ماذا حدث
ذكرت صحيفة ساوث تشاينا مورنينج بوست أن المنافسة بين الولايات المتحدة والصين في مجال الذكاء الاصطناعي تركز بشكل متزايد على التحسين الذاتي المتكرر: الأنظمة التي تستخدم الذكاء الاصطناعي للمساعدة في البحث وتدريب وتقييم الخلفاء الأكثر قدرة. ويبدو أن الشركات الأمريكية تتمتع بريادة مبكرة في البحوث المدعومة بالذكاء الاصطناعي، في حين تعمل المختبرات الصينية على تطوير أساليب التدريب الذاتي و"التطور الذاتي" ذات الصلة. ويقول التقرير إن أياً من الجانبين لم يظهر حلقة تحسين مفتوحة ومستقلة بالكامل.
ذكرت صحيفة ساوث تشاينا مورنينج بوست أن شركات الذكاء الاصطناعي الأمريكية والصينية الرائدة تنشر نماذج متقدمة لكتابة التعليمات البرمجية وتصميم التجارب وتطوير تقنيات التدريب لنماذج أقوى. ويصف الهدف طويل المدى بأنه التحسين الذاتي المتكرر، حيث تساهم أنظمة الذكاء الاصطناعي بشكل مستقل في تدريب الأنظمة اللاحقة وتحسينها. يقول التقرير إن OpenAI قد وصف مؤخرًا العمل نحو باحث آلي في مجال الذكاء الاصطناعي، مع الاعتراف أيضًا بعدم اليقين بشأن كيفية الوصول إلى التحسين الذاتي العودي بشكل آمن.
ووفقًا للتقرير، فإن الشركات الأمريكية تتقدم حاليًا بعدة أشهر في استخدام الذكاء الاصطناعي لإجراء أبحاث الذكاء الاصطناعي بشكل مستقل. يستشهد بعمل Anthropic الذي تم الإبلاغ عنه بشأن تجارب تصميم نماذج Claude وكتابة التعليمات البرمجية وتطوير تقنيات ما بعد التدريب، بالإضافة إلى وصف Google DeepMind لـ Gemini 3.8 Flash بأنه مناسب لهندسة البرمجيات طويلة المدى والوكلاء المستقلين. يقول التقرير أيضًا أن OpenAI أبلغ عن متدرب بحثي آلي قادر على إجراء بعض التجارب التي قد تستغرق أيامًا من البحث الماهر. تُنسب هذه الادعاءات إلى صحيفة South China Morning Post والشركات أو الباحثين الذين تستشهد بهم؛ لم يتم تأكيدها بشكل مستقل هنا.
ويقول التقرير إن المختبرات الصينية تسعى إلى تحقيق أهداف ذات صلة تحت مصطلحات مثل "التطور الذاتي" و"التدريب الذاتي الكامل". وبحسب ما ورد وصف تانغ جي، مؤسس Z.ai، خارطة طريق لـ GLM-6.0 حيث سيدير الذكاء الاصطناعي مسار التدريب بدءًا من التدريب المسبق وحتى ما بعد التدريب. يناقش التقرير أيضًا العمل المرتبط بـ MiniMax وDeepSeek، مع الإشارة إلى انتقادات الخبراء بأن الوكلاء المستقلين وقدرات التدريب الذاتي لا ترقى بعد إلى مستوى التحسين التكراري الحقيقي. إحدى القضايا الرئيسية التي لم يتم حلها هي ما إذا كان النظام يستطيع أن يقرر متى يكون التغيير في الواقع تحسينًا دون الاعتماد على سلطة بشرية منفصلة.
لماذا يهم
إذا تمكنت أنظمة الذكاء الاصطناعي من تحسين الأساليب المستخدمة لبناء الأنظمة اللاحقة لها بشكل موثوق، فقد يتسارع التقدم ويجعل الرقابة أكثر صعوبة. ويصف التقرير الفوائد المحتملة في تطوير البرمجيات، وتصميم التجارب، وكفاءة التدريب، ولكنه يحذر أيضًا من أن النماذج المعيبة يمكن أن تنقل الأخطاء أو الاختلال إلى الأجيال اللاحقة. لا تزال الأهمية العملية غير مؤكدة لأن الأنظمة الحالية لا تزال تعتمد على الحكم البشري والبنية التحتية الحاسوبية والتقييم الخارجي.
يمكن للتحسين الذاتي العودي أن يخلق حلقة تغذية مرتدة يساعد فيها الذكاء الاصطناعي على إنتاج نماذج أكثر قدرة، مما قد يؤدي إلى تقصير دورات التطوير وزيادة الأهمية الإستراتيجية للحوسبة والبنية التحتية البحثية والتقييم. ويقول التقرير إن المحللين الأمريكيين يرون ميزة في وصول الأمريكيين إلى الحوسبة، في حين يوصف الباحثون الصينيون بأنهم فعالون في استخلاص الأداء من الأجهزة المحدودة.
تعد المخاوف المتعلقة بالسلامة أمرًا أساسيًا لأن تدريب الأنظمة المستقبلية باستخدام أسلاف معيبة قد يؤدي إلى تفاقم الأخطاء أو عدم التوافق. ويستشهد التقرير بتحذيرات من الباحثين في كلا البلدين بشأن التسارع، والهروب من البيئة المعزولة، والعواقب المحتملة على الأمن القومي. ومع ذلك، فإنه يذكر أيضًا أن الإنجازات المعمارية الأساسية والأحكام حول ما إذا كانت التغييرات مفيدة لا تزال تعتمد على الخبرة البشرية. لا يزال حجم وسرعة وموثوقية أي تحسين عودي مستقبلي غير معروف.
الآلية التفاعلية: كيف تعمل فعليًا
استكشف التكنولوجيا الأساسية وراء هذا التطور بشكل تفاعلي.
crm_get_transaction(id='4092').Which component of an AI application is the machine-learning model itself?
ماذا تشاهد بعد ذلك
شاهد العروض التوضيحية التي يمكن التحقق منها بشكل مستقل والتي يمكن لنظام الذكاء الاصطناعي أن يقترح التحسينات وينفذها ويحكم عليها دون الحاجة إلى أداة تحقق منفصلة يحددها الإنسان. وراقب أيضًا ما إذا كانت الشركات تنشر تقييمات السلامة وحدود النشر والأدلة على أن أنظمة التحسين الذاتي لا تعمل على تضخيم الأخطاء أو تجاوز الضمانات. لم يتم توثيق أي شروط وصول أو تسعير أو توافر عام لأن التقرير يتعلق بالبحث والتطوير وليس إطلاق المنتج العام.
سيكون الدليل الأكثر أهمية هو وجود نظام قابل للتكرار يحدد بشكل مستقل التغييرات المفيدة، وينفذها، ويقيم النتائج، ويحسن عملية التقييم الخاصة به. وتشير صحيفة ساوث تشاينا مورنينج بوست إلى أن الأدلة العامة على هذه القدرة المفتوحة تظل ضعيفة، لذا لا ينبغي التعامل مع الادعاءات حول "التطور الذاتي" باعتبارها دليلاً على التحسين الذاتي العودي المستقل.
لا يوثق التقرير إصدارًا عامًا أو وصول المستهلك أو التسعير أو الجدول الزمني للنشر للأنظمة التي تمت مناقشتها. كما أنها لا تتحقق بشكل مستقل من صحة مطالبات أداء الشركات. وينبغي أن تحدد التقارير المستقبلية المهام التي يمكن لهذه الأنظمة إكمالها دون تدخل بشري، وما هي الضمانات التي تقيدها، وكيف يتم قياس النتائج وما إذا كان قد تم اكتشاف حالات الفشل قبل أن تصل التغييرات إلى أنظمة الإنتاج.