#أحدث الأخبار مع #ألكسندروانغ،الرجل٢٨-٠٤-٢٠٢٥علومالرجلخبير في ميتا يرفض فكرة التوسع في الذكاء الاصطناعي: نحتاج إلى نهج مختلفصرح يان ليكون، كبير علماء الذكاء الاصطناعي في ميتا، أن "قوانين التوسع" قد لا تكون كافية لتطوير الذكاء الاصطناعي الفعّال. في حديثه الأخير في جامعة سنغافورة الوطنية، قال ليكون إن التوسع قد لا يكون هو الحل للمشكلات الأكثر تعقيدًا التي يواجهها الذكاء الاصطناعي اليوم. التوسع ليس الحل الوحيد منذ سنوات، كانت فكرة "قوانين التوسع" حجر الزاوية في تطوير الذكاء الاصطناعي، وفقًا لهذه الفكرة، كلما زاد حجم البيانات والمعلمات والموارد الحسابية، كلما أصبح الذكاء الاصطناعي أكثر تطورًا. ولكن يان ليكون، كبير علماء الذكاء الاصطناعي في ميتا، شكك في هذه الفكرة في محاضرته الأخيرة في جامعة سنغافورة الوطنية. حيث أكد أن التوسع في البيانات والحوسبة لن يؤدي بالضرورة إلى الذكاء الاصطناعي الفائق، خاصة عندما يتعلق الأمر بالمشكلات المعقدة التي تتسم بالغموض وعدم اليقين في العالم الواقعي. النماذج الكبيرة قد تكون محدودة في حديثه، أشار ليكون إلى أن النماذج الكبيرة مثل النماذج اللغوية التي يتم تدريبها على كميات ضخمة من البيانات لا يمكنها التعامل مع المشكلات الأكثر تعقيدًا بشكل فعال. وأوضح أن هذه النماذج، رغم نجاحها في بعض المهام، ما زالت تفتقر إلى القدرة على فهم الغموض في العالم الواقعي. وأضاف أن الذكاء الاصطناعي الفعلي يتطلب أنظمة يمكنها أن تتعلم بسرعة، وتستطيع اتخاذ قرارات بناءً على المعرفة التي تمتلكها عن العالم، وليس فقط عن البيانات. النقد يعكس تحولات في مجال الذكاء الاصطناعي ليكون ليس الوحيد الذي يشكك في فاعلية "قوانين التوسع"، حيث أشار عدد من الخبراء في مجال الذكاء الاصطناعي إلى أن التوسع وحده ليس كافيًا لتحسين النماذج. ألكسندر وانغ، الرئيس التنفيذي لشركة Scale AI، وآيدان غوميز، الرئيس التنفيذي لشركة Cohere، شاركوا نفس الرأي في مناسبات سابقة، معتبرين أن هذا النهج لم يعد مناسبًا للذكاء الاصطناعي في مرحلته الحالية. وبناءً على رؤيته، يدعو ليكون إلى تطوير نماذج ذكاء اصطناعي أكثر قدرة على التفاعل مع العالم الواقعي، وفهمه، وأن تكون هذه الأنظمة قادرة على اتخاذ قرارات ذكية بناءً على المعرفة المتاحة لها. وأشار أن هذا التوجه يتطلب من الباحثين في الذكاء الاصطناعي أن يركزوا على تدريب الأنظمة على مهام جديدة بسرعة، وأن تكون قادرة على التفاعل مع البيئات الديناميكية.
الرجل٢٨-٠٤-٢٠٢٥علومالرجلخبير في ميتا يرفض فكرة التوسع في الذكاء الاصطناعي: نحتاج إلى نهج مختلفصرح يان ليكون، كبير علماء الذكاء الاصطناعي في ميتا، أن "قوانين التوسع" قد لا تكون كافية لتطوير الذكاء الاصطناعي الفعّال. في حديثه الأخير في جامعة سنغافورة الوطنية، قال ليكون إن التوسع قد لا يكون هو الحل للمشكلات الأكثر تعقيدًا التي يواجهها الذكاء الاصطناعي اليوم. التوسع ليس الحل الوحيد منذ سنوات، كانت فكرة "قوانين التوسع" حجر الزاوية في تطوير الذكاء الاصطناعي، وفقًا لهذه الفكرة، كلما زاد حجم البيانات والمعلمات والموارد الحسابية، كلما أصبح الذكاء الاصطناعي أكثر تطورًا. ولكن يان ليكون، كبير علماء الذكاء الاصطناعي في ميتا، شكك في هذه الفكرة في محاضرته الأخيرة في جامعة سنغافورة الوطنية. حيث أكد أن التوسع في البيانات والحوسبة لن يؤدي بالضرورة إلى الذكاء الاصطناعي الفائق، خاصة عندما يتعلق الأمر بالمشكلات المعقدة التي تتسم بالغموض وعدم اليقين في العالم الواقعي. النماذج الكبيرة قد تكون محدودة في حديثه، أشار ليكون إلى أن النماذج الكبيرة مثل النماذج اللغوية التي يتم تدريبها على كميات ضخمة من البيانات لا يمكنها التعامل مع المشكلات الأكثر تعقيدًا بشكل فعال. وأوضح أن هذه النماذج، رغم نجاحها في بعض المهام، ما زالت تفتقر إلى القدرة على فهم الغموض في العالم الواقعي. وأضاف أن الذكاء الاصطناعي الفعلي يتطلب أنظمة يمكنها أن تتعلم بسرعة، وتستطيع اتخاذ قرارات بناءً على المعرفة التي تمتلكها عن العالم، وليس فقط عن البيانات. النقد يعكس تحولات في مجال الذكاء الاصطناعي ليكون ليس الوحيد الذي يشكك في فاعلية "قوانين التوسع"، حيث أشار عدد من الخبراء في مجال الذكاء الاصطناعي إلى أن التوسع وحده ليس كافيًا لتحسين النماذج. ألكسندر وانغ، الرئيس التنفيذي لشركة Scale AI، وآيدان غوميز، الرئيس التنفيذي لشركة Cohere، شاركوا نفس الرأي في مناسبات سابقة، معتبرين أن هذا النهج لم يعد مناسبًا للذكاء الاصطناعي في مرحلته الحالية. وبناءً على رؤيته، يدعو ليكون إلى تطوير نماذج ذكاء اصطناعي أكثر قدرة على التفاعل مع العالم الواقعي، وفهمه، وأن تكون هذه الأنظمة قادرة على اتخاذ قرارات ذكية بناءً على المعرفة المتاحة لها. وأشار أن هذا التوجه يتطلب من الباحثين في الذكاء الاصطناعي أن يركزوا على تدريب الأنظمة على مهام جديدة بسرعة، وأن تكون قادرة على التفاعل مع البيئات الديناميكية.
٢٨-٠٤-٢٠٢٥
