تم الكشف عن الثلاثة إنجازات الكبرى لنماذج الذكاء الاصطناعي لعام 2025، هاريسون هيوز يصف توجهات جديدة في منتدى دافوس

في منتدى دافوس، لخص لي هوانغ رنشون ثلاث اختراقات رئيسية في طبقة نماذج الذكاء الاصطناعي خلال العام الماضي: نضوج الذكاء الاصطناعي الوكيلة، ازدهار بيئة النماذج المفتوحة المصدر، والتقدم الكبير في الذكاء الاصطناعي الفيزيائي. تشير هذه الاختراقات إلى انتقال الذكاء الاصطناعي من مرحلة إثبات المفهوم إلى مرحلة التطبيق الواسع، كما تعكس أن القطاع بأكمله يمر بتحول عميق.

الاختراقات الثلاثة لنماذج الذكاء الاصطناعي

الذكاء الاصطناعي الوكيل: من الهلوسة إلى الاستنتاج الموثوق

كانت نماذج الذكاء الاصطناعي في مراحلها المبكرة تعاني من مشكلة “الهلوسة” الخطيرة، لكن هوانغ رنشون أشار إلى أن هذه المشكلة تحسنت بشكل ملحوظ خلال العام الماضي. والأهم من ذلك، أن هذه النماذج الآن يمكن تطبيقها في مجالات البحث، حيث تستطيع إجراء استنتاجات، وتخطيط، والإجابة على الأسئلة بدون الحاجة لتدريب خاص في المجال. هذه هي القدرة الأساسية للذكاء الاصطناعي الوكيل (Agentic AI) — أن النموذج يمكنه إتمام مهام متعددة الخطوات بشكل مستقل، وليس مجرد الرد بشكل سلبي على الأسئلة.

تكمن أهمية هذا الاختراق في أن الذكاء الاصطناعي ارتقى من كونه أداة إلى أن يكون مساعدًا. لم يعد بحاجة إلى توجيه بشري تدريجي، بل يمكنه فهم الأهداف، ووضع الخطط، وتنفيذ المهام.

النماذج المفتوحة المصدر: نقطة التحول في ديمقراطية الذكاء الاصطناعي

وصف هوانغ رنشون إطلاق DeepSeek لنموذج استنتاج مفتوح المصدر بأنه “حدث مهم”. بعد هذا الحدث، بدأ بيئة النماذج المفتوحة للاستنتاج في الازدهار، حيث استطاعت العديد من الشركات، والمؤسسات البحثية، والمؤسسات التعليمية استخدام النماذج المفتوحة للابتكار.

ماذا يعني ذلك؟ لم يعد الذكاء الاصطناعي حكرًا على الشركات الكبرى. يمكن للشركات الصغيرة والمتوسطة، والفرق الناشئة، والمؤسسات البحثية، وحتى العاملين في التعليم بناء تطبيقاتهم الخاصة استنادًا إلى النماذج المفتوحة. هذا يقلل بشكل كبير من عتبة دخول تطبيقات الذكاء الاصطناعي، ويسرع من انتشارها عبر مختلف الصناعات.

الذكاء الاصطناعي الفيزيائي: من الافتراضي إلى الواقعي

الاختراق الثالث هو الذكاء الاصطناعي الفيزيائي، وهو مجال غير مألوف نسبياً لكنه واعد جدًا. لا يقتصر الذكاء الاصطناعي الفيزيائي على فهم اللغة فحسب، بل يمكنه أيضًا فهم العالم الفيزيائي — بما في ذلك قوانين الأحياء والبروتينات والكيمياء والفيزياء. في المجال الفيزيائي، يمكن للذكاء الاصطناعي فهم الديناميكا السائلة، والفيزياء الجزئية، والفيزياء الكمومية.

تكمن أهمية هذا الاختراق في أن نطاق تطبيقات الذكاء الاصطناعي توسع من معالجة المعلومات إلى البحث العلمي والتطبيقات الهندسية. قد تتيح مجالات اكتشاف الأدوية، وعلوم المواد، ونماذج المناخ أدوات جديدة.

الواقع الصناعي وراء هذه الاختراقات

تشير التقارير إلى أن أسعار استئجار وحدات معالجة الرسوميات (GPU) ترتفع مع تزايد الطلب، وأكد هوانغ رنشون أن الذكاء الاصطناعي يحتاج إلى بنية تحتية بقيمة تريليونات الدولارات. يعكس ذلك ظاهرة أن قدرة نماذج الذكاء الاصطناعي على التحسن تدفع مباشرة إلى زيادة الطلب على الموارد الحاسوبية.

توجه الاختراقات الثلاثة معًا في اتجاه واحد — فالذكاء الاصطناعي يتجه من المختبرات إلى بيئة الإنتاج. رفع الذكاء الاصطناعي الوكيل من قدرات النموذج الذاتية، وخفض النماذج المفتوحة المصدر من عتبة الاستخدام، ووسع الذكاء الاصطناعي الفيزيائي مجالات التطبيق. تتراكم هذه التقدمات معًا، وتدفع موجة جديدة من الاستثمارات في البنية التحتية.

الخلاصة

يعكس الثلاثة الاختراقات التي لخصها هوانغ رنشون ثلاثة اتجاهات رئيسية في تطور صناعة الذكاء الاصطناعي. حل الذكاء الاصطناعي الوكيل مشكلة الاعتمادية، وارتقى من أداة إلى مساعد؛ وكسرت النماذج المفتوحة احتكار السوق، مما أتاح لمزيد من المشاركين الابتكار؛ ووسع الذكاء الاصطناعي الفيزيائي تطبيقاته من المجال المعلوماتي إلى العلوم والهندسة.

هذه الاختراقات ليست معزولة، بل تتفاعل وتدعم بعضها البعض. فزيادة قدرات النماذج تتطلب موارد حاسوبية أكثر، وازدهار البيئة المفتوحة المصدر يعزز الطلب على القدرة الحاسوبية. من المتوقع أن تركز صناعة الذكاء الاصطناعي في عام 2026 على هذه الاتجاهات الثلاثة، مع استمرار بناء البنية التحتية والاستثمار كمحركات رئيسية للصناعة.