大模型狂奔两年后، عمالقة الذكاء الاصطناعي يغيّرون الاتجاه جماعياً لإصلاح قاعدة البيانات الأساسية

تم تركيب المحرك، لكن الطريق لم يُصلَح بعد

الشوط الأول: الجميع يتسابق داخل المعرض
كانت سردية الذكاء الاصطناعي خلال العامين الماضيين شديدة التوحّد: النماذج أكبر، والمعلمات أكثر، والنتائج في القوائم أعلى، مع معركة بين فريقين: المصدر المفتوح والمصدر المغلق، يتنافسان على جذب الأنظار. كما أن سيناريوهات الشركات كانت متشابهة للغاية: شراء القدرة الحاسوبية، توظيف خبراء الخوارزميات، نشر النماذج، والافتراض بأن النموذج قوي بما يكفي لتحقيق التنفيذ بسلاسة.

الواقع وجّه ضربة قاسية: قصة مسؤول تنفيذي كبير (CIO) لدى شركة حكومية مركزية كبيرة تعد نموذجاً مثالياً. يوجد 17 نظاماً أعمال، و9 مستودعات بيانات، و3 سُحب (Cloud)، وتتنوع تنسيقات البيانات بشكل كبير، كما أن كثيراً من التقارير لا تزال ورقية وغير رقمية. وفي النهاية، حتى تطبيق تشخيص أعطال الأجهزة — وهو أبسط استخدام على الإطلاق — تعذّر تشغيله، إذ إن النموذج لا يفهم حتى سجلات الصيانة السابقة.

ليست المشكلة أن النموذج غير كافٍ، بل أن البيانات لا يمكن إدخالها.

الشوط الثاني: يجب أن يدخل القطار إلى الشوارع الحقيقية
في المصنع يجب ألا يتوقف العمل، وفي المستشفى يجب أن تكون السلامة مضمونة، وفي الحكومة يجب الالتزام بالامتثال. حتى لو كان النموذج أقوى، طالما لم تُصلَح طريق البيانات، فلن يكون أمامه سوى الدوران في المكان.

مع بدء توحّد تحركات سلسلة التوريد العالمية، تظهر فجوة حادة في الدقة: نموذج كبير واحد يعمل عارياً على بيانات الشركة، مقابل نموذج يعمل مع منظومة هندسة بيانات متكاملة من ناحية الربط والتجهيز. الفرق ليس في “عقل” النموذج، بل في ما إذا كان بإمكانه تناول المكونات الصحيحة.

ومن هنا برزت بنية جديدة: في الأعلى يكون النموذج والقدرات، وفي الأسفل تكون هندسة البيانات، والتدقيق على الصلاحيات، واستراتيجيات الحوكمة. لم يعد النموذج والبيانات مجرد طرف علوي/سفلي في خط إنتاج، بل شريكان يقدّم كل منهما للآخر الطعام.

الصعوبة في الصين أضحت طبقة إضافية
سلسلة توريد التصنيع أطول، ومتطلبات الامتثال أشد، والبيانات غير المهيكلة أكثر، والأنظمة أكثر تفتتاً، والمرجعيات (الصيغ/المقاييس) أكثر اختلافاً. وعبر فجوة من “الذكاء العام” إلى “الذكاء المتخصص”، فإن الدعامة في الأساس هي البنية التحتية لبيانات سلسلة كاملة.

ليس المقصود تركيب “دماغ” للذكاء الاصطناعي، بل أولاً إصلاح الجهاز العصبي.

ما الذي هو نادر حقاً؟
إن تغيير الاتجاه لإصلاح القاعدة هذه، جوهره هو تصحيح إدراكي. لا تعتمد القيمة عند التحول إلى نطاق واسع للذكاء الاصطناعي على عدد الدرجات التي يحققها نموذج ما اليوم، بل على ما إذا كانت البيانات يمكن أن تُقدَّم باستمرار وبجودة، وما إذا كانت المنظومة يمكن أن تُحوكَم باستمرار بما يضمن الثقة، وما إذا كانت الهندسة يمكن أن تُغلق حلقة التنفيذ بشكل مستمر على أرض الواقع.

الصين لا تفتقر إلى النموذج المفتوح المصدر رقم 101. ما ينقصها هو أن تُنظَّف “القدر” الخاصة بالبيانات أولاً، ثم تُستَخدم لتخرج “مرقاً” عالي الجودة.

فقط عندما تُصبح هذه العملية تعمل بسلاسة، سيخرج الذكاء الاصطناعي من كونه خبراً ساخناً إلى أداة على “طاولة العمل”.

DYOR — ليست نصيحة استثمارية