عندما يبدأ الذكاء الاصطناعي في “إنتاج” الإجابات بكميات كبيرة، لماذا أصبح “التحقق” أغلى سلعة فاخرة؟
مرحبًا بكم، أنا صحفي مالي وعالم اقتصاد. اليوم سنتحدث عن مقال عميق جدًا، من تأليف شركة Havenlon Labs. لا يهدف هذا المقال إلى التباهي بذكاء الذكاء الاصطناعي، بل يكشف عن تغيير عميق في البنية الاقتصادية يحدث حاليًا: في عصر الذكاء الاصطناعي، بدأت مهمتا “إيجاد الإجابات” و“إثبات صحتها” تنفصل تمامًا عن بعضهما البعض.
لكي يسهل عليكم الفهم، سأقوم بتقسيم هذا المقال المليء بالمفاهيم الرياضية والفلسفية إلى خمسة تفسيرات بسيطة.
---
النقطة الأساسية: من “اللاعب الشامل” إلى “خط إنتاج متخصص”
في الماضي، كنا نعتقد أن العالم الجيد أو المهندس يجب أن يكون في نفس الوقت “مطور الأسئلة” (الذي يطرح الفرضيات) و“مصحح الإجابات” (الذي يثبت صحتها). على سبيل المثال، اكتشف نيوتن قانون الجاذبية ووضع الصيغة الرياضية له.
لكن الآن، يقوم الذكاء الاصطناعي بفصل هذين الدورين:
1. الذكاء الاصطناعي مسؤول عن “التجارب العشوائية الكثيفة”: يعمل كطابعة لا تتوقف أبدًا، وينتج كميات هائلة من الافتراضات والأكواد والخطط، بل وحتى مسودات الأدلة الرياضية بتكلفة منخفضة جدًا.
2. الأنظمة المتخصصة مسؤولة عن “المراجعة الدقيقة”: أدوات مثل Lean للتحقق الرسمي، أو أنظمة الرقابة المالية في المستقبل، لا تحتاج إلى ذكاء كبير، بل فقط إلى صرامة ودقة، للتأكد من صحة ما ينتجه الذكاء الاصطناعي.
باختصار: جعل الذكاء الاصطناعي عملية “الإنتاج” رخيصة للغاية، مما جعل “التحقق” يصبح العائق الرئيسي والمورد النادر. المنافسة في المستقبل لن تكون على من ينتج أكبر عدد من الإجابات، بل على من لديه آلية أكثر موثوقية لاختيار الإجابات الصحيحة من بين الكم الهائل من الأخطاء.
---
التفسير العميق: خمسة أبعاد بلغة بسيطة
1. أول شيء غيره الذكاء الاصطناعي هو “القوة البدنية” (القدرة على التجربة)
**العنوان: الذكاء الاصطناعي ليس عبقريًا، إنه آلة لاستكشاف “النسخ اللامحدودة”
يعتقد الكثيرون أن تقدم الذكاء الاصطناعي في مجال الرياضيات يعود إلى ذكائه العالي. لكن الأمر ليس كذلك.
لدى البشر قيود طبيعية: الطاقة محدودة، ولا يمكنهم التعدد. يمكن لعالم رياضي التفكير في عدد قليل من الأفكار في اليوم، وإذا لم تنجح طريقة ما، عليه التوقف وإعادة التفكير. هذا ما يسمى “انخفاض التزامن”.
الذكاء الاصطناعي مختلف. يمكن للعديد من الوكلاء الذكية (Agents) العمل في نفس الوقت:
- الوكيل A يحاول إثبات استراتيجية معينة؛
- الوكيل B يبني أمثلة مضادة؛
- الوكيل C يبحث عن نظريات ذات صلة؛
- الوكيل D يعدل المعايير...
معظم المحاولات ستفشل، لكن ذلك لا يهم لأن تكلفة الفشل منخفضة جدًا. في الماضي، لم يجرؤ البشر على تجربة أفكار تبدو سخيفة لأن الوقت كان ثمينًا؛ أما الآن، يمكن للذكاء الاصطناعي تحمل الكثير من الفشل لأنه سريع وقادر على إجراء الكثير من المحاولات.
الدرس الاقتصادي: الخطوة الأولى في صناعة الذكاء الاصطناعي ليست إنتاج الحقائق، بل إنتاج الافتراضات. لقد حول العملية المكلفة للاستكشاف إلى عملية بحث موسعة ورخيصة.
2. ظهر عائق جديد: نحن غارقون في “الإجابات”
**العنوان: الإنتاج سهل والتحقق صعب، الأنظمة تواجه “دين التحقق”
عندما يمكن للذكاء الاصطناعي إنتاج عشرة آلاف خطة بحثية في اليوم، تتغير المشكلة:
في الماضي، كان السؤال: “هل يمكننا إيجاد إجابة؟”
الآن، السؤال: “كيف أعرف من بين هذه العشرة آلاف إجابة أيها صحيحة؟”
هذا يخلق تباينًا كبيرًا في القدرات:
- القدرة على الإنتاج: تزداد بشكل أسي، والتكلفة تقترب من الصفر.
- القدرة على التحقق: تنمو ببطء، ولا تزال باهظة التكلفة ومعقدة.
هذا حدث بالفعل في هندسة البرمجيات. يمكن للذكاء الاصطناعي كتابة الكود بسرعة، لكن عمليات الاختبار والمراجعة والتكامل والأمان لا تواكب ذلك. إذا كان الكود يتم كتابته بسرعة أكبر من عمليات الاختبار، فإن النظام قد يفشل. الآن، هذا التباين امتد إلى “إنتاج المعرفة”.
الدرس الاقتصادي: نظام يمكنه إنتاج مائة ألف إجابة، إذا كان يمكنه فقط التحقق من مائة منها بشكل موثوق، فهو لا يمتلك مائة إجابة قابلة للاستخدام، بل مجرد مائة “مرشح”. الفجوة بين “المرشحين” و“الإجابات الموثوقة” ستكون أكبر تكلفة اقتصادية في عصر الذكاء الاصطناعي. من يتمكن من حل هذا العائق في التحقق سيسيطر على قوى الإنتاج الجديدة.
3. لماذا نحتاج إلى أدوات “بسيطة”؟ قيمة أداة Lean تكمن في “الصرامة”
العنوان: الأشخاص الأذكياء بحاجة إلى أدوات “بسيطة”، كلما كان نظام التحقق أكثر صرامة، كان أكثر موثوقية
ذكر المقال أداة تسمى Lean (نظام تحقق رسمي). قد يتساءل البعض: إذا كان الذكاء الاصطناعي ذكيًا جدًا، لماذا نستخدم أداة تبدو “بسيطة” مثل Lean؟
لأن الذكاء الاصطناعي وLean يقومان بمهام مختلفة تمامًا:
- الذكاء الاصطناعي (المنتج): يحتاج إلى قوة ومرونة وحدس، لاقتراح أفكار مبتكرة في فضاء واسع من الاحتمالات.
- Lean (المحقق): يحتاج إلى دقة وصرامة. لا يحتاج إلى حدس رياضي، بل يعتمد فقط على القواعد المنطقية. إنه كمقياس دقيق؛ لا يهم من أنت، طالما كان هناك خطأ منطقي في سلسلة الإثبات، سيُظهر خطأ.
نحن غالبًا ما نخطئ في اعتقادنا بأنه يجب استخدام نظام أذكى لمراقبة نظام آخر أذكى.
الحقيقة هي: يجب أن يكون نظام الإنتاج قويًا (لتوسيع الاحتمالات)، بينما يجب أن يكون نظام التحقق ضيقًا ومحددًا (لتقليل المخاطر).
الدرس الاقتصادي: في الأنظمة التجارية، يجب أن يسعى الجانب “الإنتاجي” إلى الابتكار والمرونة، بينما يجب أن يسعى الجانب “التحققي” إلى الامتثال واليقين. لا يمكنك الاعتماد على الذكاء الاصطناعي للتحقق من الذكاء الاصطناعي نفسه، وإلا ستدخل في دورة مفرغة من “من يراقب من؟” أفضل هيكل هو أن يقوم الذكاء الاصطناعي بالإبداع، بينما يقوم محرك القواعد بالمراقبة.
4. تغير المنطق الأساسي لآليات الثقة: من “الثقة في الشخص” إلى “الثقة في الهيكل”
**العنوان: لم نعد نسأل “من أنت”， بل نسأل “أين الأدلة”
في الماضي، كنا نبني الثقة على هوية الشخص:
- هذا الطبيب تخرج من جامعة كوينز، لذا أثق في تشخيصه.
- هذه البنك كبيرة، لذا أثق في وعودها.
- هذا المطور من شركة كبيرة، لذا أثق في كوده.
لكن الذكاء الاصطناعي طبيعته غريبة: قد يكون قويًا جدًا، لكنه قد يرتكب أخطاء بسيطة؛ قد يكون منطقيًا تمامًا في مرة، وفي مرة أخرى قد يقول أشياء غير منطقية. لا يمكنك ضمان أن الذكاء الاصطناعي دائمًا موثوق.
لدى الرياضيات تقليد قديم: صحة النظرية لا تعتمد على من قدمها. إذا قدم شخص غير معروف إثباتًا مثاليًا، تصبح النظرية صحيحة؛ وإذا أخطأ حاصل على جائزة فيلز في منطقه، فإن النظرية تصبح خاطئة.
جعل الذكاء الاصطناعي هذه الفكرة شائعة في جميع المجالات. الأنظمة المستقبلية لن تطلب من “المنتجين” الكمال، بل منهم فقط إنتاج نتائج يمكن التحقق منها بشكل مستقل.
**الدرس الاقتصاد