الذكاء الاصطناعي

الذكاء الاصطناعي مشروع بناء أنظمة حاسوبية تؤدي مهاماً تُعدّ في العادة من خصائص الكائنات الذكية، وتعرّفه بريتانيكا بأنه قدرة الحاسوب الرقمي أو الروبوت المُدار بالحاسوب على أداء مهام تُقترن عادةً بالكائنات الذكية.¹ ولأن تعريف «الذكاء» ذاته عصيّ على الإحاطة، فقد تبنّت المؤسسات الدولية صيغاً إجرائية تصف النظام لا الكائن: فمنظمة التعاون الاقتصادي والتنمية تعرّف نظام الذكاء الاصطناعي بأنه نظام قائم على الآلة يستنتج، لأهداف صريحة أو ضمنية، من المدخلات التي يتلقاها كيفية توليد مخرجات من قبيل التنبؤات أو المحتوى أو التوصيات أو القرارات التي قد تؤثر في بيئات مادية أو افتراضية.²

ويتقارب مع هذا التعريف ما تبنّته لائحة الاتحاد الأوروبي بشأن الذكاء الاصطناعي، وهي تصف النظام بأنه قائم على الآلة مُصمَّم ليعمل بدرجات متفاوتة من الاستقلالية وقد يُظهر تكيّفاً بعد النشر.³ ويشير إطار المعهد الوطني الأمريكي للمعايير والتقنية (NIST) إلى نظام الذكاء الاصطناعي بأنه نظام هندسي أو قائم على الآلة يستطيع، لمجموعة أهداف معينة، توليد مخرجات من قبيل التنبؤات.⁴ وثمة تمييز أساسي تصرّ عليه المراجع: الذكاء الاصطناعي والتعلّم الآلي ليسا الشيء نفسه؛ فالتعلّم الآلي أسلوب لتدريب الحاسوب على التعلّم من مدخلاته دون برمجة صريحة لكل حالة من الحالات.¹

ويشمل المجال اليوم طائفة واسعة من التطبيقات، من ترتيب نتائج البحث والتوصيات إلى الترجمة الآلية والأجهزة الطبية والنماذج اللغوية الكبيرة.¹ ومع ذلك لا توجد بعد أنظمة ذكاء اصطناعي تضاهي مرونة الإنسان الكاملة في النطاقات الواسعة أو في المهام التي تتطلب معرفة يومية غزيرة، مع أن بعض الأنظمة تنجز مهاماً محددة بمستوى البشر.¹

في ورقته «آلات الحوسبة والذكاء» التي نشرها في مجلة Mind عام 1950، استبدل آلان تورينغ سؤال «هل يمكن للآلات أن تفكر؟» بلعبة أسماها لعبة المحاكاة، يشارك فيها ثلاثة أشخاص: رجل وامرأة ومستجوٍ.⁵ وعلى المستجوٍ أن يحدد أيهما الرجل وأيهما المرأة بين لاعبين لا يراهما ولا يعرفهما إلا بالرمزين X وY.⁵ وحتى لا تساعد نبرة الصوت في الحكم، نصّت اللعبة على أن تكون الأجوبة مكتوبة، بل يُفضَّل أن تُكتب على الآلة الكاتبة.⁵ وفي الصيغة التي تستهدف الآلة تحلّ الآلة أحد المقعدين وتجيب كتابةً فقط.⁵

ورأى تورينغ أن السؤال الأصلي «هل يمكن للآلات أن تفكر؟» عديم المعنى إلى حد لا يستحق النقاش، متوقعاً أن يحسم تطوير قدرات الآلات المسألة عملياً.⁵ وقد صاغ توقعه بدقة لافتة: خلال نحو خمسين عاماً سيصبح ممكناً برمجة حواسيب تلعب لعبة المحاكاة بمهارة تجعل احتمال تعرّف المستجوٍ العادي الصحيح لا يتجاوز 70 في المائة بعد خمس دقائق من الأسئلة.⁵

وأعرب تورينغ عن أمله في أن تتنافس الآلات في النهاية مع البشر في كل الميادين الفكرية البحتة، ولاحظ أن كثيرين رأوا في نشاط مجرد كالشطرنج أفضل نقطة بداية.⁵ ولم تمضِ إلا سنوات حتى حصل هذا الخط من الأسئلة على اسم جامع، عندما طرح اقتراح دارتموث صيف 1956 مصطلح «الذكاء الاصطناعي».⁶

في 31 أغسطس 1955، قدّم جون مكارثي من كلية دارتموث، ومارفن مينسكي من هارفارد، وناثانيال روتشستر من شركة IBM، وكلود شانون من مختبرات بيل للهاتف، اقتراحاً دعا إلى «دراسة مدتها شهران بمشاركة 10 أشخاص في الذكاء الاصطناعي» تُجرى صيف عام 1956 في كلية دارتموث في هانوفر بولاية نيوهامبشير.⁶ وهنا ظهر مصطلح «الذكاء الاصطناعي» أول مرة، لتصبح تلك الورشة الصيفية نقطة الصفر في تاريخ المجال.⁶

وكان يُفترض أن تسير الدراسة على أساس افتراض مفاده أن كل جانب من التعلّم أو أي سمة أخرى من سمات الذكاء يمكن من حيث المبدأ وصفه بدقة تجعل صناعة آلة تحاكيه ممكنة.⁶ وكانت المحاولة ستبحث في كيفية جعل الآلات تستخدم اللغة وتشكّل المجردات والمفاهيم وتحل مشكلات كانت حكراً على البشر وتطوّر نفسها.⁶ ورأى فريق الاقتراح أن تقدماً ملموساً يمكن أن يتحقق في مشكلة أو أكثر من هذه المشكلات إذا عملت عليها معاً طوال صيف مجموعة منتقاة بعناية من العلماء.⁶

كان الذكاء الاصطناعي المبكر في جوهره مشروع معالجة للرموز، يعمل على اللغة والتجريد كما وعد اقتراح دارتموث.⁶ وفي هذا الخط صُمّم أول نظام خبير: فقد طوّر إدوارد فيغنباوم وجوشوا ليدربرغ من جامعة ستانفورد عام 1965 نظاماً عُرف باسم Dendral لتحليل المركبات الكيميائية.⁷ والنظام الخبير برنامج حاسوبي يستخدم أساليب الذكاء الاصطناعي لحل مشكلات في مجال تخصصي يتطلب في العادة خبرة بشرية⁷، ويعتمد على مكوّنين: قاعدة معرفة هي مجموعة منظمة من الحقائق عن مجال النظام، ومحرك استنتاج يفسّر تلك الحقائق ويقيّمها لتقديم إجابة.⁷ وتُستقى المعرفة من الخبراء البشر عبر المقابلات والملاحظات، وتُمثَّل عادةً بقواعد إنتاج «إذا-فإن».⁷

غير أن المجال اصطدم بحكم قاسٍ أنهى هذه المرحلة: كُلّف تقرير لايتهايل من مجلس البحوث العلمية لتقديم رؤية محايدة لحالة بحوث الذكاء الاصطناعي في المملكة المتحدة بصورة أساسية عام 1973.⁸ وخلص لايتهايل إلى أنه لم تحدث الاكتشافات المحققة حتى ذلك الحين، في أي جزء من المجال، الأثر الكبير الذي كان موعوداً به.⁸ وقد أيّد التقرير بحوث الذكاء الاصطناعي المتصلة بالأتمتة وبالمحاكاة الحاسوبية للعمليات العصبية والنفسية، لكنه كان شديد النقد للبحوث الأساسية في مجالات تأسيسية مثل الروبوتات ومعالجة اللغة⁸، وعزا لايتهايل استحالة إنتاج برامج بذكاء عام على نطاق واسع إلى «الانفجار التوافقي»: فعدد المسارات في الشبكة يتزايد مع عدد البدائل المتاحة في وقت واحد وعدد الخطوات.⁸

وقد أثار التقرير فقداناً هائلاً للثقة في الذكاء الاصطناعي لدى المؤسسة الأكاديمية في المملكة المتحدة بما فيها جهة التمويل، واستمرت هذه الحال قرابة عقد كامل.⁸ وعُرفت هذه الفترة لاحقاً بشتاء الذكاء الاصطناعي الأول.⁸ وبعد التقرير استمرت بحوث الذكاء الاصطناعي، لكن المحاولة التالية لبناء نشاط كبير في المجال لم تأتِ قبل اجتماع في سبتمبر 1982 حول الأنظمة الذكية القائمة على المعرفة.⁸ وأثناء ذلك كانت الأنظمة الخبيرة تراكم قواعد استدلالية ارتجالية وقدرة متزايدة على التعلّم من التجربة، لكنها بقيت عوناً للخبراء البشر لا بديلاً عنهم.⁷

تعود جذور المنعطف التعلّمي إلى عام 1943، حين أثبت وارن مكولوك ووالتر بيتس أن الطابع «الكل أو لا شيء» للنشاط العصبي يجعل من الممكن معالجة الأحداث العصبية وعلاقاتها بالمنطق القضوي.⁹ وقد وجدا أن سلوك كل شبكة عصبية يمكن وصفه بحدود المنطق، وأنه لأي تعبير منطقي يستوفي شروطاً معينة يمكن إيجاد شبكة تسلك السلوك الذي يصفه.⁹ وفي نموذجهما يكون نشاط العصبون عملية «كل أو لا شيء»: يجب تنبيه عدد ثابت من المشابك خلال فترة الجمع الكامن لتنبيه العصبون، بمعزل عن النشاط السابق.⁹

وبعد عهد طويل من الرمزية عاد التعلّم إلى الواجهة مع ورقة نشرتها مجلة Nature عام 1986 لديفيد روملهارت وجيفري هينتون ورونالد ويليامز بعنوان «تعلّم التمثيلات عبر أخطاء الانتشار العكسي» (المجلد 323، الصفحات 533-536).¹⁰ وتقوم الطريقة على حساب متجه تدرّج لكل وزن يبيّن مقدار ارتفاع الخطأ أو انخفاضه لو زيد ذلك الوزن زيادة ضئيلة، ثم تُعدَّل الشبكة وفقاً لذلك.¹⁰

وعلى هذا الأساس نهض التعلّم العميق، وهو يستخدم نماذج حسابية مؤلفة من طبقات معالجة متعددة لتعلّم تمثيلات للبيانات بدرجات تجريد متعددة.¹⁰ وفي هذه النماذج لا يصمم المهندسون طبقات السمات بأنفسهم، بل تُستكشف السمات من البيانات بإجراء تعلّم عام الغرض.¹⁰ وقد حسّنت هذه الأساليب تحسيناً جذرياً أحدث ما بلغه التعرف على الكلام وغيره، لكن التقدم في التعرف على الأجسام ظل بطيئاً حتى مسابقة ImageNet عام 2012.¹⁰

في يونيو 2009 قدّم فريق بحثي قاعدة ImageNet، وهي قاعدة صور تستند إلى البنية الهرمية لشبكة WordNet لأغراض التعرف على الأجسام.¹¹ وقد بنى الفريق عند نشر ورقة 2009 اثنتي عشرة شجرة فرعية تضم 3.2 مليون صورة¹¹، وغطى الإصدار الأول 5247 مجموعة مفاهيمية و3.2 مليون صورة إجمالاً.¹¹ ووسم الصور عاملون بشريون عبر منصة Amazon Mechanical Turk، مع خطة لبلوغ نحو 50 مليون صورة في القاعدة المكتملة.¹¹

وفي عام 2012 تدرّبت شبكة AlexNet، من عمل أليكس كريجيفسكي وإيليا سوتسكيفر وجيفري هينتون، على 1.2 مليون صورة عالية الدقة موزعة على 1000 فئة.¹² وضمّت الشبكة 60 مليون معامل و650,000 عصبون، وتألفت من خمس طبقات التفافية، واستغرق تدريبها ما بين خمسة وستة أيام على بطاقتي GTX 580 بذاكرة 3GB.¹² وعلى بيانات اختبار ILSVRC-2010 بلغت الشبكة معدلي خطأ أعلى 1 وأعلى 5 قدرهما 37.5% و17.0%، وهو أفضل كثيراً من المستوى السابق.¹²

وحقق نموذج مشارك في مسابقة ILSVRC-2012 معدل خطأ فائزاً في أعلى 5 قدره 15.3% مقابل 26.2% لصاحب المركز الثاني.¹² وقد جاء هذا النجاح من الاستخدام الكفؤ لوحدات معالجة الرسوميات (GPUs)¹⁰، وتوقّع المؤلفون تحسّن النتائج بمجرد انتظار بطاقات أسرع وبيانات أكبر.¹²

في فبراير 1996 جاء الاختبار الكبير الأول لـ«ديب بلو» من IBM عندما واجه غاري كاسباروف في فيلادلفيا: فاز بالجولة الأولى، وهي أول مرة يهزم فيها حاسوب بطلَ عالم حاليّاً بضوابط الوقت المعتادة، لكنه خسر المباراة بنتيجة 4-2.¹³ وفي مايو 1997 أصبح «ديب بلو» أول نظام حاسوبي يهزم بطل العالم في الشطرنج في مباراة وفق ضوابط البطولات المعيارية، بفوزه على كاسباروف بنتيجة 3.5-2.5 في مباراة إعادة من ست جولات في نيويورك.¹³ وقد قيّم الجهاز 200 مليون وضعية شطرنجية في الثانية بسرعة معالجة بلغت 11.38 مليار عملية حساب عشري عائم في الثانية.¹³ وشكّل الفوز نقطة تحوّل في الحوسبة، منذِراً بمستقبل تحاكي فيه الحواسيب العملاقة والذكاء الاصطناعي التفكير البشري.¹³

ظلت لعبة الغو أصعب الألعاب الكلاسيكية على الذكاء الاصطناعي بسبب فضاء بحثها الهائل وصعوبة تقييم أوضاع الرقعة والنقلات.¹⁴ واستخدم «ألفاغو» شبكات القيمة لتقييم أوضاع الرقعة وشبكات السياسة لاختيار النقلات، وهي شبكات عصبية عميقة دُرّبت بمزيج من التعلّم المراقب من مباريات الخبراء البشر وتعلّم معزّز من اللعب الذاتي.¹⁴ وقد حقق البرنامج نسبة فوز 99.8% ضد برامج الغو الأخرى، وهزم بطل أوروبا في الغو فان هوي بنتيجة 5-0، في أول مرة يهزم فيها برنامج حاسوبي لاعباً محترفاً بشرياً في لعبة الغو كاملة الحجم — وهي قفزة كان يُظن أنها تبعد عقداً كاملاً على الأقل.¹⁴

وفي مارس 2016 هزم «ألفاغو» لي سيدول، صاحب 18 لقباً عالمياً، بنتيجة 4-1 في سيول، في مباراة تابعها أكثر من 200 مليون شخص حول العالم.¹⁵

تنسّق الجدولة التالية المحطات الكبرى التي صنعت هذا المسار، من النموذج الرياضي الأول للعصبون عام 1943⁹ إلى نفاذ قانون الذكاء الاصطناعي الأوروبي في 1 أغسطس 2024.³

في عام 2017 نشر أشيش فاسواني وزملاؤه ورقة «الانتباه وحده يكفي»، واقترحوا فيها معمارية المحوّل Transformer: بنية شبكية قائمة على آليات الانتباه وحدها، تستغني تماماً عن التكرار والالتفافات.¹⁶ وأظهرت التجارب على مهمتي ترجمة آلية أن نماذج المحوّل أفضل جودة وأكثر قابلية للتوازي وتحتاج وقتاً أقل بكثير للتدريب.¹⁶ وفي الترجمة من الإنجليزية إلى الفرنسية سجّل النموذج أفضل نتيجة لنموذج منفرد بلغت 41.8 BLEU بعد تدريب استمر 3.5 أيام على ثماني بطاقات رسوميات.¹⁶

وعلى هذه البنية قامت موجة النماذج اللغوية الكبيرة. ففي عام 2020 قدّمت OpenAI نموذج GPT-3 بـ 175 مليار معامل، أي 10 أضعاف أي نموذج لغوي غير متباعد سابق، واختبرته في إعداد «الأمثلة القليلة».¹⁷ وطُبّق النموذج في كل المهام دون أي تحديثات تدرجية أو ضبط دقيق، إذ تُحدَّد المهام والأمثلة القليلة عبر التفاعل النصي مع النموذج وحده.¹⁷ وقد حقق أداءً قوياً على كثير من مجموعات بيانات معالجة اللغة الطبيعية، مع تعثّر في مجموعات محددة ومشكلات منهجية تتعلق بالتدريب على مدونات ويب ضخمة.¹⁷ ومن أكثر نتائجه دلالةً أنه استطاع توليد نماذج لمقالات إخبارية يجد المقيّمون البشريون صعوبة في تمييزها عن مقالات كتبها البشر.¹⁷

وفي 30 نوفمبر 2022 أطلقت OpenAI نموذج ChatGPT متفاعلاً بطريقة حوارية¹⁸، دُرّب بالتعلّم المعزّز من التغذية الراجعة البشرية بالأساليب نفسها التي استُخدمت مع InstructGPT مع فروق طفيفة في إعداد جمع البيانات.¹⁸ ثم جاء GPT-4 عام 2023 نموذجاً متعدد الوسائط واسع النطاق يقبل الصور والنصوص مدخلات وينتج نصوصاً مخرجات¹⁹، وهو قائم على معمارية المحوّل ودُرّب مسبقاً على التنبؤ بالرمز التالي في الوثيقة.¹⁹ ورغم أن GPT-4 أقل قدرة من البشر في كثير من مواقف العالم الواقعي، فإنه يبلغ أداءً بمستوى البشر في معايير مهنية وأكاديمية متعددة، ومنها اجتياز اختبار محاكٍ لاختبار المحاماة بنتيجة تقارب أعلى 10% من المتقدمين.¹⁹

ولا توجد بعد أنظمة ذكاء اصطناعي تضاهي مرونة الإنسان الكاملة في النطاقات الواسعة.¹ وثمة حدّ من طبيعة التقنية نفسها: فملف NIST للذكاء الاصطناعي التوليدي يسمّي «التهيؤ» ظاهرةً تولّد فيها الأنظمة التوليدية محتوى خاطئاً أو كاذباً وتعرضه بثقة رداً على الطلبات، ويُشار إليها شعبياً بـ«الهلوسة» أو «الاختلاق».⁴ ويشير NIST إلى أن التهيؤ نتيجة طبيعية لطبيعة تصميم النماذج التوليدية، فهي تولّد مخرجات تقارب التوزيع الإحصائي لبيانات تدريبها.⁴ ولذلك يبقى إطار NIST لإدارة المخاطر طوعياً ويصون الحقوق ولا يختص بقطاع بعينه.⁴ ويبقى GPT-4 نفسه، رغم اجتيازه اختبارات مهنية متقدمة، أقل قدرة من البشر في كثير من مواقف العالم الواقعي.¹⁹

في 22 مايو 2019 اعتمد مجلس منظمة التعاون الاقتصادي والتنمية على المستوى الوزاري، بناءً على اقتراح لجنة السياسات الرقمية، توصيته بشأن الذكاء الاصطناعي — أول معيار حكومي دولي في المجال.² وتشجّع المبادئ استخدام ذكاء اصطناعي مبتكراً وموثوقاً يحترم حقوق الإنسان والقيم الديمقراطية²، وتغطي النمو الشامل والشفافية والمتانة والمساءلة. ونُقّحت التوصية في 8 نوفمبر 2023 لتحديث تعريف «نظام الذكاء الاصطناعي» بما يواكب التطورات التقنية ومنها الذكاء الاصطناعي التوليدي²، ثم حُدّثت في مايو 2024²؛ ويبلغ عدد الملتزمين بالمبادئ 47 طرفاً.²

وبعد نحو أربع سنوات أصدر المعهد الوطني الأمريكي للمعايير والتقنية (NIST) إطار إدارة مخاطر الذكاء الاصطناعي في 26 يناير 2023، بعد عملية تطوير توافقية مفتوحة وشفافة وتعاونية.⁴ والإطار طوعي ويصون الحقوق ولا يختص بقطاع بعينه ولا بحالة استخدام محددة⁴، ويتألف جوهره من أربع وظائف: الحكم GOVERN والرسم MAP والقياس MEASURE والإدارة MANAGE⁴، وأضاف ملف الذكاء الاصطناعي التوليدي طبقة خاصة بالنماذج التوليدية.⁴

وعلى الصعيد القانوني، اعتُمد قانون الذكاء الاصطناعي الأوروبي — اللائحة (EU) 2024/1689 — في 13 يونيو 2024، ودخل حيز النفاذ في 1 أغسطس 2024 ليكون أول إطار قانوني شامل للذكاء الاصطناعي عالمياً.³ ويقوم على مقاربة قائمة على المخاطر: فالممارسات المحظورة بدأ تطبيقها من 2 فبراير 2025، والتزامات النماذج العامة الاستخدام من 2 أغسطس 2025، والتطبيق العام من 2 أغسطس 2026.³ وتُصنَّف حالات الاستخدام التي قد تشكل مخاطر جدية على الصحة أو السلامة أو الحقوق الأساسية بأنها عالية المخاطر بموجب القانون.³

يرسم مؤشر الذكاء الاصطناعي 2025 من جامعة ستانفورد صورة تسارع واسع: فالمعايير الجديدة التي طُرحت عام 2023 لاختبار حدود الأنظمة المتقدمة — MMMU وGPQA وSWE-bench — ارتفعت نتائجها بعد عام واحد بمقدار 18.8 و48.9 و67.3 نقطة على التوالي.²⁰ وفي 2024 أعلنت 78% من المؤسسات استخدامها للذكاء الاصطناعي مقابل 55% قبل عام²⁰، ونما الاستثمار الخاص الأمريكي في المجال إلى 109.1 مليار دولار، أي نحو 12 ضعف استثمارات الصين (9.3 مليار دولار) و24 ضعف استثمارات المملكة المتحدة (4.5 مليار دولار).²⁰ وفي 2023 وافقت إدارة الغذاء والدواء الأمريكية على 223 جهازاً طبياً مدعوماً بالذكاء الاصطناعي، مقابل ستة أجهزة فقط عام 2015.²⁰ وعلى جبهة الكلفة، انخفضت كلفة الاستدلال لنظام بمستوى GPT-3.5 أكثر من 280 ضعفاً بين نوفمبر 2022 وأكتوبر 2024²⁰، بينما تتضاعف طاقة التدريب كل خمسة أشهر تقريباً.²⁰

غير أن الصورة ليست خالية من المآخذ: فالحوادث المرتبطة بالذكاء الاصطناعي ترتفع ارتفاعاً حاداً، في حين تظل تقييمات المسؤولية المعيارية نادرة لدى كبار مطوّري النماذج الصناعيين.²⁰ وفي 2024 أصدرت الوكالات الفيدرالية الأمريكية 59 لائحة متعلقة بالذكاء الاصطناعي، أكثر من ضعف عدد لوائح 2023، وصادرة عن ضعف عدد الوكالات.²⁰ وفي المقابل كُرّمت في 2024 أعمال أسهمت في التعلّم العميق بجائزتَي نوبل²⁰، تذكيراً بأن الأسئلة المفتوحة اليوم ليست تقنية فحسب، بل أسئلة ثقة وتنظيم ومساءلة — وبين قدرة تتسارع وتَبنٍّ يتوسّع وثقة تبحث عن ضماناتها، تبقى الفجوة هي السؤال المركزي الذي يواجهه المجال.²⁰