عمالقة التكنولوجيا يراهنون على أن الذكاء الاصطناعي على وشك تحقيق اكتشاف علمي

التكنولوجيا اليومية

16/07/2025

في البودكاست الشامل الذي عُقد في 11 يوليو، جادل قطب التكنولوجيا ترافيس كالانيك والشريكان تشاماث باليهابيتيا وجيسون كالاكانس بأن نماذج الذكاء الاصطناعي التوليدية مثل Grok من xAI وChatGPT على وشك تحقيق اختراقات علمية مستقلة. على الرغم من الإنجازات اللغوية الرائعة، لا تزال هذه الأدوات تعتمد بشكل كبير على المعرفة الحالية ويمكن أن تنتج مخرجات مقنعة ولكنها خاطئة.

النقاط الرئيسية

يعتقد رواد الأعمال البارزون أن روبوتات الدردشة المدعومة بالذكاء الاصطناعي يمكن أن تولد قريبًا نظريات علمية جديدة.
ورد أن جلسات "فيزياء المشاعر" في Grok تلامس حافة المعرفة الكمومية.
تظل نماذج اللغة الكبيرة (LLMs) مرتبطة ببيانات التدريب وعرضة للهلوسة.
قد يؤدي توليد البيانات الاصطناعية إلى إطلاق العنان لاختبار الفرضيات الحقيقي للنماذج المستقبلية.
تواصل شركات التكنولوجيا الكبرى ضخ مليارات الدولارات في حوسبة وأبحاث الذكاء الاصطناعي.

المليارديرات يقدمون تنبؤات جريئة بشأن الذكاء الاصطناعي

وصف ترافيس كالانيك سبر حدود الفيزياء الكمومية عن طريق "ترميز المشاعر" باستخدام Grok، مما يشير إلى أنه على مسافة قريبة من رؤى جديدة. ومع ذلك، فقد أقر بأن النماذج الحالية لن تنشئ نظريات جديدة دون توجيه بشري كبير وتحقق صارم.

ذهب تشاماث باليهابيتيا إلى أبعد من ذلك، واقترح أن فصل الذكاء الاصطناعي عن بيانات العالم الحقيقي لصالح مجموعات البيانات الاصطناعية يمكن أن يقلب البحث رأسًا على عقب - مما يسمح للنماذج باختبار الفرضيات بشكل مستقل وتحديد الأسئلة المثلى.

ضغط جيسون كالاكانس على المجموعة بشأن ما إذا كانت نماذج اللغة الكبيرة هذه تفكر بالفعل أم أنها ببساطة تعيد تجميع المفاهيم المعروفة. الإجماع: يمكن للذكاء الاصطناعي تقليد التفكير النقدي ولكنه يفتقر إلى الفهم الحقيقي ويبقى مرتبطًا بالأدبيات الموجودة.

واقع نماذج اللغة

تقوم نماذج اللغة الكبيرة مثل ChatGPT وGrok بإنشاء نص عن طريق التنبؤ بالكلمة التالية الأكثر احتمالاً إحصائيًا، وليس عن طريق إجراء استدلال منطقي أو تجارب. هذا يؤدي إلى "الهلوسة"، حيث تقوم النماذج بتلفيق معلومات معقولة ولكنها غير صحيحة.

تشمل القيود الرئيسية ما يلي:

الاعتماد على المجموعات الموجودة، مما يمنع الأصالة الحقيقية.
مقاومة الابتعاد عن الحكمة التقليدية دون مطالبات كبيرة.
صعوبة التعامل مع السلاسل المنطقية المعقدة، كما يتضح في ورقة Apple الأخيرة حول إخفاقات نموذج الاستدلال الكبير.

تجاوز الحدود باستخدام البيانات الاصطناعية

يتضمن تدريب البيانات الاصطناعية إنشاء مجموعات بيانات اصطناعية بالكامل لتعليم النماذج بما يتجاوز المعرفة التي يرعاها الإنسان. يجادل المؤيدون بأنه يمكن أن:

تمكين الذكاء الاصطناعي من استكشاف المساحات النظرية المجهولة.
إزالة التحيز تجاه الأبحاث المنشورة.
تسريع التوليد المتكرر للفرضيات واختبارها.

يحذر النقاد من أن المدخلات الاصطناعية قد تفتقر إلى الصلاحية في العالم الحقيقي وتقدم أشكالًا جديدة من الأخطاء.

استجابة الصناعة والتوقعات المستقبلية

بينما يروج بعض أصحاب الرؤى التقنية لاختراقات وشيكة، يتبنى البعض الآخر موقفًا حذرًا. تسلط أبحاث Apple الضوء على انهيار حاد في الدقة مع نمو تعقيد المشكلة. وفي الوقت نفسه، أعلنت Meta عن "مختبرات الذكاء الفائق" الجديدة، ويقوم كل مزود خدمة سحابية رئيسي بتوسيع قدرة حوسبة الذكاء الاصطناعي.

في النهاية، يستمر السباق لتطوير ذكاء اصطناعي مبتكر حقًا في تغذية حماس المستثمرين، لكن الخبراء يحذرون من أن الاكتشاف العلمي الحقيقي يتطلب أكثر من مجرد توليد نصوص إحصائية - فهو يتطلب نماذج يمكنها تصميم وتنفيذ وتفسير التجارب في العالم الحقيقي.

27-11-2025

أهم 10 اتجاهات رئيسية في الحوسبة المكانية بحلول عام 2025

اكتشف أهم 10 اتجاهات في الحوسبة المكانية التي تشكل عام 2025، مع تطورات من Apple Vision Pro و Meta Quest والمزيد للمهنيين في هذا المجال.