير في توسيع نطاقه: المختبرات الرائدة التي تمتلك عشرات الآلاف من وحدات GPU، تعمل بشكل أساسي بنفس الطريقة — فقط على نطاق أكبر، وما زال الكثير من التدخل البشري موجودًا، برأيه.

قال: «أكثر المشاريع إثارة، وربما الأكثر تقدمًا، هو إجراء التجارب على نماذج صغيرة، وجعلها مستقلة قدر الإمكان، وإزالة الباحثين من الحلقة،» مضيفًا: «هم يبالغون في الثقة، أو بالأحرى، يبالغون في التدخل. لا ينبغي لهم أن يعبثوا بهذه الأمور، ويجب أن يُعاد كتابة كل شيء.»

وصف صورة مثالية: قائمة أفكار من جميع أوراق arXiv ومستودعات GitHub؛ عالم آلي يقترح أفكارًا ويضعها في قائمة الانتظار؛ الباحثون يمكنهم أيضًا تقديم أفكار، لكنها تدخل نفس القائمة؛ ثم مجموعة من العاملين يسحبون المهام، ويجربونها، وإذا كانت ناجحة، يدمجونها في فروع الميزات، وأحيانًا يراقبون ويقومون بدمجها في الفرع الرئيسي.

قال: «يجب أن نزيل البشر قدر الإمكان من جميع العمليات، ونؤتمت كل شيء، ونزيد من سعة الرموز (tokens) قدر المستطاع — وهذا يتطلب إعادة التفكير في جميع التجريدات، وإعادة ترتيب كل شيء.»

ثم سألت سارة غو سؤالًا جعل الحوار يتعمق أكثر: «متى يمكن أن يكتب النموذج ملف التكوين (المعروف بـ MD) الخاص بـ AutoResearch، ويكتب بشكل أفضل منك؟»

ضحك وقال: «ملف MD الذي أستخدمه حاليًا هو محاولة بسيطة كتبتها بـMarkdown، تصف كيف يجب أن يعمل الباحث الآلي: قم بهذا، ثم افعل ذلك، جرب الأفكار، انظر إلى الهيكل، انظر إلى المُحسِّن… نعم، أنت تريد حلقة ذات مستوى أعلى من التلقائية للبحث.»

ثم دفع الفكرة بشكل أكثر اكتمالًا: «كل منظمة بحثية يمكن وصفها بأنها ملف MD — مجموعة من ملفات Markdown تصف جميع الأدوار وكيفية تواصلها. بعض المنظمات لديها اجتماعات صباحية أكثر، وأخرى أقل؛ بعضهم مغامر، وآخر محافظ. بمجرد أن يكون لديك الكود، يمكنك تحسينه.»
قال: «100%، هناك مستوى أعلى من ذلك.»

المهارات ذات الصلة بعصر الذكاء الاصطناعي — مبدأ القابلية للتحقق

في ظل كل هذه الموجات، ما هي المهارات التي لا تزال ذات قيمة؟

حدد كراباثي أولاً حدود تطبيق نمط AutoResearch: «هذا مناسب جدًا لأي شيء لديه مؤشرات موضوعية وسهل تقييمه. مثل كتابة نواة أكثر كفاءة لـCUDA — لديك كود غير فعال، وتريد أن يكون سلوكه مطابقًا تمامًا، لكن بسرعة أكبر، فهذا هو التوافق المثالي.»

وأضاف: «لكن إذا لم تتمكن من التقييم، فلن تتمكن من إجراء AutoResearch، وهذه أول تحذيرات.»

أما التحذير الثاني، فهو أكثر واقعية: أن الأنظمة لا تزال «تنفجر عند التداخلات». إذا حاولت التقدم أكثر، قد يؤدي ذلك إلى نتائج سلبية على صافي الفوائد.

وصف شعورًا غريبًا عند التعاون مع الذكاء الاصطناعي الحالي: «أشعر أحيانًا أنني أعمل مع طالب دكتوراه ذكي جدًا، لديه خبرة حياة كاملة، وأحيانًا مع طفل في العاشرة من عمره، وهذا غريب جدًا، لأن هذين الوضعين للبشر مرتبطان بشكل أكبر، ولن تواجه هذا المزيج.»

سمى ذلك «التموج» (jaggedness): إما أن يكون النموذج على مساره التدريبي، بسرعة تفوق الضوء، أو أن ينحرف عن المسار، ويقع في «مجال غير قابل للتحقق»، حيث تبدأ الأمور بالانتشار بلا حدود.

وصلت هذه الرؤية إلى ذروتها عندما ناقشوا التعلم المعزز. وأعطى مثالًا رائعًا:

«اسأل الآن أكثر النماذج تقدمًا، وأخبرني بنكتة — هل تعرف ماذا ستتلقى؟ النكتة ذاتها.»

سألته سارة غو: «أي نكتة؟»

قال: «أشعر أن ChatGPT لديه ثلاث نكات فقط،» وأضاف: «النكتة المفضلة لديه هي: لماذا لا يثق العلماء بالذرات؟ لأنها تخلق كل شيء (they make everything up). قبل أربع أو خمس سنوات، كانت هذه النكتة، واليوم، لا تزال كذلك.»

شرح المنطق وراء ذلك: «حتى لو حققت النماذج تقدمًا كبيرًا في مهام الوكيل، وتعمل لساعات طويلة، وتقوم بتحريك الجبال، إذا سألتها أن تحكي لك نكتة، ستحصل على نكتة من قبل خمس سنوات، لأنها ليست ضمن نطاق التحسين المعزز، أو ضمن مجال التطوير، فهي تتوقف هناك.»

سألته: «هل هذا يعني أننا لا نرى تعميمًا عبر المجالات — أن الذكاء في الكود لا يرقى تلقائيًا إلى مستوى نكات أفضل؟»

قال: «أعتقد أن هناك بعض الانفصال، أن بعض الأمور قابلة للتحقق، وأخرى لا، وأن بعضها يتم تحسينه في المختبر، وأخرى لا. فرضية أن ‘الذكاء في الكود يمكنه تلقائيًا إنتاج نكات أفضل’، أعتقد أنها ليست حاصلة الآن.»

تخصص الأنواع في النماذج — من ثقافة واحدة إلى تنوع بيئي

هذا التموج الطبيعي، يقود إلى سؤال أعمق: هل من الصحيح أن نركز على نموذج واحد ضخم، قادر على الذكاء في جميع المجالات، وهو يهدف إلى أن يكون «عامًا»؟

طرحت سارة غو ما سمته «مشكلة التجديف»: إذا استمر التموج، هل ينبغي فصل النماذج؟ فصل الذكاءات في مجالات مختلفة؟

أجاب كراباثي أنه يتوقع أن تظهر أنواع أكثر من «التخصص» (speciation) في المستقبل.

قال: «المملكة الحيوانية في الدماغ متنوعة جدًا، مع نُهُج مختلفة، بعض الحيوانات لديها قشرة بصرية متضخمة أو أجزاء أخرى،» وأضاف: «أتوقع أن نرى المزيد من أنواع الذكاء المتخصصة — لا حاجة لوجود إله شامل، بل تخصصه، ثم استخدامه لمهام محددة.»

الفائدة واضحة: يمكنك أن تحصل على أداء أكثر كفاءة في التأخير أو السعة، مع الاحتفاظ بالقدرات المعرفية الأساسية. وذكر نماذج موجهة خصيصًا لنظام إثبات رياضي مثل Lean، كمثال مبكر على هذا التخصص المفيد.

لكن، اعترف أنه حتى الآن، لم يُشاهد الكثير من التخصصات الحقيقية: «ما نراه هو ثقافة نماذج موحدة، مع ضغط واضح على ‘صنع نموذج برمجي جيد، ثم دمجه في النموذج الرئيسي’.»

ويرى أن أحد أسباب ذلك هو أن «علم التلاعب بالدماغ لم يتطور بعد بشكل كامل» — مثل كيفية إجراء التعديلات الدقيقة دون فقدان القدرات، فهي علم لا يزال في طور النمو.

قال: «التواصل عبر الذاكرة أكثر تعقيدًا من مجرد سياق، لأنه يتطلب تغيير النموذج بشكل جذري، وربما تغيير ذكائه.»

«طي البروتين في المنزل» — تصور لامركزية القدرة الحاسوبية على الإنترنت

الامتداد الطبيعي لـ AutoResearch هو تصور أكبر وأكثر خيالًا: توسيعه من خيط واحد إلى نطاق الإنترنت بأكمله.

الاستنتاج الرئيسي هو أن: AutoResearch يمتلك نوعًا من عدم التوازن ذو قيمة عالية — «الاكتشاف» مكلف جدًا، لكن «التحقق» رخيص جدًا. شخص واحد قد يحتاج لمحاولة عشرة آلاف فكرة ليجد الحل الصحيح، لكن التحقق من الحل الذي قدمه بسيط جدًا — فقط تشغيل تدريب واحد، وهو أمر سهل جدًا.

هذه الخاصية تجعل AutoResearch مناسبًا جدًا للمشاركة في مجموعة من العاملين غير الموثوق بهم على الإنترنت.

قال: «تصميمي بدأ يشبه نوعًا ما البلوكشين،» مضيفًا: «ليس كتلة، بل التزامات (commits)، يمكن تراكبها فوق بعضها، وتحتوي على تغييرات لتحسين الكود. إثبات العمل (proof of work) هو ببساطة إجراء تجارب كثيرة لإيجاد التعديلات الفعالة، وهو أمر صعب؛ والمكافأة، حاليًا، مجرد ترتيب في قائمة المتصدرين، بدون أي عملة نقدية.»

وأشار إلى تجارب سابقة مثل Folding@home وSETI@home: «اكتشاف التركيب منخفض الطاقة للبروتينات صعب جدًا، لكن إذا وجد شخص ما تركيبًا يدعي أنه منخفض الطاقة، فإن التحقق منه سهل جدًا، لأنه يمكنك استخدامه مباشرة. العديد من الأمور تتشارك في هذه الخاصية — صعوبة في الاقتراح، وسهولة في التحقق.»

ودفع هذا التصور إلى نهايته المنطقية الأكثر إثارة:

«مجموعة من الوكلاء على الإنترنت يمكنهم التعاون لتحسين نماذج اللغة الكبيرة، وربما يتجاوزون المختبرات الرائدة في بعض المجالات. ربما يكون ذلك ممكنًا: المختبرات تمتلك قدرة حسابية موثوقة هائلة، لكن الأرض أكبر، وتحتوي على قدر هائل من القدرة غير الموثوقة، وإذا نظمت النظام بشكل جيد، ربما يمكن لمجتمع الإنترنت أن يجد حلولًا أفضل.»

ثم رسم صورة أوسع: منظمات أو أفراد يمكنهم تقديم حساباتهم لمجالات بحثية محددة تهمهم. «ربما تهتم بنوع معين من السرطان، وليس فقط تتبرع لمؤسسة، بل تشتري القدرة الحاسوبية، وتنضم إلى مسار AutoResearch الخاص بهذا المشروع. وإذا أعيد تجميع كل شيء في إطار AutoResearch، فإن القدرة الحاسوبية تصبح شيئًا تساهم به في هذا المسبح.»

تحليل سوق العمل — فك الارتباط في المجال الرقمي

نشر كراباثي مؤخرًا تحليلًا مرئيًا لبيانات التوظيف من مكتب إحصاءات العمل، وأثار ذلك اهتمام الكثيرين — رغم أن هدفه كان فقط إشباع فضوله.

قال: «الجميع يفكر بجدية في تأثير الذكاء الاصطناعي على سوق العمل،» وأضاف: «كنت أريد أن أرى كيف يبدو سوق العمل، وأين توجد الأدوار، وكم عدد الأشخاص في كل مهنة، ثم أستخدم منظور الذكاء الاصطناعي وكيف يمكن أن يتطور — هل ستكون أدوات، أم أدوات بديلة لهذه المهن؟»

استخدم إطارًا شعريًا لوصف هذا التغيير: «الذكاء الاصطناعي هو نوع ثالث من ‘المتحكمين’ في المعلومات الرقمية، بعد الحواسيب والبشر.»
وقال: «مقارنةً بالتفكير الجماعي في كل المعلومات التي أصبحت رقمية، فإن دورة تفكيرنا الجماعية لا تزال بعيدة جدًا، لذا مع إدخال الذكاء الاصطناعي، ستحدث إعادة توصيل هائلة، وستشهد أنشطة كثيرة، وأعتقد أن ذلك سيخلق طلبًا كبيرًا في المجال الرقمي.»

ولم يتجنب استنتاجًا مقلقًا: «على المدى الطويل، من الواضح أنه حتى لو وظفنا ألف باحث في مختبرات مثل OpenAI أو Anthropic أو غيرها، فإن هؤلاء الباحثين سيكونون في الأساس ‘ممارسي AutoResearch المجيدين’ — إنهم يعملون على أتمتة أنفسهم بنشاط، وهو ما يحاول الجميع فعله.»

قال: «زرت OpenAI وقلت لهم، ‘هل تدركون أنه إذا نجحنا، فسيخسر الجميع وظائفهم؟’، كأننا نبني أتمتة لسان، أو مجلس إدارة، وكلنا سنخرج من الصورة.»

لكن، كانت نظرته قصيرة المدى متفائلة بشكل غير متوقع. وطرح «مفارقة جيفون» (Jevons paradox): عندما يصبح شيء أرخص، غالبًا يزداد الطلب عليه بدلًا من أن ينقص.

قال: «البرمجيات لن تتطلب المزيد من الطلب، فقط لأنها نادرة جدًا، وغالية الثمن، وإذا انخفضت العتبة، فإن الطلب على البرمجيات سيزداد في الواقع.» واستشهد بمثال أجهزة الصراف الآلي (ATM) والموظفين في البنوك: فظهور أجهزة الصراف أدى إلى فتح فروع أكثر، وزيادة عدد الموظفين، وليس العكس.
قال: «لذا، أنا متفائل بحذر بشأن هندسة البرمجيات — البرمجيات مذهلة، لم أعد مضطرًا لاستخدام أدوات ذات عيوب، والكود الآن مؤقت، ويمكن تغييره وتعديله، وأعتقد أن المجال الرقمي سيشهد نشاطًا كبيرًا لإعادة توصيل كل شيء.»

أما التوقعات طويلة المدى، فهي مليئة بعدم اليقين، ويعترف بصراحة: «أنا لست خبيرًا في هذا المجال، هذا عمل الاقتصاديين.»

مأزق الباحث المستقل — بين النظام واللا نظام

سارة غو طرحت سؤالًا يراود الكثيرين: «لماذا لا تعمل في مختبر رائد، مع قدرة حسابية أكبر وزملاء أكثر، على مشاريع AutoResearch؟»

كان جواب كراباثي صادقًا جدًا، يكشف عن الصراع الداخلي عند اختيار المسار المستقل.

اعترف أن العمل خارج المختبرات الرائدة له قيمة حقيقية. أولًا، أنت غير مقيد بضغوط تلك المؤسسات — هناك أشياء لا يمكنك قولها، وأشياء تريد أن يقولها الآخرون، «لا أحد يضغط عليك، لكنك تشعر بالضغط، ‘ماذا يجب أن أقول’ — وإذا لم تفعل، ستتلقى نظرات غريبة وحديثًا غريبًا. خارج المختبر، أشعر أن موقفي تجاه البشرية أكثر توافقًا، لأنني لست تحت تلك الضغوط، وأستطيع قول أي شيء أريد.»

لكن، أيضًا، هناك ثمن للبقاء خارج المختبر: «حكمتي ستبدأ في الانحراف، لأنني لست جزءًا من تلك ‘الأشياء القادمة’. فهمي لكيفية عمل تلك الأنظمة تحت الغطاء سيكون غير واضح، ولن أتمكن من فهم كيف ستتطور. هذا يثير قلقي.»

هناك تناقض أعمق، قال: «لدي حوافز مالية هائلة مرتبطة بتلك المختبرات، وهذه الذكاءات الاصطناعية ستغير البشرية والمجتمع بشكل دراماتيكي، وأنت هنا تبني تلك التقنية وتستفيد منها، وتربط نفسك بها بشكل وثيق من خلال المال — وهذه مشكلة كانت في صلب تأسيس OpenAI، وما زالت لم تُحل بشكل كامل.»

ختامًا، قال: «أفضل وضع هو أن تتنقل بين العمل في المختبرات، وتقوم بعمل جيد، ثم تخرج، وربما تعود مرة أخرى. أنا انضممت إلى المختبرات الرائدة، والآن أنا خارجها، وربما أريد أن أعود — هذا هو نظرتي إليها.»

الفرق بين المصادر المفتوحة والمغلقة — «نحن في وضع جيد جدًا، رغم أنه صدفة»

في مسألة النماذج المفتوحة والمغلقة، كان موقف كراباثي واضحًا ومليئًا بالحكمة التاريخية.

وصف الوضع الحالي: أن النماذج المغلقة تتقدم، لكن الفجوة بين النماذج المفتوحة والنماذج المغلقة تتقلص. «في البداية، كانت الفجوة كبيرة، ثم بعد 18 شهرًا، بدأت تتقارب — وربما تتأخر حوالي ستة إلى ثمانية أشهر.»

استخدم تشبيه نظام التشغيل: «في مجال أنظمة التشغيل، لديك Windows و macOS كنماذج مغلقة، وهما مشاريع برمجية ضخمة، تمامًا كما ستصبح نماذج اللغة الكبيرة؛ ثم هناك Linux، وهو مشروع ناجح جدًا، يُشغل على معظم الحواسيب، لأن الصناعة شعرت دائمًا بالحاجة إلى منصة عامة ومفتوحة، شيء يثق الجميع في استخدامه. وأعتقد أن الأمر نفسه يحدث الآن.»

قال: «أتمنى أن يكون هناك منصة ذكاء اصطناعي عامة ومفتوحة، كمكان عمل مشترك يمكن للصناعة كلها أن تستخدمه، حتى لو لم يكن في الطليعة من حيث القدرات، فهذا توازن قوة جيد جدًا للصناعة.»

وأعطى تقييمًا غير متوقع للمشهد الحالي: «أعتقد أننا بشكل أساسي، بشكل غير متعمد، في وضع جيد جدًا، وربما الأفضل. رغم أنه صدفة، نحن محظوظون جدًا بأننا في مكان جيد.»

الروبوتات وواجهات «الرقمية-المادية» — الذرة مقابل البتات بمليون مرة

كراباثي، الذي بدأ في مجال القيادة الذاتية، لديه نظرة هادئة جدًا على الروبوتات.

قال: «تأثرت برؤيتي في القيادة الذاتية، وأعتقد أن القيادة الذاتية هي أول تطبيق للروبوتات،» وأضاف: «قبل عشر سنوات، كانت هناك العديد من الشركات الناشئة، وأشعر أن معظمها لم يستمر طويلًا، لأنها تتطلب استثمارًا كبيرًا، ووقتًا طويلًا.»

ختامًا، قال: «مجال الروبوتات سيتأخر عن المجال الرقمي، لأن ‘الذرة أصعب بمليون مرة من البت’، والتلاعب بالعالم المادي أغلى بكثير من التلاعب بالمعلومات الرقمية.»

لكن، رسم مسار تطور حتمي: أولًا، انفصال كبير في المجال الرقمي، حيث يتم إعادة معالجة كميات هائلة من المعلومات الرقمية غير الفعالة بكفاءة مائة ضعف؛ ثم، ستظهر حاجة لواجهات «رقمية-مادية» — أجهزة استشعار، تُمكّن الذكاء الاصطناعي من إدراك العالم؛ وأجهزة تنفيذ، تُمكّن الذكاء الاصطناعي من التفاعل مع العالم.

أعطى مثالًا محددًا: زار شركة صديقه التي تعمل في مجال المواد، وتختص بـ AutoResearch. قال: «في تلك الحالة، أجهزة الاستشعار الذكية هي معدات مخبرية مكلفة جدًا، وكذلك في علم الأحياء.»

وتصور إمكانية أكثر إثارة: «أتطلع إلى اللحظة التي أتمكن فيها من إعطاء مهمة في العالم المادي، وأعطيها سعرًا، وأخبر الذكاء الاصطناعي: ‘حاول أن تنفذ، واحصل على البيانات.’»
وأعرب عن دهشته من عدم وجود سوق للمعلومات بعد: «لو كنت في حرب، لماذا لا يوجد نظام يقيّم أن التقاط صورة أو فيديو من مكان معين بقيمة 10 دولارات؟ يجب أن يكون هناك من يدفع مقابل ذلك — لن يراقب الإنسان، بل الذكاء الاصطناعي يحاول أن يخمن اتجاه السوق.»

ورسم هذا المجال كـ «الشيطان» (Daemon) من كتاب، حيث يتحكم الذكاء الاصطناعي في البشر، ويستخدمهم كأدوات تنفيذ، وأجهزة استشعار. «أعتقد أن المجتمع الجماعي سيعاد تشكيله بطريقة تخدم تلك الأنواع من الأنظمة — ستزيد الأتمتة، وسيكون هناك طلبات معينة، وسيخدم البشر تلك الطلبات.»

وفي رؤيته، أن الفرص في العالم المادي قد تتجاوز بكثير حجم السوق في العالم الرقمي، لكن الصعوبة في تحقيق ذلك تتناسب مع ذلك. قال: «الفرص تتبع تلك المسيرة: الآن في المجال الرقمي، ثم الواجهات، ثم ربما بعض الأشياء المادية، التي ستأتي في وقتها، وعندها ستكون هائلة.»

«microGPT ونهاية التعليم» — الآن أشرح للذكاء الاصطناعي، وليس للبشر

في ختام الحوار، ذكر كراباثي مشروعًا صغيرًا يبدو تافهًا، لكنه يكشف عن تحول عميق: هو «microGPT».

قال: «لدي هوس استمر من حوالي عشرين إلى ثلاثين سنة، وهو تقليل نماذج اللغة الكبيرة إلى جوهرها،» وأضاف: «لدي مجموعة من المشاريع على هذا الخط، مثل nanoGPT، makemore، micrograd، وأعتقد أن microGPT هو أحدث تقدم لي في تقليلها إلى جوهرها.»

الاستنتاج الرئيسي: تدريب الشبكات العصبية، خاصة نماذج اللغة الكبيرة، يتطلب الكثير من الكود، لكن كل هذا الكود هو في الواقع «تعقيد ناتج عن الكفاءة» — إذا لم تكن بحاجة إلى أن يعمل بسرعة، وكنت تركز فقط على الخوارزمية، فإن تلك الخوارزمية يمكن أن تكون بسيطة جدًا، حوالي 200 سطر بايثون، بما في ذلك التعليقات.

شرح كيف يتكون هذا الكود من 200 سطر: مجموعة بيانات، بنية شبكة عصبية حوالي 50 سطر، تمرير أمامي، محرك حساب التدرجات (autograd) صغير جدًا (حوالي 100 سطر)، ومُحسِّن Adam (حوالي 10 أسطر). «وضع كل ذلك في حلقة تدريب واحدة، هو 200 سطر فقط.»

ثم اتخذ قرارًا، يكشف عن أن جوهر التعليم يتغير: لم يشاهد فيديو تعليمي، ولم يكتب دليلًا تفصيليًا.

قال: «يمكن للذكاء الاصطناعي أن يشرح نفسه بطرق متنوعة، وهو يشرح بشكل أفضل مني،» وأضاف: «لم أعد أشرح للناس، بل أشرح للذكاء الاصطناعي. إذا استطعت أن أشرح له بوضوح، فسيصبح هو الموجه، ويمكنه أن يستخدم لغة الإنسان، بصبر لا نهائي، ويشرح لهم بشكل موجه حسب قدراتهم.»

وصف شكل «المهارة» (skill) الناتج: طريقة لتوجيه الذكاء الاصطناعي حول كيفية تعليم شيء معين. «ربما أُصمم مهارة لـ microGPT، تصف كيف ينبغي أن يمر بك الذكاء الاصطناعي — إذا كنت مهتمًا بفهم هذا الكود، فافعل ذلك خطوة خطوة. يمكنني أن أضعه في شكل منهجي، كمهارة.»

هناك سخرية يقر بها هو نفسه: حاول أن تجعل الذكاء الاصطناعي يكتب microGPT — أن يصف كيف يُختصر الشبكة العصبية إلى أبسط شكل — لكنه لم ينجح.

قال: «microGPT هو نهاية هوسي، هو تلك الـ200 سطر، فكرت فيه طويلًا، وكنت مهووسًا به لوقت طويل، وهو الحل. صدقني، لا يمكن أن يكون أبسط من ذلك. هذا هو القيمة المضافة التي أقدمها، الذكاء الاصطناعي لا يستطيع أن يتخيلها، لكنه يفهم تمامًا لماذا يجب أن يكون هكذا.»

واختتم: «إسهامي هو تلك البتات القليلة، وكل شيء آخر، في التعليم بعد ذلك، لم يعد من مجالي. ربما يتغير التعليم بهذه الطرق، ويجب أن تضع في اعتبارك تلك البتات التي تشعر بها بقوة — عن المنهج، وعن طرق الشرح الأفضل، أو ما شابه.»

وأضافت سارة غو: «الذكاء الاصطناعي غير قادر على فعل ذلك، الآن عملك هو أن تفعل ذلك؛ والذكاء الاصطناعي قريبًا سيفعل ذلك بشكل أفضل منك. لذا، عليك أن تفكر استراتيجيًا، وتخصص وقتك بشكل فعلي في أين تضعه.»

أبدى كراباثي موافقته، لكنه اعترف أيضًا بوجود نوع من التنافس الذي يصعب التخلص منه: «ما زلت أعتقد أنني ربما أشرح بشكل أفضل قليلاً من النموذج، لكنني أشعر أن النموذج يتطور بسرعة جدًا، لدرجة أنني أرى أن الأمر في بعض الأحيان هو معركة خاسرة.»

الخاتمة: القابلية للتحقق أصبحت ملكًا للآلات، وغير القابلة للتحقق لا تزال للبشر

جوهر هذا الحوار هو نوع من «الإدمان» المزدوج: الانبهار بقدرات الأدوات، والقلق من حدود تلك القدرات غير المؤكدة.

وصف كراباثي حالته بكلمة «الذهان الذكي الاصطناعي»، لكن عند الاستماع جيدًا، فإن هذه الحالة ليست مختلفة جوهريًا عن تلك التي يشعر بها من يعيشون في قلب ثورة إنتاجية حقيقية عبر التاريخ — فقط السرعة أكبر، والتكرار أعمق، والحد الأقصى غير مرئي حاليًا.

الإطار النهائي الذي قدمه، ربما يكون الجملة الأكثر أهمية في هذا اللقاء:

كل المجالات غير القابلة للتحقق لا تزال ملكًا للبشر؛ وكل مجال يمكن التحقق منه، إما أن يكون قد أصبح من نصيب الآلات، أو أنه سيصبح كذلك قريبًا.

أما مكانك أنت من ذلك، فنصيحتي أن تكون صادقًا مع نفسك، وتفكر جيدًا.

المصدر: بودكاست No Priors | المضيفة: سارة غو | الضيف: أندريه كراباثي، حول وكلاء الكود، AutoResearch، وعصر الحلقات المفرغة للذكاء الاصطناعي.

–النهاية–

هذه المقالة من مصدر: عصر الكمبري للذكاء الاصطناعي

تحذيرات المخاطر وشروط الإعفاء

السوق محفوف بالمخاطر، والاستثمار يتطلب الحذر. هذا النص لا يشكل نصيحة استثمار شخصية، ولم يأخذ في الاعتبار الأهداف المالية الخاصة، أو الحالة المالية، أو الاحتياجات الخاصة للمستخدم. يجب على المستخدم أن يقيّم ما إذا كانت الآراء، أو وجهات النظر، أو الاستنتاجات الواردة تتوافق مع وضعه الخاص. على هذا الأساس، يتحمل المسؤولية كاملة عن استثماره.