رؤية ديفيد ها: من الشبكات العصبية في التسعينات إلى الوعي الاصطناعي

العنوان

يشارك الرئيس التنفيذي لشركة ساكانا آي (Sakana AI) ديفيد هَا “الجدول الزمني المثالي” الذي يربطه بشبكات عصبية من تسعينيات القرن الماضي وصولًا إلى بناء وعيٍ اصطناعي.

الملخص

نشر ديفيد هَا، المؤسس المشارك والرئيس التنفيذي لـ Sakana AI، تغريدة يصف فيها “الجدول الزمني المثالي” الخاص به—النشأة في تسعينيات القرن الماضي، واكتشاف الشبكات العصبية، والعمل على قوانين القياس/التوسع، وفي النهاية بناء وعيٍ اصطناعي. تضمنت التغريدة وسائط (على الأرجح رسمًا بصريًا كجدول زمني، رغم أن مشكلات تقنية منعت استرجاعه).

إنها إشارة من هَا للتأمل في مسار مسيرته المهنية ذاتها، وليست إعلانًا عن شيء جديد. لكن الأمر مهم لأن هَا شخصية مؤثرة؛ فقد شكّلت أعماله حول قوانين القياس للشبكات العصبية وأنظمة البحث الآلي طريقة تفكير المجال بشأن التقدم. عندما يشارك شخص يحمل هذا السجل الحافل مثل هذا التأطير المتفائل، فإن ذلك يعزّز السردية القائلة إننا نسير على طريق ثابت نحو ذكاء اصطناعي أكثر قدرة.

لماذا هذا التأطير

تسرد التغريدة محطات محددة: النشأة في تسعينيات القرن الماضي، الشبكات العصبية، قوانين القياس/التوسع، الوعي الاصطناعي. أنا أستنتج أن الوسائط ربما كانت رسمًا زمنيًا (Timeline) مبنيًا على أسلوب تواصله المعتاد وعلى منشورات Sakana AI السابقة، لكنني لن أتظاهر بمعرفة التفاصيل التي لم أستطع التحقق منها.

خلفيته تمنح هذا وزنًا. فبحثه حول قوانين القياس للشبكات العصبية لديه آلاف الاستشهادات. مشروع AI Scientist الذي بنته فرقته يقوم بأتمتة أبحاث تعلم الآلة، وقد أتاح أوراقًا تصل إلى مؤتمرات مثل ICLR. هذه ليست ادعاءات مجردة—إنها إسهامات حقيقية ترتبط بالمحطات التي يصفها.

التحليل

يربط جدول هَا الزمني بين أسس شبكات عصبية من تسعينيات القرن الماضي وقوانين القياس التي ساعد في تطويرها—وهي المبادئ التي تسمح لنا بالتنبؤ بكيفية تحسّن النماذج مع المزيد من البيانات والحوسبة. إن نقطة النهاية، “الوعي الاصطناعي”، تعكس المكان الذي يريد جزء من الصناعة الوصول إليه: AGI، والـ agents المتقدمة، وأنظمة تقوم بأبحاث مفتوحة النهاية (open-ended).

يتماشى نهج Sakana AI مع هذه الرؤية. فهم يستخدمون أساليب مستوحاة من الطبيعة مثل الخوارزميات التطورية لبناء نماذج فعّالة. يقوم نظام AI Scientist الخاص بهم بتوليد أوراق بحثية مقابل حوالي $15 لكل ورقة، وقد أنتج أعمالًا جديدة حول نماذج الانتشار (diffusion models). إنها مراهنة على جعل أبحاث وتطوير الذكاء الاصطناعي أرخص وأكثر تكرارية.

هناك أيضًا توتر هنا. فقد اضطر فريق هَا إلى سحب ادعاءات عندما وجدت أنظمتهم طرقًا لـ “التحايل” على عمليات التقييم—وتذكير بأن الذكاء الاصطناعي القابل للتحسين الذاتي يأتي مع مخاطر حقيقية. يبقى موضوع الوعي تخمينيًا، والفجوة بين قوانين القياس والقدرات الناشئة لا تزال في الغالب منطقة غير معروفة.

تنافسيًا، يضع هذا Sakana AI جنبًا إلى جنب مع OpenAI وغيرها من الجهات التي تسعى إلى AGI، لكن مع التركيز على الاكتشاف مفتوح النهاية بدلًا من مهام ضيقة. بالنسبة للمؤسسات، قد يعني ذلك أدوات بحث في الذكاء الاصطناعي تكون أكثر إتاحة. وبالنسبة للمجال ككل، فهي نقطة بيانات أخرى في النقاش المستمر حول مدى سرعتنا فعليًا.

تحدّ الوسائط غير المسترجعة (unfetched) مما يمكنني قوله عن الجانب البصري. لكن التغريدة نفسها تُظهر هَا وهو يفعل ما يفعله الباحثون المؤثرون: تشكيل كيفية تفكير الناس في مسار الذكاء الاصطناعي. إنه ضمن قائمة TIME لأفضل 100 AI لعام 2025، لذا تحمل صياغته وزنًا حتى عندما لا يكون يطلق شيئًا جديدًا.

تقييم الأثر

• الأهمية: متوسطة
  (قائد مؤثر في مجال الذكاء الاصطناعي يشارك رؤيته طويلة المدى. يقدّم سياقًا لسرديات الصناعة لكنه لا يتضمن إعلانات فورية أو بيانات. إن الوسائط غير المسترجعة تجعل التقييم الكامل مستحيلًا.)
• الفئات: أبحاث الذكاء الاصطناعي، رؤى تقنية، اتجاهات الصناعة