بعد أن تبتلع الذكاء الاصطناعي كل شيء، ما الذي يبقى غير قابل للتدريب؟

العنوان الأصلي: غير القابل للتدريب
الكاتب الأصلي: سارة جو، Conviction
الترجمة: بيجي، BlockBeats

ملاحظة المحرر: عندما تتواصل قدرات الذكاء الاصطناعي باستمرار، تظهر في سوق الاستثمار نوع من التشاؤم الجديد: إذا كانت النماذج تزداد قوة، فإن جميع الشركات التطبيقية ستُبتلع في النهاية بواسطة نماذج مثل Anthropic وOpenAI وNvidia وقوة الحوسبة، ولن يتبقى في السوق سوى النماذج المتقدمة، وقوة الحوسبة، وقليل من البنى التحتية. لكن سارة جو ترى أن هذا الحكم يصح جزئياً فقط. تلك «الواجهات الرقيقة» (أي التطبيقات التي تعتمد على نماذج بسيطة مغلفة) ستُبتلع بالفعل، وكل مهمة يمكن قياسها بواسطة الاختبارات المرجعية، وتدريبها على بيانات عامة، والتحقق منها بتكلفة منخفضة، ستُصبح تدريجياً سلعة.

المشكلة الحقيقية هي: بعد أن تبتلع الذكاء الاصطناعي كل شيء يمكن تدريبه، ما الذي لا يزال غير قابل للتدريب؟

إجابة هذا السؤال، هي تلك القيم الموجودة داخل المنظمات الحقيقية، والتي يصعب نسخها بسهولة من الخارج: بيانات الشركات الخاصة، سير العمل المعقد، ثقة المستخدمين، صلاحيات النظام، الأحكام الصناعية، المسؤوليات التنظيمية، والخبرات المتراكمة على مدى التشغيل الطويل. يمكن للنموذج أن يصبح أذكى، لكنه لا يستطيع تلقائياً الدخول إلى أنظمة الإنتاج في البنوك؛ يمكنه توليد إجابات طبية، لكنه لا يكتسب ثقة الأطباء أو يندمج في عمليات اتخاذ القرار في المستشفيات؛ يمكنه كتابة نصوص قانونية، لكنه لا يتحمل مسؤولية المحامين المخضرمين، ولا يمكنه من تلقاء نفسه تحديد ما هو العمل القانوني المؤهل.

لذا، فإن الشركات التي ستتمتع بحقوق تنافسية حقيقية في المستقبل، ليست ببساطة تلك التي تمتلك نماذج أكثر ذكاءً، بل تلك التي تغوص عميقاً في صناعاتها، وتنجح في مهمة «الترجمة» الصعبة والمهمة: تنظيم الواقع الخاص بالعملاء، أدواتهم، عملياتهم، ومعايير حكمهم، في أنظمة يمكن للنموذج أن يتصرف بناءً عليها، وعلى مدى الزمن، تكتب تعريف «النتائج الجيدة» بشكل تدريجي. كلما زادت قوة النماذج، زادت قيمة المهام القابلة للقياس والتكرار، وتضاءلت قيمة المهام التي تتطلب تاريخاً، علاقات، صلاحيات، وحكم مهني، والتي تعتبر «غير قابلة للتدريب». هذا هو القيمة الحقيقية التي يمكن أن تبقى بعد ابتلاع النماذج.

وفيما يلي النص الأصلي:

بحلول منتصف 2026، فإن نسخة المستثمرين من «الجنون الذهني للذكاء الاصطناعي» هي شعور يائس بعدم وجود شيء يستحق الاستثمار فيه: كأننا يجب أن نستثمر كل أموالنا في Anthropic وNvidia، ثم نعود إلى المنزل لننام. لكني لم أشعر أبداً بهذا الشعور. منذ عدة إصدارات صغيرة، كنت على يقين أن النماذج أصبحت أذكى مني؛ وإذا اشتريت أسهم Anthropic وNvidia بالسعر السوقي، فسيسعدني ذلك؛ وأصدقائي الأذكى مني يعتقدون أن تحسين النماذج ذاتياً سيتسارع بشكل حقيقي — لكني لا أزال لا أشعر بهذا اليأس.

هذا اليأس ليس غبياً. منطقُه كالتالي: إذا استمرت النماذج في القوة في كل شيء، فإن جميع الشركات المبنية عليها ستكون مجرد أغلفة رقيقة تنتظر أن تبتلعها النماذج؛ والقيمة التي ستبقى، ستكون فقط قوة الحوسبة وأوزان النماذج المتقدمة.

كمثال على البرمجيات، هو أحد أكثر الأمثلة اعتماداً على هذا اليأس. عندما أُطلق Devin في 2024، كان قادرًا على حل 13% فقط من المهام في الاختبارات المرجعية للبرمجيات القياسية، لذلك كان يُنظر إليه بشكل عام على أنه غير مهم في السوق. بعد سنة ونصف، أصبح أقوى وكيل قادر على تحقيق أكثر من 80% من الدرجات العالية، وبدأ يتعامل مع مهام حقيقية داخل Goldman Sachs ووزارة الدفاع الأمريكية. ومع ذلك، خرج الجميع بنفس الاستنتاج الخاطئ: أن النماذج تبتلع هندسة البرمجيات.

لكن بعد أن ابتلعت النماذج الجزء الأسهل قياسه من هندسة البرمجيات، نحن نعيد تقييم حقيقة كانت معروفة منذ زمن: أن الهندسة كانت دائماً ترفض القياس، وأن الجزء الأسهل قياسه، ليس بالضرورة هو الجزء الأهم.

ميرت ديميرير وزملاؤه في MIT قاموا أخيراً بقياس ذلك: بين أكثر من 100 ألف مطور، زاد أحدث جيل من وكلاء الترميز من كمية الكود المكتوب بنسبة حوالي 180%، لكن الكمية الفعلية التي تم إصدارها كانت فقط حوالي 30%. أصبح كتابة الكود أرخص، لكن الأجزاء المتبقية لا تزال تتطلب الإنسان، وهذه الأجزاء مهمة جداً. بالطبع، التأثير الصافي لا يزال مذهلاً.

الاختبارات المرجعية، هي شيء يمكن قياسه؛ وأي شيء يمكن قياسه، يمكن تدريبه. لذلك، فإن وكيل الترميز أصبح أول من يكتمل: المترجم هو مدقق مجاني، ومجموعة الاختبارات أيضاً مدقق مجاني. عندما يكون الحل تقريباً بدون تكلفة للفحص الذاتي، يمكنك تحسينه باستمرار حول هذا الإشارة، حتى تتقنه تماماً.

لكن الفحص لا يعني أبداً أن هذا التغيير صحيح لقاعدة كود تعمل منذ عشر سنوات. قد يكون لهذا المكون أسباب غير مكتوبة، أو قد يعتمد على خط أنابيب نشر يعتمد على مهمة cron لا يريده أحد أن يعترف بأنه كتبه.

هذه الصحة لا يمكن قراءتها من لوحات النتائج، ولا يمكن قراءتها مباشرة من أي شيء آخر. أنت فقط بحاجة إلى أن يعمل نظام معقد كهذا في العالم الحقيقي لفترة كافية، لتعرف ما إذا كان فعالاً حقاً. والنماذج الأذكى لن تجعل العالم الحقيقي يعمل بشكل أسرع. لا أحد يثق تماماً في نظام كبير مثل Google بعد أن يمر باختبارات الوحدة ويظهر علامة صح خضراء. الثقة تأتي من تحمل عبء العمل الحقيقي لسنوات.

هذه الصحة ليست فقط خاصة، بل هي أيضاً نوع من الحصن الحصين البطيء التشكيل، وهو حصن لا يمكن للرأس المالي تقليص وقته مباشرة. حتى المتفائلون يعترفون أن هذا الزمن لا يمكن تخطيه. كتب نعام براون، رائد نماذج الاستدلال في OpenAI: أن تقييم أداء وكيل خلال سنة واحدة هو الطريقة الوحيدة الموثوقة.

كما قال غابرييل بيريرا، فإن الأتمتة الحقيقية ليست فقط أن تصبح النماذج أقوى. إنها أن تتغير المنتجات، والنماذج، وسير العمل، وتنظيم الشركات معاً، وثلاثة من هذه الأربعة تتقدم بسرعة التنظيم.

ما يحفز الناس، هو جزء لا يمكن قياسه من الاختبارات المرجعية: إقناع شريك متشكك بتغيير طريقة تعامله، والحفاظ على تماسك فريق أثناء إعادة البناء. ولهذا السبب، نولي أهمية كبيرة عند توظيف المدير التنفيذي، لقدرتهم على التعامل مع الناس، لا تقل عن قدراتهم التحليلية. أن تصبح النماذج أكثر ذكاءً، لن يغير هذا الوزن.

رد الفعل هنا غامض، والإطار الزمني هو سنوات، والثقة تنتمي إلى شخص معين. كل شركة أعرفها، جعلت كل مهندس يستخدم نماذج ترميز متقدمة، لكن لم تتغير تنظيمات فرق الهندسة بسرعة تقارب تقدم النماذج. استغرق اعتماد الأدوات فقط ربع سنة، وكان ذلك مذهلاً، لكن إعادة البناء الحقيقية تستغرق سنوات.

الأعمال التي يمكن رؤيتها بوضوح، تتلاشى. والأعمال ذات القيمة الحقيقية، هي في جوهرها غير قابلة للقراءة: أي شيء يمكن وضعه في لوحة النتائج، يمكن تدريبه؛ لذلك، فإن كل شيء يمكن قياسه يتجه نحو السلعة. هذه العملية تتطلب وقتاً، ولن تنتهي أبداً بشكل كامل، لكن الاتجاه لا يمكن عكسه.

وبحسب ما قاله صديقي، مات ماكينيس من Rippling، لو ترجمنا ذلك إلى لغة المال: إذا كانت قطعة من الرموز تُستخدم فقط للإجابة على سؤال عام، فهي لا تساوي شيئاً تقريباً، لأن أي نموذج يمكن أن يجيب عليها؛ لكن إذا كانت الرموز تعتمد على بيانات شركتك، وتُستخدم في الاستنتاج، فهي أكثر قيمة بكثير، لأنها تنفذ ما تريد فعلاً، وليس مجرد توليد إجابة تبدو معقولة.

الأعمال القابلة للقراءة ستُبتلع من جهتين.

من الأسفل، ستتكدس المهام: بمجرد أن يمكن فحص مهمة منخفضة التكلفة، لن يهتم المشتري من أي نموذج أنجزها، بل سيسأل عن السعر. وهكذا، ستنتقل المهمة إلى أرخص نموذج مفتوح المصدر أو نموذج مُعلم بالتقطير. طالما أن الربحية ممكنة، فهي ستتحقق في النهاية.

من الأعلى، تحاول المختبرات أن تجعل النماذج تبتلع أدواتها الخاصة. بين استدعاءات الاسترجاع، والتوجيه بين الاستدعاءات الرخيصة والمكلفة، واستخدام الأدوات، وحتى استراتيجيات الاستنتاج — جميع الأدوات التي كانت خارج النموذج، تُدمج الآن في أوزان النموذج، حتى يتحول «الغطاء» إلى نموذج. هذه هي حدود الامتصاص.

الضغوط الربحية ستعمل من جهة أخرى أيضاً: وكيل عام يجب أن يكون جاهزاً للتعامل مع أي شيء، لذلك تكلفته عالية؛ بينما يمكن لتطبيق متخصص أن يُحسن سير عمل معين ليستهلك جزءاً صغيراً من الرموز. بالإضافة إلى ذلك، بخلاف المختبرات التي تبيع الرموز، يمكن لشركات التطبيقات أن تحتفظ بالفارق.

لذا، يمكننا أن نطرح على أي نوع من العمل سؤالين: هل صحتها خاصة ومكلفة، وهل تمثل حقيقة موجودة فقط داخل بيانات شركة معينة؟ هل محصورة في نظام لا يمكن للغرباء دخوله؟ عند وضع هذه الأسئلة جنباً إلى جنب مع مدى تكدس المهمة، نحصل على مصفوفة 2×2.

الأعمال التي تكدست وأجوبتها عامة، هي مجال السلعة، حيث ستسيطر النماذج المفتوحة. الأعمال المتقدمة ولكن إجاباتها عامة، مثل اختبارات الترميز، هي مجال المختبرات، لأنها عندما تكون التقييمات مجانية، فإن امتلاكها لا يساوي شيئاً.

أما الجوائز الحقيقية، فهي في الزاوية الأخيرة، وهي «غير القابلة للتدريب»: أعمال متقدمة، لكن صحتها موجودة فقط في بيئة خاصة. يمكنك أن ترى ذلك في سحابة الاستدلال التي تقدمها شركات الذكاء الاصطناعي الأصلية: غالبية الرموز تُنتج بواسطة نماذج مخصصة، وليس بواسطة نماذج مفتوحة عامة.

الجدار الذي يؤدي إلى هذه الزاوية الأخيرة، مرتفع ومنخفض. مكتبة الكود الخاصة بمطور، قابلة للنقل وموحدة، لذلك ليس من الصعب التسلل إليها. لكن أنظمة البنوك الإنتاجية غير قابلة للنقل، وليست موحدة. لن تحصل على صلاحية الجذر فيها لمجرد أنك أظهرت ذكاءً بنسبة 2% على SWE-Bench Verified.

القدرة ستبتلع الكثير، لكن النماذج الأفضل لن تجعل المعايير الحقيقية الخاصة بك علنية. لن تمتلك ترخيصاً، ولن توقع على مسؤولية، ولا تملك ملفات الشركة؛ وعندما يحدث خطأ في الإجابة، لا يمكنها أن تكون طرفاً في الدعوى. المشكلة ليست في الذكاء، بل في الصلاحيات، والمسؤولية. يمكنك أن تتخيل نموذجاً أذكى من أي شخص، لكنه لا يزال يجب أن يُسمح له بالدخول، ويجب أن يوقع شخص ما على ما يفعله.

هناك قفل على الباب، ومانع على الباب الآخر.

القفل هو البيئة: فقط بعد أن يُوثق الثقة في نظام معين، ويُجتاز التدقيق الأمني، ويُكمل التكامل، ويُوقع عقد يتحمل نتائجه، يمكنك التحقق من أن الذكاء الاصطناعي قام بعمل مفيد حقاً.

أما المانع فهو المستخدم. اليوم، يفتح معظم الأطباء في أمريكا تطبيق OpenEvidence يومياً، وهذا ليس شيئاً يمكن لأي قوة حوسبة شراؤه. يمكن لمختبر أن يُدرّب غداً نموذجاً طبياً مثالياً، لكنه لا يستطيع أن يدخل في عادات الأطباء، ولا في عمليات اتخاذ القرار في UCSF. الثقة تُبنى ببطء، عبر العلاقات، وتفويض المستخدم، وليس عبر تقليل هذه الأمور إلى تدريبات بالتدرج.

وهذا هو عمل الشركات التطبيقية. شركة تستطيع أن تحتل مكانها في الزاوية «غير القابلة للتدريب»، تعتمد على الأعمال غير اللامعة: تنظيم الواقع الخاص بالشركة، وتمكين النموذج من العمل بناءً عليه؛ تزويد الأدوات التي يتصرف من خلالها؛ وتغيير طريقة عمل القوى العاملة مع العملاء.

شركة قادرة على تنفيذ هذا «الترجمة» يصعب تكرارها، وهذه الترجمة لن تنتهي أبداً. التكامل والصيانة سيستمران طالما استمرت علاقات العملاء. والفائزون هم تلك الفرق التي تضع مهندسي التخصص والأدوات بجانب العملاء.

كمثال، في شركة محاماة عريقة، تتعامل مع حوالي ألف صفقة استحواذ سنوياً. لا يمكنك أن تجعل مئات المحامين المساعدين يحملون ملفات العملاء على أجهزة الكمبيوتر، ثم يمررونها لوكيل عام عام، لأنه غير مسموح قانونياً، فضلاً عن وجود مشاكل أخرى كثيرة. حتى لو كان ذلك مسموحاً، فستتعلم فقط أجزاء من الصورة: مساعد واحد يصحح شيئاً واحداً في كل مرة، ولا أحد يستطيع أن يرى كيف تتدفق الصفقة كاملة.

الإشارة المهمة حقاً، توجد على مستوى الصفقة نفسها. لكل صفقة شكلها الخاص: في عمليات الاستحواذ، هو NDA، قائمة الشروط، التحقيقات، اتفاقية الشراء، المستندات المرفقة، قائمة التسليم؛ وفي قضايا حقوق الملكية الفكرية، هو الطلبات، الإفصاحات، التقنية الحالية، المزيد من الطلبات. كل مجال عمل لديه هيكله الخاص، والمحامون والأدوات لا يمكن استبدالها عشوائياً.

والشركة التي تريد حل المشكلة الحقيقية، هي على مستوى أعلى: كيف تدير كل مجال عمل في آنٍ واحد، كما يفعل الشريك الأعلى الذي يدير مئات الأمور في وقت واحد، ويستقطب عملاء جدد، ويُربّي المحامين المساعدين. تحويل شركة كهذه، ليس مهمة يمكن حلها عبر مهمة تقييم واحدة. إنها تتطلب مديراً يتعامل معها كأنه «ضارب بيانات» (بيسبول البيانات): أهدافها غير واضحة، وردود فعلها غير مكتملة، وفترتها طويلة، والبيئة نفسها لا تتوقف.

لسوء الحظ، القيمة غير القابلة للقراءة من الصعب تسويقها، لأسباب مشابهة لصعوبة تسويقها: شركة لا يمكنها أن تحكم من الخارج، هل يمكن للذكاء الاصطناعي أن يُغير عملياتها كما تظهر الاختبارات المرجعية؟ لذلك، فإن الشركات الأقوى ستتوقف عن محاولة إثبات نفسها من الخارج، وتبدأ من الداخل، وتحدد الأسعار بناءً على النتائج.

Sierra لا تتقاضى رسوماً إلا عندما تحل وكالتها مشكلة العميل؛ وإذا تم إحالة المشكلة إلى الإنسان، فهي لا تتقاضى شيئاً. لذلك، أصبح السعر نفسه آلية تقييم. وهذا ممكن لأن Sierra تمتلك حق تحديد «المنجز». قام Devin من Cognition بنفس الشيء في مجال البرمجيات، وأطلق «ضمان الأداء». فقط عندما تُدخل بثقة إلى نظام معين، وتُحقق نتائج، يمكنك أن تقدم هذا الضمان.

حتى على مستوى تقديم خدمات الرموز — وهو المستوى الذي يُطلق عليه الجميع غالباً «سلعة نقية» — أداؤها لا يشبه السلعة تماماً. أفضل شركات الذكاء الاصطناعي الأصلية تركز خدماتها على شركة أو اثنتين، مثل Baseten أو Fireworks. لأن تكلفة كل رمز تتجه نحو السلعة مع الوقت، لكن الاعتمادية في التدفق الحقيقي، والحصول على قوة الحوسبة النادرة بشكل مستقر، لا يُعتبران سلعة. مكان تقديم خدمة الاستنتاج، واستخدام النماذج، هما خياران مختلفان. الجزء الوحيد الذي يشبه السلعة في الاستنتاج، هو السعر.

الاعتراض الشائع هو: أن المختبرات هي مورّدك، فلماذا لا تبيع منتجاتها الخاصة بأقل من التكلفة، وتدمر السوق؟ أو تلغي وصولك إلى API، وتسيطر على السوق بنفسها؟ هذا هو النسخة الحقيقية من ذلك الشعور باليأس. لكنه ينطبق فقط عندما يكون مستوى النموذج لعبة فردية.

من الواضح أن الأمر ليس كذلك. مستوى النماذج أشبه بمنافسة مميتة بين ثلاثة لاعبين ونصف، بجانب مجموعة من اللاعبين الدوليين المتأخرين في التقدم بحوالي ستة أشهر، وتحالف تنموي يضاعف حجمه العام الماضي خمس مرات. العملاء يرغبون في وجود منافسة بين مورديهم، والمختبرات تسعى لحصتها السوقية، وليس لقتل تطبيق معين.

يمكنك أن ترى ذلك في السوق التي تتنافس فيها المختبرات بشكل مباشر. في سيناريوهات المحادثة مع المستهلكين، لم يفز أفضل نموذج أبداً بالسوق كله بسهولة. ظل ChatGPT يتصدر لسنوات من المنافسة الحقيقية؛ حصته التي فقدها، تتجه إلى Gemini، والسبب هو قدرات Android والبحث، وليس أن النماذج أفضل. يُعتقد حالياً أن Anthropic تمتلك أفضل نموذج في سوق التوقعات والأجواء على الإنترنت، لكنها ليست لاعباً رئيسياً في محادثة المستهلكين، بل تبني أعمالها في مجالات الشركات والبرمجة.

إذا لم يتمكن نموذج أفضل من سرقة مستخدمي المنافسين في التطبيقات الأساسية، فلن ينجح بسهولة في دمج أنظمة السجلات الطبية في المستشفيات، أو أنظمة المسؤولية في البنوك. اليوم، معايير اختيار المنتجات ليست فقط قدرات الترميز. إذا استمرت النماذج المتقدمة في الازدحام، فإن مستوى التطبيقات فوقها سيكون ذا قيمة.

إذا لم تستطع مهمة ما أن تُقيم من الخارج، فلابد من شخص داخلي يحدد ما هو الجواب الجيد. وهذا القرار هو اللعبة بأكملها. عندما يُكتب العديد من هذه القرارات، يتحول إلى اختبارات مرجعية. أطلقت Harvey اختباراً مرجعياً في المجال القانوني، وSierra أطلقت اختباراً لوكيل الصوت. أنت تملك الحق في تحديد معنى «الجيد» في مجال معين، لأن هذا المجال يستخدمك بالفعل. وهذه الشركات، هي التي كسبت هذا الحق من خلال نضالها في الاعتماد الحقيقي.

التقييم الذي يحدد تدفق الأموال، هو خاص، ويتكون تدريجياً من قبل الشركات: الشركة، في هذا المجال، تقبل ما تعتبره عملاً جيداً. وهذه المسألة لم تكتمل بعد، لأن عمق القانون يتجاوز أي اختبار عام. تعمل OpenEvidence على ترسيخ ما هو الجواب الآمن في المجال السريري.

كل هذا في الواقع ليس «قياساً» حقيقياً، بل هو حكم حول ما هو حقيقي، وما هو جيد. تُكتب هذه الأحكام حتى تتحول إلى معايير يقيسها الجميع. مهما أصبحت المختبرات أكثر ذكاءً، فهي لا تستطيع أن تضع هذه المعايير من العدم، لأنها تقتصر على المجال نفسه.

هذه السلطة غالباً ما تقع في الأماكن التي كانت موجودة أصلاً. يكتب المحامون المخضرمون معايير القانون. ويحدد الأطباء ما هو الجواب الآمن سريرياً. «تم الحل» يُحدد بواسطة الشركة التي لديها علاقات مع العملاء.

حدود الامتصاص ستستمر في الارتفاع، لأننا سنتعلم باستمرار قياس المزيد من الأعمال، والأشياء التي يمكن قياسها ستُبتلع. الأرض غير القابلة للتدريب ستتقلص تحت أقدام من عليها، لذلك لا يمكنك التوقف عند نقطة دفاعية. عليك أن تتجه نحو المناطق التي لا يمكن تقييمها بعد، وأن تعيد تقييم المخاطر باستمرار.

في مهمة ضيقة، باستخدام بياناتك الخاصة وتقييمك، يمكنك أن تصل إلى مستوى متقدم، وتتفوق على النماذج العامة في سيناريوهات حاسمة؛ هذا النموذج المخصص سيكون جزءاً من الحصن الحصين. من ناحية أخرى، إذا كنت تتنافس على قدرات النماذج العامة، فهذه حرب رأس مال، وستخسر أمام من يملك أكبر قدر من الحوسبة. وهذا هو الفخ الذي تقع فيه الشركات ذات الوصول السطحي، والمهام سهلة القراءة.

عندما تقرر شركة أن تتدرب على قدرات تتجاوز النماذج المتقدمة في مهمة واسعة، فإن النتيجة غالباً تعتمد على حجم مركز البيانات. النتيجة النهائية ليست عادة فوز بطل مستقل، بل بيعه لمشغل حوسبة قوي.

كل ذلك هو دفاعي. والأصعب هو الهجوم: أولاً، تحديد ما تريد بناؤه. هذا هو الشيء الذي كنت أبحث عنه طوال العام، ولم أجد إلا ثلاث مرات. النموذج لا يمكنه المساعدة في ذلك. أين توجهه، سيفعل؛ لكنه لا يستطيع أن يخبرك ما يستحق أن يُوجه إليه. لا يمكنك وضع معيار لذلك، لذلك لا يمكنك تدريبه.

لهذا السبب، لا تتخذ الشركات الكبرى كل شيء: فهي تحمي أراضيها، والشيء التالي يأتي من شخص اكتشف الاستخدام قبل الآخرين. ربما، النية هي نوع من المدخلات التي تكون أكثر ندرة من الحوسبة.

هذا الشعور باليأس هو نصف صحيح. الغلاف الرقيق يتعرض للامتصاص، والكثير من الأشياء التي تبدو شركات اليوم، هي في الواقع مجرد أغلفة رقيقة. لكن الحكم على «ما يتبقى بعد الامتصاص» خاطئ. الآلية واضحة، والنهاية ليست كذلك.

أنا أراهن على هذا الاتجاه: أن الذكاء سيستمر في أن يصبح أرخص، وأن القيمة ستتجه أكثر نحو الأماكن التي لا يمكن للنماذج أن تصل إليها. الأشياء غير القابلة للتدريب، هي ذات قيمة تاريخية.

لذا، الدخول إلى أحد هذه المجالات، والقيام بتلك الأعمال غير اللامعة للترجمة، ثم كتابة تعريف «للجيد» هناك، هو ما سيقوم به الكثيرون. لأن أكثر الاختبارات المرجعية التي يُذكر اسمها هذا العام، هي في الواقع خريطة استيلاء ستصبح بلا قيمة، وإشعار: إشعار لبعض الناس بأنهم على وشك فقدان حقهم في تحديد «الجيد».

[رابط النص الأصلي]

انقر لمعرفة وظائف BlockBeats في التوظيف

مرحباً بك في المجتمع الرسمي لـ BlockBeats:

قناة تليجرام: https://t.me/theblockbeats

مجموعة تليجرام: https://t.me/BlockBeats_App

حساب تويتر الرسمي: https://twitter.com/BlockBeatsAsia