الواقع غير السار للذكاء الاصطناعي من النادر يتم مشاركته من خلال وسائل الإعلام الرئيسة؛ فمع وجود الكثير من الأموال في طريقها للاستثمار في الذكاء الاصطناعي، وتقييمات الذكاء الاصطناعي بمضاعفات -غير معقولة- مقارنة بإيرادات الذكاء الاصطناعي الملموسة، فلا يوجد أي مشاركة عامة لأي شيء ذي قيمة سوى سردية “الذكاء الاصطناعي يغير العالم” التي تبقي هذا الحفل مستمراً!!!
ولكي نكون على دراية جيدة بواقع شركات الذكاء الاصطناعي بعيدا عن الضجيج والهراء، إليكم مجموعة من “معتقدات الذكاء الاصطناعي”، التي هي في الواقع، بعيدة كل البعد عن حالة اليقين، وأيضاً العواقب المحتملة إذا تحققت هذه المخاوف؛ ليكون لدينا وجهة نظر غير متحيزة وخالية من المبالغة والضجيج والهراء؛ وجهة نظر لا توفرها قراءة وسائل الإعلام السائدة والمؤثرين وأصحاب النفوذ، كما سنراه في هذه المشاركة.
الذكاء الاصطناعي الرائد سيقود الطلب
نسمع عن قصص نجاح مثل شركة OpenAI، وزيادة نمو الإيرادات على نحو مطرد كل عام منذ إطلاق ChatGPT إلى معدل التشغيل الحالي “المذهل” الذي يبلغ 3.4 مليار دولار، ومن السهل الافتراض أن نماذج الذكاء الاصطناعي الأفضل ستؤدي إلى “التبني الكبير” الذي تنتظره كثير من الشركات والمستثمرين بصبر لتسويغ هذه التقييمات المجنونة!!!
مشكلة النفقات الرأسمالية CAPEX”
كما سبق مناقشته في جزأين سابقين (هل الذكاء الاصطناعي فقاعة؟) و (لماذا يفشل الذكاء الاصطناعي؟)، فإن منتجات الذكاء الاصطناعي التوليدي الحالية ليست جيدة بما فيه الكفاية، الأمر الذي أدى إلى ضعف الطلب إلى حد بعيد للغاية.
ومع ذلك، إذا كانت قيود الطاقة هي الفيل في الغرفة في المدى المتوسط إلى الطويل للذكاء الاصطناعي، فإن الطلب على المنتجات هو بلا شك القضية الرئيسة في الأمد القريب.
ولكن ماهو مقدار الطلب الذي نحتاج إليه لتجنب الكارثة؟
وفقاً لبيانات حديثة للغاية لشركة Sequoia في محاولتهم الأولى للتوصل إلى رقم لتقدير القيمة فكان ” 200 مليار دولار”، وأصبحت القيمة مع التحديث الآن أقرب إلى ” 600 مليار دولار”.
وهذا يعني أن سوق الذكاء الاصطناعي مستثمرة على نحو مفرط، وأن عائدات الذكاء الاصطناعي التوليدي تحتاج إلى النمو إلى هذه القيمة لتغطية استثمارات النفقات الرأسمالية التي تقودها شركات التكنولوجيا الكبرى، والتقييمات التي استثمر فيها المستثمرون من القطاعين الخاص والعام.
بعبارة أخرى، ما لم تنم العائدات إلى هذا الرقم ” 600 مليار دولار”، فلن تحقق الشركات تعادلاً في تغطية النفقات، ناهيك من كسب المال.
والأسوأ من ذلك أن كما أشار بصراحة ديفيد كاهن من Sequoia إلى هذه العائدات غير متعلقة بالأجهزة؛ مما يعني أن عائدات NVIDIA لا تُحسب.
مع أننا لا نملك قيمة دقيقة، نظرًا لأن الشركات العملاقة لن تصل إلى 20 مليار دولار مجتمعة بحلول نهاية عام 2024، فإن هذا الرقم ربما يكون أقرب كثيرًا إلى 30-50 مليار دولار بحلول نهاية عام 2024؛ وهي قيمة ما زلت مبالغاً فيها.
ومن المخيف أنه إذا كانت الشركات العملاقة تعترف بالطلب الذي يتم إنشاؤه تلقائيًا على سحابات الحوسبة الخاصة بها كإيرادات من خلال استثماراتها في شركات مثل OpenAI وAnthropic وغيرها، لذلك فقد تكون إيرادات GenAI الحقيقية أصغر. وهذا يعني أننا بحاجة إلى زيادة في الإيرادات تتراوح بين اثني عشر إلى عشرين ضعفًا -على الأقل- لتحقيق التعادل.
والآن، هل نحن لسنا في فقاعة؟
ولجعل الأمور أسوأ، يبدو أن منقذنا لن يأتي في وقت قريب. فماذا يعني ذلك؟
الذكاء الاصطناعي على الحافة
عندما ناقشنا ما إذا كان الذكاء الاصطناعي في الوقت الحالي مجرد فقاعة، كان الزعم أن هذا التعثر يرجع على نحو أساسي إلى تبني الشركات للذكاء الاصطناعي – أو عدم تبنيه – على نحو أساسي إلى “عدم دقة الذكاء الاصطناعي” (المسمى “الهلوسة”)، التي تجعل أنظمة الذكاء الاصطناعي التوليدي GenAI غير موثوقة للغاية لعمليات المؤسسية التي تتطلب عادةً دقة بنسبة +95٪.
ولهذا السبب، كان الرهان على الجيل التالي (GPT-5 وغيرها) لسد هذه الفجوة وزيادة الطلب إلى حد بعيد، وأننا يجب أن نتوقع هذه النماذج بحلول نهاية العام.
حسنًا، الآن تتحدث OpenAI عن أواخر عام 2025 أو أوائل عام 2026 باعتباره الجدول الزمني الأكثر احتمالية، مما يعني أننا تُركنا مع آلات الهلوسة هذه التي لا يمكن الوثوق بها لأكثر من عام من الآن، ما لم تقم شركات مثل Lamini بالقضاء على الهلوسة، وهو أمر غير مؤكد.
لقد أبدى الرئيس التنفيذي لشركة “مايكروسوفت” للذكاء الاصطناعي مصطفى سليمان رأيًا أكثر إثارة للقلق، حيث صرح بأننا لن نرى نماذج ذكاء اصطناعي قوية حقًا حتى “GPT-6″، في غضون عامين على الأقل.
ولكن إذا لم نتوقع طلبًا ضخمًا قصير الأجل على منتجات GenAI من قبل الشركات، فمن أين سيأتي الطلب الذي نحن في أمس الحاجة إليه؟
ولذلك فإن منتجات الذكاء الاصطناعي المتخصصة هي أملنا الوحيد لتجنب الانهيار.
الإشارة هنا إلى أشياء مثل Apple Intelligence أو Microsoft-Phi-3-Silica، التي تعمل على جهاز الكمبيوتر الخاص بك، ويمكنها تنفيذ إجراءات أبسط، ولكنها مفيدة بشكل لا لبس فيه نيابة عنك.
لكن هذه النماذج بعيدة كل البعد عن الذكاء الاصطناعي الرائد، هي نماذج لائقة جدًا يمكنها أداء المهام التي لا تتطلب قدرات استدلال واسعة النطاق؛ بعبارة أخرى، بدلاً من بناء نماذج الذكاء الاصطناعي للحالات المعقدة حيث لا تكون دقتها جيدة بما فيه الكفاية، فإننا نركز على المهام المفيدة بدقة أعلى.
لذلك، فإن فكرة أن نماذج الذكاء الاصطناعي الرائدة ستولد الطلب المطلوب إلى حد بعيد غير سليمة؛ حيث لن تأتي نماذج رائدة جيدة بما فيه الكفاية قريباً.
فماهي العواقب؟
إذا كان هذا هو الحال كما يقال بالفعل، فيجب أن نتوقع ارتفاع أسهم Apple وMicrosoft مع قيادتهما لتبني التكنولوجيا. كما قد تشهد الشركات القائمة مثل ARM وAMD، ولا سيما Qualcomm، دفعة كبيرة أيضًا إذا أصبحت الأجهزة الطرفية، مثل الهواتف الذكية أو أجهزة الكمبيوتر المحمولة، الأدوات الرئيسة لاستخدام GenAI.
ولا تتأثر مصانع السبائك مثل TSMC بهذا التحول المحتمل، حيث لا تزال شركات مثل Apple تصنع شرائح 2-3 نانومتر، وإن سيطرتهم على مسرعات الذكاء الاصطناعي (العقد التي تقل عن 7 نانومتر) كبيرة لدرجة أنه إذا لم يكن الأمر يتعلق بالتهديد الصيني، فقد تكون TSMC بسهولة واحدة من أكبر ثلاث شركات عالمية من حيث القيمة الآن.
من ناحية أخرى، قد يتسبب التحول في السرد بعيدًا عن أبحاث الذكاء الاصطناعي الرائدة في زيادة معاناة الشركات الموجودة على حدود الذكاء الاصطناعي؛ على سبيل المثال، لا يكاد يكون دور شركة “إنفيديا” في “الذكاء الاصطناعي الهامشي-الحالي” بارزًا كما هو الحال في “الذكاء الاصطناعي الرائد-المستقبلي”. حيث تصمم كل من “أبل” و “مايكروسوفت” و “جوجل” شرائحها للهواتف الذكية وأجهزة الكمبيوتر المحمولة، لذا فإن اعتمادها على “إنفيديا” في الحالات الرائدة سيكون صغيراً جدًا.
مع أن شركة “إنفيديا” تتمتع بسوق كبيرة لأجهزة الكمبيوتر المزودة بوحدات معالجة الرسوميات، التي تمثل 17% من إيراداتها. فهي تحاول الانتقال إلى الريادة أيضًا، ولا سيما في مجالات التوائم الرقمية وتصنيع الذكاء الاصطناعي في المصانع. ومع ذلك، فإن إيراداتها من هذه القطاعات ضئيلة (أقل بكثير من 5%).
ولكن الحقيقة هي أن الوجود اليوم في “الهامش” يضيف قيمة لشركتك.
فإذا فقد المستثمرون اهتمامهم بـ “دفع ستار الجهل إلى الأمام” كما يقول سام ألتمان، وركزوا بدلاً من ذلك على الشركات التي تحقق إيرادات، فإن عملاء شركة “إنفيديا” الكبار مثل “مايكروسوفت” المقدر بنحو 22٪ من إجمالي الإيرادات في الربع الأخير، أو “ميتا” قد يقلصون استثماراتهم الرأسمالية في وحدة معالجة الرسوميات GPU حيث يراقب المستثمرون نياتهم في “بناء الذكاء الاصطناعي العام AGI”.
مع أن هذا المشهد (السيناريو) لا ينبغي أن يخلق انهيارًا في السوق (حيث لن يغادر المال الأسواق بل يتدفق إلى شركات مختلفة)، إلا أنه قد يؤدي بالتأكيد إلى انهيار شركات وفائزين كبار.
وبمعنى آخر: إذا أخفق الذكاء الاصطناعي في توليد الطلب اللازم لتغطية النفقات (ستكون إحدى الطرق المثيرة للاهتمام لقياس ذلك هي ما إذا كان مستخدمو iPhone يقومون بالترقية إلى iPhone 15 Pro أو 16 القادم لـ Apple Intelligence)، فقد نفد الرصاص لإنقاذ سوق الذكاء الاصطناعي.
وإلى العقيدة التالية “وحدات معالجة الرسوميات هي كل ما تحتاج إليه” وعواقبها:
عندما قام “جينسن هوانج”، الرئيس التنفيذي لشركة “إنفيديا”، يوقع على حمالة صدر إحدى النساء، أدركت أن العالم قد بدأ يفقد رشده، بسبب شركة وحدات معالجة الرسوميات.
ويبدو أن الجميع يروجون للرواية القائلة بأن “وحدات معالجة الرسوميات هي كل ما تحتاج إليه”، هذا، إلى جانب رواية أخرى “الأكبر هو الأفضل”، الأمر الذي يخلق العاصفة المثالية للجنون تجاه “إنفيديا”، سواء من شركات التكنولوجيا الكبرى أو المستثمرين.
لكن هل هذا الأمر دقيق؟
من الواضح أن لا شيء يتفوق على وحدات معالجة الرسوميات من “إنفيديا” في التدريب على نطاق واسع، أو التعلم التعزيزي القائم على المحاكاة (النهج الرئيسي لتدريب روبوتات الذكاء الاصطناعي المادية)، ربما هما المجالين الرائدين للبحث من حيث الاهتمام والاستثمار.
ومع ذلك، تفقد هذه العقيدة قوتها بسرعة إذا نظرنا إلى أحمال عمل الاستدلال، وقبل كل شيء، الذكاء الاصطناعي الهامشي الحالي.
فبالنسبة إلى القضية الأولى، توجد بدائل مثل وحدات معالجة اللغة (LPUs)، التي تعمل على نحو أفضل بكثير على نطاق واسع. أيضًا، تعمل تقنيات الكفاءة الحديثة على تقليل اعتماد الذكاء الاصطناعي على وحدات معالجة الرسوميات من خلال تجنب مضاعفات المصفوفة، وهو المشغل الذي تتفوق فيه هذه الأجهزة.
ومن بين الشركات الحديثة المثيرة للاهتمام شركة Etched.ai، التي جمعت 120 مليون دولار من مستثمرين بارزين للغاية لإنشاء شريحة ASIC مصممة خصيصًا للمتحولين (ChatGPT et al.)، التي وفقًا للشركة، أسرع بمقدار عشرة أضعاف – وأرخص – من وحدات معالجة الرسوميات القادمة من NVIDIA، Blackwell GB200، لأحمال عمل الاستدلال.
وكما ذكرنا سابقًا، فإن قبضة NVIDIA على الذكاء الاصطناعي الرائد صغيرة جدًا، والأجهزة الرئيسة هي وحدات المعالجة العصبية (NPUs)، التي أُنْشِئْتِ لتجنب أحمال عمل الذكاء الاصطناعي التي تستهلك بطارية الجهاز.
ولكن لماذا؟
من خلال استخدام مكونات فائقة التخصص مثل وحدات وظيفة التنشيط، فإنها تستهلك طاقة أقل بكثير، مما يجعلها خيارات أفضل للأجهزة الطرفية.
ولذلك، ستستمر وحدات معالجة الرسوميات في لعب دور حيوي في خطوط أنابيب تدريب LLM وتدريب المحاكاة، وإن النسبة المئوية للطاقة المخصصة لهذه الأحمال قد تنخفض إلى حد بعيد بدلاً من أحمال عمل الاستدلال والذكاء الاصطناعي الهامشي.
العواقب
تعتمد هذه العقيدة إلى حد بعيد على العقيدة السابقة في معرفة الإجابة على السؤال الكبير: ما هي الرواية أو السردية التي سيكافئها المستثمرون في المستقبل؟
في الوقت الحالي، من الواضح أن ما تقدره الأسواق هو من يقود السباق نحو أفضل نماذج الذكاء الاصطناعي!
“الشركة ذات الأداء الأفضل والنماذج الأكبر، أو الشركة التي تستحوذ على كل الإيرادات هي الشركات التي يراهن عليها”؛ هذا هو تفكير المستثمرين العاديين في وول ستريت في الوقت الحالي.
لكن الأسواق لا تعترف بأن الشركات لا تشتري ببساطة هذه الضجيج.
إن التأخير المستمر في التحسين المطلوب بشدة في القدرات والدقة لسنوات قادمة يعني أيضًا أنه ما لم تأتِ المطالب من أماكن أخرى، فسوف تضطر الأسواق إلى تحمل التقييمات المتضخمة للعامين القادمين تقريبًا، وهو ما نعتقد أنه لن يحدث.
لذلك، إذا ظهرت عقلية “الشركة ذات القيمة الملموسة وإيرادات الذكاء الاصطناعي المثبتة هي الشركة التي نريد الاستثمار فيها”، فإن فكرة “وحدات معالجة الرسوم هي كل ما تحتاج إليه” سوف تجف بسرعة.
وفي هذا السيناريو، وبما أن المستثمرين لم يعودوا يكافئون استثمار تدفقك النقدي الحر في وحدات معالجة الرسوميات، فقد يتعثر الطلب على هذه الأجهزة إلى حد بعيد، وستؤدي برامج LLM إلى الذكاء الاصطناعي العام.
الذكاء الاصطناعي العام
مع أحدث إصدار من Anthropic، ومن Claude 3.5 Sonnet، بدأ المتحمسون للتكنولوجيا، مرة أخرى، في ترديد الأناشيد التي تقول “إن الذكاء الاصطناعي العام قريب” أو أن “نماذج اللغة الكبيرة الحالية (LLM) لديها شرارات من الذكاء الاصطناعي العام”.
والحقيقة هي أن معظم الباحثين في مجال الذكاء الاصطناعي متشككون للغاية في قدرة برامج اللغة الكبيرة الحالية (LLM) على الوصول إلى حالة الذكاء الاصطناعي العام.
ولكن لماذا؟
إن طلاب الماجستير في القانون يتعلمون من خلال التعلم بالتقليد؛ فهم يتعلمون تقليدنا؛ ولكن في، حين تعلم طلاب الماجستير في القانون بالفعل تقليد الكتابة البشرية، فإنهم بعيدو كل البعد عن القدرة على تقليد التفكير البشري.
والأمر المهم، أنهم يتجاهلون تمامًا طبيعة الأشياء التي يتحدثون عنها؛ فهم لا يهتمون بالحقيقة أو الأكاذيب أو، على حد تعبير الباحثين، “إنهم يهدفون إلى الإقناع بدلاً من الدقة”.
إن عدم قدرتهم على إدراك العالم، وهو العالم الذي يرونه من خلال الكتابة البشرية، ويمنعهم من فهم ما يتحدثون عنه حقًا.
وفقًا لمجموعة من الباحثين في جامعة براون الذين يدرسون هذا السؤال، بما أن معنى المفهوم يتطلب أيضًا حافزًا حسيًا لا يختبره طلاب الماجستير في القانون، فإننا لا نعرف، وقد يكون أحد الأسباب وراء حدوث ذلك هو الافتقار إلى الاستدلال النشط، ولذلك يجب أن تكون نماذج الاستدلال النشط، التي يدعمها بشدة باحثون بارزون مثل “كارل فريستون” أو “فرانسوا شوليه”، في رحلة تعلم مستمرة.
ولكن هذا ليس هو الحال اليوم؟
ولتقريب الموضوع فإن نماذج الماجستير في القانون لديها طريقتان للعمل: التدريب والاستدلال، بعبارة أخرى، لا تتعلم نماذج الحدود الحالية إلا في أثناء التدريب، ولكنها لا تستطيع اكتساب مهارات جديدة في أثناء الاستدلال. ولذلك، فأن نماذج الماجستير في القانون لا تستطيع التكيف مع التغييرات وإيجاد حلول جديدة لمشكلة معينة لم يسبق رؤيتها، ويزعم بعض الباحثين أن كل “فعل ذكاء” نراه اليوم يمكن اختزاله في نوع من مطابقة الأنماط أو الحفظ، مما يعني أن النموذج لا يطبق عمليات استدلال جديدة، ولكنه ببساطة يستخلص الحل من معرفته السابقة.
وبعبارة بسيطة، فإن ما يحاول “شوليه” أن يخبرنا به عن مفهومه لما هو الذكاء من ورقته البحثية الرائدة “حول مقياس الذكاء“، هو أن نماذج الماجستير في القانون ليست ذكية، ويبدو أن واقع شركات الذكاء الاصطناعي الحالي دليل قوي جداً على صحة هذا الكلام والمثير للجدال!