المؤسس المشارك لشركة Anthropic توقع ظهور "ذكاء اصطناعي ذاتي التطوير" بحلول عام 2028 - ForkLog: العملات الرقمية، الذكاء الاصطناعي، التفرد، المستقبل

# المؤسس المشارك لشركة أنثروبيك توقع ظهور “ذكاء اصطناعي ذاتي التطوير” بحلول عام 2028

بحلول عام 2028، قد تظهر أنظمة ذكاء اصطناعي قادرة على تطوير وتدريب خلفائها بشكل مستقل دون تدخل بشري. قدم هذا التوقع المؤسس المشارك لشركة أنثروبيك جاك كلارك

«هذا مهم جدًا. لا أعرف كيف أدرك ذلك. أتوصل إلى هذا الاستنتاج على مضض، لأن العواقب كبيرة جدًا لدرجة تجعلني أشعر بالإحباط منها، ولست متأكدًا من أن المجتمع مستعد للتغييرات التي ينطوي عليها تطوير الذكاء الاصطناعي الآلي»، — أشار إليه

وصف كلارك سيناريو الأتمتة الكاملة لأبحاث الذكاء الاصطناعي — نموذج يقوم بشكل مستقل بـ:

• وضع المهام البحثية؛
• تصميم التجارب؛
• كتابة واختبار الشفرات؛
• تحسين عملية التعلم؛
• تحسين بنية الإصدار التالي من الذكاء الاصطناعي

وصف الخبير ذلك بأنه “رُبِعُكُب في مستقبل غير متوقع تقريبًا” وقدر احتمالية هذا السيناريو بنسبة 60% خلال العامين المقبلين

على ماذا تستند التقييمات

يعتمد استنتاج كلارك على ديناميكيات عدة معايير أداء:

• SWE-Bench — اختبار لحل مهام هندسية حقيقية من مستودع GitHub. في نهاية عام 2023، كانت أفضل النماذج تتعامل مع حوالي 2% من الحالات؛ بحلول ربيع 2026، وصل المعدل إلى 94%;
• CORE-Bench — إعادة إنتاج نتائج مقالات علمية في الذكاء الاصطناعي مع إعداد البيئة، تشغيل الشفرات، وتحليل النتائج. وفقًا لكلارك، فإن المعيار “مغلق” فعليًا: تظهر الوكلاء الحديثة حوالي 95.5%;
• MLE-Bench — أداء مهام تعلم الآلة على مستوى Kaggle. أنظمة الوكلاء الأفضل تصل الآن إلى 64-65%.

وفقًا للمؤسس المشارك لأنثروبيك، تظهر جميع المقاييس الثلاث شيئًا واحدًا: أن الذكاء الاصطناعي يتجه بسرعة من كتابة الشفرات بشكل نقطي إلى أداء مهام هندسية وبحثية كاملة.

نمو الاستقلالية

حجة أخرى هي زيادة مدة المهام التي يمكن لنماذج الذكاء الاصطناعي أداؤها دون تدخل بشري.

وفقًا لبيانات METR، في عام 2022، كانت الأنظمة تتعامل مع مهام تستغرق عشرات الثواني للبشر. بحلول عام 2024، ارتفع المعدل إلى حوالي 40 دقيقة، وفي 2025 — إلى ست ساعات. الآن، تستطيع النماذج المتقدمة إجراء أعمال هندسية لمدة حوالي 12 ساعة متواصلة.

ربط كلارك ذلك بانتشار أدوات الوكيل للبرمجة. فكلما طالت مدة احتفاظ النموذج بالهدف، وتحقق من النتائج الوسيطة، وصحح الأخطاء، زادت المراحل التي يمكن أن يفوضها في دورة البحث.

لماذا هذا مهم لتطوير الذكاء الاصطناعي

تتم عملية تطوير الذكاء الاصطناعي الحديثة وفق مخطط واحد: دراسة المواد، إعادة إنتاج النتائج، جمع التجربة، تدريب أو إعادة تدريب النموذج، تقييم المقاييس، تحديد النقاط الضعيفة، والتكرار. يُظهر النمو في SWE-Bench، CORE-Bench، و MLE-Bench أن النماذج تتعامل بالفعل مع أجزاء كاملة من هذه الدورة.

وأشار كلارك بشكل خاص إلى التقدم في المهام الأكثر تخصصًا. على سبيل المثال، بدأ الذكاء الاصطناعي يُستخدم في تصميم وحدات GPU — الشفرة التي تحدد كفاءة التدريب والاستدلال على النماذج على الأجهزة المحددة.

اتجاه آخر هو إعادة تدريب النماذج. في معيار PostTrainBench، تعمل أنظمة الذكاء الاصطناعي على تحسين نماذج اللغة الكبيرة المفتوحة المصدر.

حتى ربيع 2026، تصل أفضل الشبكات العصبية إلى 25-28% من الزيادة المستهدفة (مقابل 51% للفرق البشرية). يعتقد كلارك أن النتيجة مهمة: يتم تحديد الهدف بواسطة نماذج تعليمية حقيقية، أنشأها باحثون ذوو خبرة.

قاسَت أنثروبيك مدى تحسين نماذجها لتدريب نماذج اللغة الكبيرة على وحدة المعالجة المركزية. خلال عام، زاد التسريع من 2.9 مرة (Claude Opus 4) إلى 52 (Claude Mythos Preview). عادةً، يحتاج الإنسان إلى أربع إلى ثماني ساعات لمهمة مماثلة.

الذكاء الاصطناعي يتعلم الآن إدارة الذكاء الاصطناعي

أشار كلارك إلى أن الأنظمة الحديثة بدأت تنسق عمل وكلاء آخرين. يُستخدم هذا النهج بالفعل في منتجات مثل Claude Code أو OpenCode: حيث يُوزع مساعد واحد المهام بين عدة مساعدين فرعيين، يراقبهم ويجمع النتائج.

بالنسبة لتطوير الذكاء الاصطناعي، هذا مهم: فهي نادراً ما تمثل مهمة خطية واحدة — عادةً، تشمل عشرات العمليات المتوازية، بما في ذلك كتابة الشفرات وإعداد البيئة. إذا بدأ النموذج في إدارة مثل هذه الدوائر بشكل مستقل، فستنخفض بشكل حاد نسبة التدخل البشري.

هل تحتاج الشبكات العصبية إلى الإبداع؟

وفقًا للمؤسس المشارك لأنثروبيك، أحد الأسئلة الرئيسية هو: إلى ماذا يشبه تطوير الذكاء الاصطناعي أكثر: إلى اكتشاف النظرية النسبية العامة أم إلى تجميع ليغو.

اعترف كلارك أن نماذج اللغة الكبيرة الحالية لا تستطيع حتى الآن توليد أفكار علمية جديدة بشكل جوهري. ومع ذلك، قد لا يكون ذلك ضروريًا لأتمتة جزء كبير من أبحاث وتطوير الذكاء الاصطناعي.

«الذكاء الاصطناعي يتقدم بشكل رئيسي من خلال تنفيذ منهجي لدورة معينة بواسطة البشر: أخذ نظام يعمل بشكل جيد، وتوسيع جانب معين منه، ومراقبة الأخطاء أثناء التوسيع، وتصحيحها. يتطلب ذلك القليل جدًا من الأفكار غير التقليدية، ومعظم هذا العمل يشبه العمل الهندسي غير الجذاب»، — أشار الخبير

علامات مبكرة على المساهمة العلمية

يعتقد كلارك أن نماذج الذكاء الاصطناعي بدأت تظهر عليها علامات مبكرة للحدس العلمي. وأعطى عدة أمثلة من الرياضيات وعلوم الحاسوب:

• فريق من الرياضيين باستخدام Gemini تحقق من حوالي 700 مسألة إيردش وحصل على 13 حلاً، ووصف الباحثون أحدها بأنه “مساهمة غير تقليدية قليلاً” في مشكلة مفتوحة؛
• نشر علماء من جامعة كولومبيا البريطانية، جامعة نيو ساوث ويلز، ستانفورد وGoogle DeepMind برهانًا رياضيًا تم العثور عليه بمساعدة أدوات تعتمد على Gemini.

ماذا لو كان التوقع صحيحًا

لفت كلارك الانتباه إلى أن أكبر مختبرات الذكاء الاصطناعي تتجه بالفعل نحو أتمتة الأبحاث. تنوي OpenAI إنشاء متدرب ذكاء اصطناعي للبحث العلمي المستقل، وتصدر أنثروبيك أعمالًا حول الضبط التلقائي وفقًا للقيم البشرية.

إذا استمر هذا المعدل، سيتحول القطاع إلى مرحلة الأتمتة الكاملة لتطوير الذكاء الاصطناعي، وتوقع الخبير أن يبدأ دورة يُسرع فيها كل جيل جديد من الذكاء الاصطناعي ظهور الجيل التالي.

قال إنه إذا حدث الانتقال بحلول نهاية عام 2028، فإن العالم سيواجه ليس فقط قفزة تكنولوجية، بل أيضًا أسئلة أساسية تتعلق بالأمان، وتوزيع رأس المال، ودور العمل البشري، والسيطرة على الأنظمة التي تبدأ في التطور بشكل أسرع من منشئيها.

«لو طلبت مني تحديد احتمالية ذلك لعام 2027، لقلت 30%. وإذا لم نرَ ذلك بحلول نهاية 2028، أعتقد أننا سنكتشف نقصًا في النموذج التكنولوجي الحالي، وسيتطلب التقدم ابتكارًا بشريًا»، — اختتم كلارك

تذكر أن المدير التنفيذي لشركة أنثروبيك، داريو أمويدي، توقع ظهور الذكاء الاصطناعي العام قريبًا وتقليل فرص العمل.