عنوان النص: Open Source Wins، AGI Is Here، و"عدة سكورسيزي" للذكاء الاصطناعي—الرؤساء التنفيذيون لشركتَي Cerebras & Black Forest Labs
مصدر النص: بودكاست All-In
ترجمة النص: TechFlow عميقة

ملخص النقاط الرئيسية

استضافت هذه الحلقة رئيسَين تنفيذيَّين لشركتين في البنية التحتية للذكاء الاصطناعي. Andrew Feldman هو مؤسس Cerebras، الشركة التي تختص في رقائق الاستدلال (inference) وقد أنهت للتو إدراجها (IPO) وتمتلك 25 مليار دولار من طلبات معلّقة. أكد مراراً على أمر واحد: إن الطلب على قوة الحوسبة للذكاء الاصطناعي مشحون بالكامل منذ وقت طويل، ولا توجد حالة من نوع "سنجهّز ثم ننتظر من يأتي". شهوة OpenAI وAnthropic وSpaceX وGoogle تتجاوز بكثير المعروض. ومع ظهور الاستدلال (reasoning)، قفزت شدة الحساب مرة أخرى، وهذا بالضبط ميدان معركة الرقائق السريعة. Robin Rombach هو مؤسس Black Forest Labs، ويعمل على نماذج الصور والفيديو التوليدية (سلسلة Flux). وقد اخترع سابقاً خوارزمية latent diffusion، وهي الأساس الذي تقوم عليه اليوم جميع نماذج توليد الصور والفيديو. وقد تعاون للتو مع Martin Scorsese ليجعل المخرج يترجم المشاهد التي تدور في ذهنه إلى صور مرئية باستخدام الذكاء الاصطناعي؛ لكن اتجاهه الأكثر حماساً يتمثل في أن المجموعة نفسها من نماذج متعددة الوسائط قادرة على تصوير الأفلام، وفي الوقت نفسه يمكن نشرها في الروبوتات لتكون "العقل" الذي يديرها. النهاية الحقيقية للفيديو التوليدي ليست على الشاشة، بل في العالم المادي.

ملخص أبرز الآراء

الاستدلال هو ثقب قوة الحوسبة القادم

·"الأمر المثير للاهتمام هو أن هذه الموجة مختلفة عن الماضي. فهم لا يراهنون على 'أننا سنبني وسيأتي أحد'. الطلب حجز السعة الإنتاجية مسبقاً. لدينا 25 مليار دولار من طلبات معلّقة."

·"الاستدلال هو reasoning، وreasoning يستهلك كميات هائلة من token. وهذا بالضبط ساحة الرقائق السريعة."

·"إذا كانت Cerebras أسرع بـ 15 مرة، وأجريت استدلالاً لمدة 24 ساعة، فهذا يعادل تفكيراً يمتد لأسابيع بل ولأشهر لدى الآخرين."

البرمجيات مفتوحة المصدر والسيادة: ما تريده الشركات هو السيطرة

·"لا أحد يحب أن يكون معتمداً. الدرس الذي تعلمته الشركات العملاقة من حقبة x86 هو أن تُربط بـ Intel."

·"لا تحتاج إلى صناعة أسرع رقاقة على الإطلاق. يكفي ألا تكون معتمداً بالكامل على رقائق الآخرين."

·"إذا كان المرء يريد تشغيل نماذج مفتوحة المصدر الآن، فهناك خيار إما OSS 12B الخاص بـ OpenAI أو نماذج صينية. ولدى الولايات المتحدة حاجة إلى خيارات أكثر محلية من البرمجيات مفتوحة المصدر."

حصل AGI وفق تعريفات قبل عشرين عاماً

·"أي تعريف لـ AGI طرحناه قبل 20 عاماً أو 30 عاماً أو 40 عاماً، نحن قد تجاوزناه بكثير."

·"اختبار تورينغ؟ تم سحقه منذ زمن بعيد."

·"المشكلة لم تعد أننا لا نعرف كيف نطرح الأسئلة. فالذكاء الاصطناعي يستطيع عكس ذلك أن يقول لكم: يا أيها البشر الأغبياء، لم تضعوا هذا في الحسبان."

الفيديو التوليدي ليس بديلاً عن الإبداع البشري

·"هذه نماذج ذكاء اصطناعي. هي وسيط. لا نريد أن نحدد كيفية استخدامه، خصوصاً للأشخاص من طراز Martin Scorsese."

·"اللغة طريقة اتصال فيها فقدان. الإشارة البصرية غنية جداً بالمعلومات. تحويل المشاهد الموجودة في العقل إلى صور مرئية هو المكان الذي تتجلى فيه أقوى قوة للتقنية."

·"أكثر النتائج إثارة للاهتمام تظهر تقريباً عندما يبقى الإنسان داخل حلقة التكرار ويواصل تطويرها."

من الأفلام إلى الروبوتات: المجموعة نفسها من النماذج

·"يمكنك استخدام النموذج متعدد الوسائط نفسه لتصوير فيلم، ثم نشره ليصبح 'عقل' الروبوت."

·"التدريب المسبق على الفيديو علّم النموذج ضمناً قوانين التفاعل مع العالم الفيزيائي، ثم تحصل من النموذج نفسه على تنبؤات بالحركة؛ وهذا هو التحكم في الروبوت."

·"الهدف أن تتمكن من توجيه الروبوت بأوامر in-context prompt مثل: 'أحضر لي تلك الكأس من عصير البرتقال'. نحن لا نستطيع ذلك حالياً، لكن هذا هو الاتجاه."

AI في موجة البنية التحتية: مركز البيانات أكبر من مدينة

المُقدِّم: لم نَرَ قط حجم بناء كهذا. منذ بناء سور الصين العظيم أو الأهرامات، لم يضخ البشر كل هذا القدر من رأس المال والوقت والأذكياء لبناء شيء بهذا الشكل. أنت في الواقع تفعل ذلك: عميلك يبني مركز بيانات، وأنت حلقة حاسمة. في 2026، ماذا تفعل Cerebras؟ وكيف حال تلك المشروعات الهندسية الضخمة في تكساس؟

الإجابة: إن مراكز البيانات التي نتحدث عنها، في السنوات القليلة المقبلة، سيستهلك تشغيلها كهرباءً تفوق إجمالي ما استهلكته الأرض خلال الخمسين عاماً الماضية. فمبنى واحد فقط بحجم ملعب كرة قدم، والكهرباء المتصلة به تتجاوز مدينة متوسطة الحجم. تُبنى مراكز البيانات في مختلف أنحاء الولايات المتحدة، وتُبنى في كندا، وفي دول الشمال الأوروبي، وفي باريس وباقي أنحاء فرنسا، وفي الشرق الأوسط، وحتى في كازاخستان وطاجيكستان وجورجيا تُجرى أعمال لبناء مراكز بيانات كبيرة. كل دولة، وكل ولاية، تريد المشاركة.

ومن سيدفع؟ OpenAI وAnthropic وSpaceX AI وGoogle. شهية ضخمة إلى درجة مقلقة. والأمر المثير للاهتمام أن هذه الموجة مختلفة عن كثير من موجات الحماس التقنية الماضية: فهم لا يراهنون على "أننا سنبني وسيأتي أحد". الطلب حجز السعة الإنتاجية بالكامل. لدينا 25 مليار دولار من طلبات معلّقة. تريد OpenAI مزيداً من مراكز البيانات، وتحتاج Microsoft المزيد، وتحتاج AWS المزيد. الطلب لا ينتظر العملاء ليأتوا؛ فالزبائن أصلاً في طابور.

المُقدِّم: هذا أيضاً يولد مصطلحاً يسمى "token maxing"، أي حشو token بلا حدود. وهناك من يشكك: هل يخلق هذا الحجم الكبير من الطلب قيمة حقيقية؟

الإجابة: بالطبع هناك قيمة كبيرة تُنتَج. وبالطبع هناك أيضاً الكثير من التجارب العشوائية. لو قارنت بما كان عليه الأمر عندما بدأت مع AWS، شعرت بمدى الارتياح في تجاوز قسم تقنية المعلومات الداخلي؛ فكل مهندس يملك بطاقة ائتمان ويسجل. الكثير من ذلك كان مفيداً فعلاً، وبعضه بعد فترة يبدو: "يا إلهي، ما كان ينبغي أن نفعل هكذا". لكن الإجمالي لا يزال مربحاً، فقط بعض المسارات تتجه إلى لا شيء.

أتذكر أيضاً عام 1988 عندما افتتحت Costco في Palo Alto. كان الناس يتجولون فيها كما يتجولون في Safeway؛ كل صف من الرفوف يتم قطعه. كانت طريقة تسوق سيئة جداً، لأنك تشتري أربع سلع لا تحتاجها، كل واحدة بسعر 22 دولاراً. لاحقاً تعلّم الجميع استراتيجية: التوجه إلى الخلف لأخذ الدجاج، وأخذ 18 حبة كعك آيس كريم صغير (cupcakes) لحفلة عيد ميلاد الأطفال؛ مباشرة وبدون لف ودوران. استهلاك token في الذكاء الاصطناعي يشبه ذلك. في البداية كان الجميع يستخدم على سجيتهم بلا قيود، والآن بدأت الشركات تتحدث عن استراتيجية: ما المهام التي يكفي فيها استخدام نماذج مفتوحة المصدر، وما المهام التي يجب فيها استخدام نماذج في الطليعة. بدأنا ندير الذكاء الاصطناعي كما ندير الأعمال.

الاستدلال يستبدل التدريب: لماذا أصبحت الرقائق السريعة نجم هذه الموجة؟

المُقدِّم: قال Sam Altman في AllIn إن الخطوة التالية هي reasoning: فهم النية، ووضع الاستراتيجيات، والتحقق المتبادل مع وكلاء (agents) عبر خيوط أخرى. لقد قطعنا شوطاً طويلاً من "تخمين الكلمة التالية"، والآن Cerebras تقف في قلب الصورة لأن reasoning هو inference، والحوسبة فيه ضخمة للغاية.

الإجابة: إن الاستدلال يستهلك كميات هائلة من token، وهذا يخلق ميدان معركة للرقائق السريعة. تقوم كل خطوة في reasoning بابتلاع token داخلياً؛ أنت في العادة كنت تعتمد على إنفاق وقت كبير للحصول على إجابة جيدة. كون Cerebras أسرع 15 مرة يعني أن تشغيل الاستدلال لمدة 24 ساعة يعادل لدى الآخرين أسابيع بل وربما أشهر من التفكير.

اليوم صباحاً جرّبت نموذج GLM-52 من ZAI على BitTensor، وأعطيته قدرة حسابية لا نهائية، ليخبرني كل ساعة بالاتجاهات في العالم التي لم يَجرِ التعرف عليها بعد. بدأ يجادل نفسه: هل يجب أن يبحث عن الاتجاهات في Hacker News وReddit؟ أم أن الاتجاهات تظهر أولاً على Instagram؟ كنت أراقب نموذج استدلال في الخلفية وهو يناقش نفسه، وهذا ما يعني أنه يقوم بالاستدلال. token لا نهائية تعني استدلالاً لا نهائياً؛ ومع Cerebras الأسرع بـ 15 مرة، فإن 24 ساعة تعادل أسابيع لدى الآخرين.

المُقدِّم: هل لدى Cerebras قانون مور الخاص بها؟ كم من الوقت في النقاشات داخل الشركة حتى يتضاعف الأداء؟

الإجابة: كل الرقائق السابقة كانت تمشي وفق قانون مور؛ يتضاعف الأداء كل 18 شهراً. لقد قطعنا تلك الخط بمجال الرقاقة الجديدة، وخرجنا إلى مسار جديد تماماً. تقديري أن 18 شهراً القادمة ستكون أبعد بكثير من مضاعفتين. لا يزال لدى الهيكل الجديد مساحة كبيرة للتحسين. إن GPU هو بنية قديمة من 20 سنة مضت ولا يمكنه سوى التحمل عبر تقليص عقد التصنيع، لكن الهيكل الجديد يحتوي على الكثير مما يمكن تعلمه وضبطه.

المُقدِّم: لديك 25 مليار دولار من الطلبات المتراكمة، ومع ذلك عليك اللحاق بإيقاع OpenAI؛ وربما يكونون منافساً محتملاً في المستقبل. كيف تدير الشركة؟

الإجابة: حالياً لا يمكن ترك رقائق السيليكون خاملة لأن الطلب كبير جداً. لكنك على حق: OpenAI تعمل على رقائقها الخاصة، وكذلك Amazon. لا أحد يحب أن يكون معتمداً. الدرس الذي تعلمته الشركات العملاقة فائقة الحجم من حقبة x86 هو الارتباط بـ Intel. والدرس الذي تعلمه صانعو GPU هو أنهم باتوا مرتبطين بعدد قليل من العملاء فائقي الحجم، لذلك قاموا بتمويل سحابة جديدة. إن صناعة رقائقك الخاصة لا تتعلق بأسرع ما يمكن، بل تتعلق بعدم الاعتماد الكامل على الآخرين، وبأن تضمن على الأقل السيطرة على جزء مهم من مصيرك.

البرمجيات مفتوحة المصدر والسيادة: ما تريده الشركات هو السيطرة

المُقدِّم: يبدو أن البرمجيات مفتوحة المصدر تدخل الآن لحظة. في وقت مبكر استخدمت OpenClaude، ثم استخدمت Kimmy، ولاحظت أن token الخاصة بـ Claude تنفجر، لكن لا أستطيع التمييز بين الفرق مع Kimmy. بدأت نماذج مفتوحة المصدر بالعمل على reasoning، والفجوة أغلقت فجأة هذا العام.

الإجابة!: لا ترغب بأن تقود سيارة Ferrari إلى متجر البقالة. أحياناً تستخدم سيارة سريعة، وأحياناً تستخدم minivan، ولا أحد يهتم إذا تناثرت Cheerios على الأطفال. الشركات تعمل بنفس المنطق: المهام الصعبة تُسند إلى نماذج في الطليعة (OpenAI وAnthropic وGemini)، لكن خلف الكواليس هناك كمّ هائل من المشاكل اليومية التي لا تحتاج إلا إلى قدرات قوية ومثبتة من البرمجيات مفتوحة المصدر. تخيل كم من الوقت لدى شركة ما يضيع في نسخ ولصق عمل داخل Workday إلى خلية أخرى في Excel. هذا لا يتطلب رياضيات بمستوى الميدالية؛ يكفي الاعتماد على برمجيات مفتوحة المصدر مستقرة.

أخذنا مؤشراً آخر جديداً: الصناعات الخاضعة للتنظيم مثل المالية والرعاية الصحية (HIPAA وFINRA) تخشى تسرب البيانات وتخشى أيضاً أن تُمسك سيادتها الذكية بيد آخرين. لذلك تريد تشغيل النماذج محلياً، وباستخدام الإصدارات مفتوحة المصدر للحصول على قدر أكبر من السيطرة. بعد أشهر، طرح OpenAI OSS 12B، وكان الأمر مقبولاً. لكن حالياً، لكي تُشغِّل الولايات المتحدة نماذج مفتوحة المصدر، فإما OSS 12B أو نماذج صينية. الخيارات المحلية من البرمجيات مفتوحة المصدر قليلة جداً. رأى NVIDIA هذا الباب أيضاً وهي تدفع نحو نماذجها مفتوحة المصدر الخاصة، لكن Jensen يتردد، لأن عملاءه هم Sam وDario وElon وSergey. هل سيؤدي فتح المصدر إلى انتزاع أعمال منهم؟

المكان الذي تقف فيه Cerebras أكثر حياداً؛ فنحن نشغل GLM، وKimmy، ونشغل سلسلة Qwen، ونشغل أيضاً نماذج OpenAI المغلقة المصدر. كما نشغل نماذجاً يطوّرها GSK بنفسه، ونشغل نماذج UAE G42 وMBZUAI الخاصة. موضوع السيادة اتجاه عام.

حل AGI موجود، لكن النموذج لن يموت—والإنسان موجود

المُقدِّم: عندما صدرت Fable 5 وo-56، قالت الحكومة "أوقفوا ثم أطلقوا". وكانت العلاقة بين Anthropic والطبقة الإدارية متوترة، لكنها بدأت الآن تتحسن. هل تعتقد أن النشر على مراحل منطقي؟ وهل النموذج فعلاً شديد الخطورة؟

الإجابة: لم أرَ شيئاً كهذا من قبل. لكن عندما تعود بالنظر للخلف: عندما يصبح النموذج قوياً بما يكفي في التفكير الإبداعي، ويقول لك المسؤولون "يرجى النشر على مراحل"، فأنا أرى أن ذلك ليس مشكلة. ونحن نتعامل مع الأدوية القوية بنفس الطريقة: بالطبع لا نشجع على فوضى أكوام الأوراق التي تستغرق سبع سنوات من أجل ترخيص FDA، لكن القول "دعوا الحكومة على الأقل تقوم باختبارات red team للتأكد من أن دفاعاتنا تستطيع الصمود، وأضيفوا خلال أسبوعين أو ثلاثة أي ثغرات واضحة" ليس طلباً غير معقول.

لكننا الآن في مرحلة الاستقطاب الأشد. إذا لم يقم بذلك Trump، فلو قام أي رئيس آخر—قد تكون ردة الفعل مختلفة تماماً. الاستقطاب يضر التفكير الواضح. الطرفان سيفعلان أشياء حمقاء، وسيفعلان أيضاً أشياء ذكية. الأشخاص القاعديون داخل الحكومة يعملون بجدية فعلاً، لكن القضية جاءت بسرعة كبيرة.

أخبرني Nikesh من Palo Alto Networks أن فريقه اختبر النموذج على برمجياته الخاصة ووجد عشرات الثغرات الجوهرية خلال ساعة واحدة. ما اضطرهم إلى إيقاف كل ما كانوا يعملون عليه، ثم قضاء ستة أسابيع لإصلاحها. عندما تدرك أن هذه أداة قوية، ربما تريد أن تعرضها أولاً على مجموعة صغيرة، أو ربما تريد اختبار red team أولاً.

المُقدِّم: وفقاً لأي تعريف قبل 20 عاماً، AGI قد جاء. هل توافق؟

الإجابة: نعم. اختبار تورينغ؟ تم سحقه منذ زمن بعيد. أي تعريف طرح قبل 10 سنوات أو 15 أو 20 أو 30 أو 40 أو 50 سنة، لقد تجاوزناه بكثير. أسئلة كتّاب الخيال العلمي أجاب عنها الجميع؛ وسيقولون: "لم أعد أمامي مشكلة. آسف". لهذا السبب فإن ما تقوله تلك الأطراف التي تبدو على الهامش يستحق الاستماع. قبل ثماني سنوات، تحدث Ilya عن الأمان، وقلت "ماذا؟" ثم اكتشف أنه على حق. تحدث Elon عن خفض تكلفة الصواريخ حتى قريبة من الصفر، وقلت "ماذا؟" ثم فعل ذلك.

المُقدِّم: التعلم العودي (Recursive learning): تسأله سؤالاً، فيتعلم النتيجة، ثم تسأله مرة أخرى، فتكون الإجابة أفضل وتغطي مواداً أكثر. الإجابات التي تنتجها هذه الحلقات تقفز مباشرة من "أفضل قليلاً" إلى "أفضل بكثير". ميل المنحنى الأسي شديد الانحدار.

الإجابة: الكسب العودي (recursive gain) أسي: تتحسن أكثر، ثم تعيد مرة أخرى لتستمر في اكتساب المزيد، والميل يصبح أكثر حدة. نحن رأينا بداية ذلك فقط. إذا كنا نواصل ضخ قدرة حوسبة، هل ستتحسن الإجابة كل مرة؟ لكن عندما ينتهي token أو الميزانية، يتوقف التشغيل. فمتى سيصل هذا المنحنى الأسي إلى نهايته؟ هل سيستمر إلى الأبد نحو الأعلى واليمين؟ هذا السؤال أصبح مثيراً جداً الآن.

وتيرة تعلم البشر تتعطل بسبب الفوارق بين الأجيال. فالفيلة والثدييات الكبيرة تحتاج 15-20 سنة لتنتج جيلاً واحداً. لكي تتسارع، يجب أن تكون مثل الذباب: جيلان في يوم واحد. الذكاء الاصطناعي يحصل الآن على سرعة التعلم عبر آلاف الأجيال بهذا النمط. عندما كنت أدرس علم النفس، قال أستاذ جملة: إن النموذج لا يموت، الإنسان هو الذي يموت. تلاميذ Freud وSkinner وJung يسيطرون على مواقع القيادة 20-40 سنة، ثم يأتي الجيل التالي ليشكك. الذكاء الاصطناعي ضغط الفاصل بين الأجيال إلى سرعة الذباب.

أنا رهاني هو: أطفالنا وأولئك الأشخاص الذين يعرفونهم لن يموتوا بسبب السرطان. قد يحدث تذبذب اقتصادي—تأتي السيارات ويكون حال أصحاب أعمال تصنيع حدوة/حوافر الخيول سيئاً—لكن عندما نحصي الأرباح والخسائر: طاقة لا نهائية، طعام لا نهائي، معرفة لا نهائية، تعليم لا نهائي، سكن لا نهائي. طوال ألف سنة عرفنا أن التدريس الفردي أفضل من الصفوف: Aristotle درّب Alexander، وSocrates درّب طلابه، لكننا اخترنا نمط التعليم على طريقة المصانع. الآن يمكن للذكاء الاصطناعي أن يمنح كل طفل مرشداً يتعلم وفقاً لطريقته.

صندوق أدوات Scorsese للذكاء الاصطناعي: تحويل مشاهد العقل إلى واقع

المُقدِّم: Robin Rombach هو المؤسس الشريك والرئيس التنفيذي لـ Black Forest Labs، ومقره في Freiburg بمنطقة الغابة السوداء وكذلك في سان فرانسيسكو. أنت عملت سابقاً على Stable Diffusion، واخترعت خوارزمية latent diffusion. ما طبيعة أعمال Black Forest Labs؟ وما هدفها؟

الإجابة: نحن أسسنا هذه الشركة قبل سنتين مع شركائي. كنا قد عملنا أولاً على Stable Diffusion، وسبق ذلك اختراع latent diffusion، وهي الخوارزمية الأساسية الموجودة خلف توليد جميع الصور، وتوليد الفيديو وحتى نماذج الذكاء الاصطناعي الخاصة بالفيزياء. الفكرة هي ضغط البيانات الطبيعية (الصور والفيديو والصوت) إلى مساحة تمثيل فعّالة، ثم تدريب transformer عليها، كما في مبدأ JPEG وMP3 لكن باستخدام خوارزميات الشبكات العصبية. لقد أنجزنا ذلك في فترة الدكتوراه في ميونيخ.

حالياً نعمل على تجاوز النماذج البصرية متعددة الوسائط. نحن نُدرِّب مسبقاً على الصور وبيانات الصوت في الوقت نفسه، وندخل إلى نمط جديد: دمج action prediction بحيث يستطيع النموذج نفسه إنجاز الصور والفيديو والصوت، بل ويتنبأ بالحركة أيضاً، وفي النهاية يمكن نشره في الروبوتات الحقيقية.

المُقدِّم: من الصور إلى الفيديو إلى الصوت إلى الروبوتات. إذا كان النموذج قادراً على توليد الفيديو، فهذا يعني أنه فهم العالم.

الإجابة: الذكاء البديهي وعمق الاستدلال شكلان من الذكاء مكملان لبعضهما. بدأنا من جهة الذكاء البديهي، وتعد الصورة نقطة دخول طبيعية للغاية، إذ إن متطلبات الحساب ليست مثل الفيديو. لكننا الآن نتقارب نحو نماذج متعددة الوسائط. الفيديو المُدرب مسبقاً يعلّم النموذج ضمناً قوانين التفاعل الفيزيائي، ومن نفس النموذج نحصل على تنبؤات الحركة، وهذا هو التحكم في الروبوت.

المُقدِّم: لديك تعاون مع Martin Scorsese؟ وهل أنت جالس بجانبه لتجعله يستخدم أدواتك؟

الإجابة: نعم. جلست في الغرفة نفسها معه. كان يستكشف نماذجنا، وكان موجوداً بجانبي كأحد كبار الباحثين الأساسيين، وهذا شعور مجنون تماماً. وفي الوقت نفسه أنا من أشد المعجبين به.

ما كان يريده هو تحويل المشاهد الموجودة في رأسه إلى شيء مرئي. فقد وصف قرية في أوروبا الشرقية، ونحن نرى المخرجات، ثم يقوم بإجراء تكرارات. في النهاية كان قوله: تحويل اللقطات الموجودة في الدماغ إلى تعبير بصري، وكفاءة هذا النوع من التواصل أعلى بكثير من اللغة. اللغة فيها شيء من فقدان البيانات كوسيلة تواصل، بينما الإشارة البصرية غنيّة جداً. ففي صورة واحدة أو مقطع فيديو واحد تكون كمية المعلومات هائلة—وهذا نوع آخر من قناة التواصل.

لا نريد أن نحدد كيفية استخدام هذه النماذج، خصوصاً لنقول لـ Martin Scorsese "ينبغي أن تستخدمها هكذا". نماذج الذكاء الاصطناعي هي وسيط. والأشياء الأكثر إثارة للاهتمام تظهر تقريباً عندما يكون الإنسان داخل حلقة التكرار ويواصل تطويرها.

من الأفلام إلى الروبوتات: نهاية النماذج التوليدية ليست على الشاشة

المُقدِّم: الآن تستخدم الشركات الناشئة Flux ونماذجكم لإنتاج فيديوهات الإطلاق. سابقاً كان الأمر يتطلب 250 ألف دولار لإعداد launch video، والآن يمكن إتمامه خلال أسبوع أو أسبوعين. قامت Gal Gadot للتو بعمل فيلم عن Bitcoin. الممثلون يؤدون على sound stage دون الحاجة إلى green screen، ويتم إعداد كل الخلفيات بالذكاء الاصطناعي التوليدي. بميزانية 30 مليون دولار حققوا تأثيراً كان يتطلب 150 مليون دولار سابقاً. هل رأيت استخدامها في الإنتاج؟

الإجابة: شاهدت بعض ذلك. إنتاج الأفلام الراقية هو أحد أكثر حالات الاستخدام صرامة. يسعدني أن هناك من يستكشف ذلك، لكنني أيضاً أريد أن أوضح: التقنية ما تزال في مسار تطور (trajectory)، وتخضع لتكرارات سريعة. قبل بضع سنوات كنا عندما كنا نعمل على الدكتوراه نستطيع توليد صور بدقة 64×64 فقط. أما الآن فنولّد فيديوهات عالية الدقة مع مدخلات متعددة، لكنه لن يتوقف عند ذلك.

أكثر ما يثير حماسي هو هذا: يمكنك أخذ النموذج متعدد الوسائط نفسه لتصوير فيلم، ثم نشره ليصبح "عقل" الروبوت. ما إذا كان "computer use" سيعمل فعلاً بدقة أم لا غير مؤكد، لكن التقنية تتجه نحو العالم الفيزيائي. world models وaction models، بصراحة، هي الشيء نفسه تقريباً.

المُقدِّم: من أين تأتي بيانات التدريب؟ أن يضع البشر النظارات والقفازات ويسجلون تجارب منظور أول؟ أم أن مشاهد يوتيوب لألف شخص يصب عصيراً يكفي؟

الإجابة: الهدف هو توجيه الروبوت باستخدام in-context prompt مثل: "أحضر لي كأس عصير البرتقال". نحن لا نحقق ذلك حالياً. الطريقة الحالية هي أن النموذج مُحمّل مسبقاً بفهم بصري كبير، ولا يحتاج سوى بضع ساعات من بيانات ضبط (fine-tuning) للتكيّف مع عتاد محدد. الاتجاه هو تقليل الضبط إلى أدنى حد، والاعتماد قدر الإمكان على التعليمات in-context، لكن هذا لا يزال مسألة بحثية.

المُقدِّم: البرمجيات مفتوحة المصدر تدخل لحظة، والشركات تريد السيادة. كيف تتعامل Disney مثلاً مع مكتبة ضخمة من حقوق الملكية الفكرية (IP)؟ هل تتولى تدريب نماذجك مفتوحة المصدر بنفسها، أم تتعاون معك لتدريب نماذج خاصة بها؟

الإجابة: أكثر استخدام مدهش هو عندما تتيح التقنية توليد أشياء لم تكن موجودة سابقاً. وهذا هو جوهر ما يجعل هذه التقنية مثيرة جداً. لا يمكن لأدواتنا المفتوحة نشر توليد محتوى يخدم IP محدد، وهذا منطقي. كما نتعاون فعلاً مع بعض مالكي IP لتطوير نماذج: بعضها مبني على نماذجنا مفتوحة المصدر، وبعضها مبني على نماذجنا proprietary الأقوى.

أكثر زاوية ممتعة هي أن التقنية تصبح أسرع وأكثر تفاعلاً. يمكنك تخيل أدوات لإنشاء محتوى تفاعلي مختلفة معلّقة على Disney+.

المُقدِّم: الظاهرة الأكثر إثارة الآن هي fan films. سابقاً كانت هناك fan fiction يكتب قصص Star Wars الخاصة به. لاحقاً ارتدى الناس ملابس Jedi وصوّروا fan films. قال George Lucas إنه يسمح بشرط ألا يكون ذلك استخداماً تجارياً. الآن يستخدم الناس الذكاء الاصطناعي لإعادة تمثيل قصص Star Wars التي لم تُروَ بعد. كل حلقة من Star Wars Stories Untold تصل إلى مليون مشاهدة. هذه هي المستقبل: جعل المستهلكين يدفعون مقابل ترخيص المحتوى، ثم يستخدمونه لابتكار قصصهم الخاصة عبر الشخصيات.

الإجابة: إذا تم العثور على نموذج تجاري قابل للتطبيق لحقوق الملكية الفكرية، مع إتاحة هذا النوع من التخصيص الإبداعي الفائق—فهذا سيكون رائعاً. أنا أقرأ كتاباً أو أشاهد فيلماً وأظل أفكر دائماً: "ماذا لو تطور الأمر هكذا؟" والآن أخيراً يمكنني أن أجعل هذه الأفكار مرئية.

لقد تجاوزنا مرحلة 100 شخص، ونحن نستقطب في ألمانيا وسان فرانسيسكو: باحثين في تدريب النماذج واسعة النطاق، وأشخاصاً لديهم خبرة في تدريب diffusion وflow matching، ومهندسين يطورون حلولاً مخصصة بالتعاون مع العملاء، وموظفي تشغيل للبنية التحتية للحوسبة واسعة النطاق، وأيضاً أشخاصاً مهتمين بنقل التقنية إلى مزيد من الناس.

رابط النص الأصلي

اضغط لمعرفة فرص العمل التي يعلن عنها BlockBeats ضمن الوظائف المتاحة

مرحباً للانضمام إلى مجتمع BlockBeats الرسمي:

Telegram مجموعة الاشتراك: https://t.me/theblockbeats

Telegram مجموعة الدردشة: https://t.me/BlockBeats_App

Twitter الحساب الرسمي: https://twitter.com/BlockBeatsAsia