من الشبكات التوليدية التنافسية إلى وكلاء الذكاء الاصطناعي: كيف تطور الذكاء الاصطناعي التوليدي

تعلم النموذج المولّد إنشاء عينات تستطيع خداع النموذج المميّز، بينما تعلم المميّز اكتشاف الناتج الاصطناعي. وأصبحت GANs مؤثرة في إنشاء الصور الواقعية، رغم استمرار مشكلات عدم استقرار التدريب ومحدودية تنوع النتائج.

تعالج المحولات العلاقات بين الوحدات النصية بالتوازي، ما سهّل توسيع التدريب مقارنة بالأساليب التكرارية السابقة. ركزت الورقة الأصلية على الترجمة، لكن البنية أصبحت أساس معظم النماذج اللغوية الكبيرة وكثير من الأنظمة متعددة الوسائط.

كان المحول التوليدي المدرب مسبقاً (GPT) الأول صغيراً مقارنة بما تبعه، لكن وصفته ذات المرحلتين أصبحت شديدة التأثير: تعلم الأنماط اللغوية العامة عبر التنبؤ، ثم الضبط الدقيق لمهام محددة. وساعد ذلك على انتقال المجال نحو النماذج الأساسية القابلة لإعادة الاستخدام.

جعل GPT-3 التوجيه بأمثلة قليلة أو من دون أمثلة واجهة أساسية للنماذج اللغوية الكبيرة. جذبت طلاقته اهتماماً واسعاً، لكن البحث وثق أيضاً الإجابات غير الموثوقة والتحيز والحاجة إلى موارد حاسوبية ضخمة. حسّن التوسع القدرات، لكنه لم يحل مشكلة الدقة الواقعية.

أظهر DALL-E أن النمذجة التوليدية واسعة النطاق تستطيع الربط بين اللغة والرؤية. كانت النتائج المبكرة محدودة ومنتقاة، لكنها مهدت للانتشار السريع لأنظمة تحويل النص إلى صورة.

على خلاف مولدات الصور المحصورة في خدمات مستضافة، أتاحت الأوزان المنشورة لـ Stable Diffusion للمطورين وكثير من المستخدمين تشغيل النموذج وتعديله. سرّع ذلك التجارب، لكنه صعّد النقاش حول بيانات التدريب والموافقة وحقوق النشر وإساءة الاستخدام.

جعل أسلوب ReAct النموذج اللغوي يتناوب بين تحليل المهمة وتنفيذ فعل ثم إدخال النتيجة في الخطوة التالية. في الإجابة عن الأسئلة، يمكن للفعل أن يستعلم من مصدر معرفة خارجي، وفي البيئات التفاعلية يمكنه تغيير حالة المهمة. لم ينتج الأسلوب عاملاً مستقلاً موثوقاً، لكنه وضع نمطاً واضحاً للوكلاء اللاحقين: فكّر، واستخدم أداة، وافحص النتيجة، ثم قرر الخطوة التالية.

لم يخترع ChatGPT بنية المحولات أو النماذج اللغوية الكبيرة، لكن واجهته السهلة غيّرت نطاق الاستخدام. أصبح بوسع الملايين طرح الأسئلة وتصحيح الطلبات وتحسينها عبر الحوار. كما جعل الإطلاق الهلوسة وتأثير الذكاء الاصطناعي في التعليم والعمل والحوكمة قضايا عامة لا نقاشات متخصصة فقط.

أظهرت عائلة LLaMA الأولى أن نموذجاً أصغر حجماً ومدرباً بعناية يمكنه منافسة أنظمة أكبر بكثير في اختبارات بحثية متعددة. كان الوصول إلى الإصدار الأول مقيداً، لكنه حفز مشروعات الضبط وأدوات التشغيل المحلي ومجتمعاً أوسع للنماذج مفتوحة الأوزان. ثم وسّع Llama 2 الإتاحة وسمح باستخدامات تجارية كثيرة، لكن قيود ترخيصه تجعل وصفه بأنه مفتوح الأوزان أدق من اعتباره مفتوح المصدر بالكامل.

استطاع النموذج تحليل المستندات والصور والمخططات ولقطات الشاشة إلى جانب النص. لكن OpenAI نشرت تفاصيل تقنية محدودة عن حجمه وبيانات تدريبه، ما عكس تراجعاً أوسع في الشفافية مع ارتفاع القيمة التجارية للأنظمة المتقدمة.

أتاح استدعاء الوظائف للمطور وصف الأدوات البرمجية ومعاملاتها للنموذج. يرسل النموذج طلباً منظماً، بينما يبقى التطبيق مسؤولاً عن التحقق منه وتنفيذه ثم إعادة النتيجة إلى النموذج. حوّل هذا الفصل استخدام الأدوات من صيغة نصية مرتجلة إلى قدرة مدمجة في المنتجات، وأصبح مكوناً أساسياً لوكلاء يبحثون ويحسبون ويسترجعون السجلات ويتعاملون مع خدمات خارجية.

بدلاً من إضافة مكونات منفصلة للإدراك بعد تدريب اللغة فقط، قدمت Google نموذج Gemini بوصفه متعدد الوسائط منذ البداية. وصعّد الإطلاق المنافسة حول النماذج التي تفهم أشكالاً متعددة من المعلومات وتنتج عبرها، مع اختلاف القدرات وشروط الوصول بين الإصدارات.

أبرز Sora التقدم السريع في الفيديو التوليدي واستخدام محولات الانتشار. كانت العروض المبكرة منتقاة من المطور، وظل النموذج يواجه صعوبة في الاتساق الفيزيائي والسبب والنتيجة. وتكمن أهميته في اتجاه القدرات، لا في إثبات محاكاة موثوقة للعالم.

يشير الحرف “o” إلى “omni” أو الشمول، في انتقال من المحادثة النصية إلى تفاعل متعدد الوسائط أكثر طبيعية. جعل الصوت والرؤية المساعدات الذكية أكثر فورية، وأثارا في الوقت نفسه أسئلة أكبر حول الانتحال والخصوصية والاعتماد العاطفي وضوابط إنشاء الوسائط المباشرة.

نقل الإطلاق جزءاً من سباق التوسع من زيادة التدريب المسبق إلى “الحوسبة وقت الاختبار”، حيث يجري النموذج معالجة داخلية أطول قبل الرد. لم يضمن تحسن الاختبارات صحة الإجابات ولم يلغ الحاجة إلى التحقق، لكنه أثر في الجيل التالي من النماذج المتقدمة.

لم يكن DeepSeek-R1 أول نموذج استدلالي، إذ سبقه o1 من أوبن إيه آي، لكنه غيّر نطاق الجهات القادرة على دراسة هذه النماذج وتشغيلها. طوّر DeepSeek-R1-Zero سلوكيات مثل التحقق الذاتي وتعديل استراتيجية الحل عبر التعلم المعزز واسع النطاق، من دون بدء التدريب بمرحلة ضبط موجّه. وأضاف نموذج R1 الكامل بيانات تمهيدية لتحسين قابلية القراءة وتقليل التكرار وخلط اللغات. كما نشرت DeepSeek الأوزان وإصدارات أصغر مقطّرة اعتماداً على Llama وQwen، ما وسّع الوصول إلى التقنية، مع بقاء غموض بيانات التدريب ومتطلبات تشغيل النموذج الكامل من القيود المهمة.

عكس الإطلاق تحولاً في المنتجات بعيداً عن مطالبة المستخدم بفهم قائمة متزايدة من النماذج، إذ أصبح النظام الموحد يقرر متى يحتاج إلى استدلال إضافي. كما أظهر انتقال منتجات الذكاء الاصطناعي التوليدي من نموذج منفرد إلى منظومات تجمع التوجيه والأدوات وطبقات الأمان وأنماطاً متعددة من الحوسبة.