IOSF: التقنية قوية، لكن لماذا لا يتبناها المستخدمون؟ 6 أسئلة يجب على رواد أعمال الذكاء الاصطناعي الإجابة عنها
Panewslabالمؤلف: IOSFبقلم: IOSF
مؤخرًا، نظمت IOSF عشاءً في سان فرانسيسكو مع مجموعة من الأصدقاء العاملين في مجال الذكاء الاصطناعي، وتناولنا طعامًا كانتونيًا وتحدثنا لمدة ساعتين تقريبًا.
كان من بين الحاضرين باحثون من OpenAI وxAI وGoogle DeepMind، تغطي أبحاثهم استدلال النماذج وتسريع وحدات معالجة الرسومات، وتوليد الكلام والفيديو؛ كما كان هناك أصدقاء يعملون في التعاون التجاري لنماذج العالم، ومنتجات الذكاء الاصطناعي وريادة الأعمال، بالإضافة إلى ممارسين من الاستثمار التقني المبكر وأسواق رأس المال.
غالبًا ما تختلف الردود حول الموضوع نفسه حسب الزاوية. يتحدث الباحثون عن القيود التقنية، ويفكر رواد الأعمال في المستخدمين والمنتجات، بينما يواصل المستثمرون السؤال عن العملاء والتكاليف وما إذا كان يمكن للأعمال أن تستمر.
امتدت المناقشة من خدمات الاستدلال ونماذج العالم إلى RSI والوعي الذاتي للوكلاء. ثم عادت إلى البيانات والخصوصية في العمل اليومي. بالنظر إلى هذه المناقشات، نريد أن نتابع السؤال التالي:
كيف يتحول تقدم قدرات الذكاء الاصطناعي إلى منتجات تُستخدم بشكل مستمر، وأبحاث أكثر موثوقية، وأدوات جديرة بالثقة؟
ستة أسئلة ما زالت مفتوحة
01 خدمات الاستدلال: ما حجم السوق، ولماذا يبقى العملاء؟
عند الحديث عن خدمات الاستدلال، ظهرت بسرعة وجهتا نظر يمكن أن تكونا صحيحتين في الوقت نفسه.
بعض المستثمرين متفائلون بشأن الطلب على الاستدلال الناتج عن نمو تطبيقات الذكاء الاصطناعي وتقدم النماذج مفتوحة المصدر. كلما زاد استخدام النماذج، ازدادت القيمة التجارية لتقديم الخدمة بشكل أسرع وأكثر استقرارًا.
لكن الباحثين ذكّروا بأنه من منظور الحلول البرمجية فقط، قد لا تكون الاختلافات بين الخدمات المختلفة كبيرة كما يتصور الخارج. أما الأصدقاء من أسواق رأس المال فكانوا أكثر اهتمامًا بالعملاء والمنافسة في الأسعار: هل يمكن لأعمال الشركة الحفاظ على هوامش ربح جيدة بما يكفي؟
وهكذا تحول النقاش من حجم السوق إلى أسباب بقاء العملاء.
إذا كان من السهل على العملاء الانتقال إلى مزود خدمة آخر، فإلى متى يمكن أن تستمر الميزة الناتجة عن التحسين التقني؟ كيف تحصل الشركة على طلب أكثر استقرارًا، وهل يمكنها تحويل نمو الحجم إلى نتائج تشغيلية أفضل؟
بالنسبة لـ IOSF، نمو الطلب يجعل الاتجاه يستحق الاهتمام؛ أما الاحتفاظ بالعملاء وجودة الخدمة وهيكل التكلفة فتساعدنا على رؤية شركة معينة بشكل أوضح.
02 بعد عرض نماذج العالم، لماذا يعود المستخدمون؟
حول نماذج العالم، تحدثنا عن توليد الفيديو والتجارب التفاعلية، وكذلك عن كيفية اختيار الباحثين لاتجاهات ريادة الأعمال.
ذكر صديق يعمل على نماذج الفيديو أن الدعم الداخلي لاتجاه معين في الشركات الكبيرة يتأثر بتخصيص الموارد وتغير أولويات الأبحاث. أحيانًا يختار الباحثون ريادة الأعمال بحثًا عن بيئة أكثر ملاءمة لمواصلة تطوير أفكارهم.
لكن بالعودة إلى المنتج، لا تزال هناك أسئلة محددة يجب الإجابة عنها: ما الذي يمكن للمستخدم إنجازه به فعليًا؟ هل وقت الاستجابة مقبول؟ هل تكلفة الاستخدام مناسبة لهذا السيناريو؟
العروض التوضيحية تُظهر إمكانات التقنية، لكن الاستخدام المستمر يتطلب من المنتج الإجابة عن أسئلة أبعد أمدًا: لماذا سيعود المستخدمون، وما الذي هم مستعدون للدفع مقابله؟
لم يتوصل الحاضرون إلى إجابة موحدة حول السيناريوهات التي ستُستخدم فيها نماذج العالم أولاً بشكل متكرر. هذا السؤال غير المحسوم بعد ترك مساحة للنقاش في المرة القادمة.
03 RSI: كيف نحكم على ما يستحق القيام به بعد ذلك؟
عند الحديث عن RSI، أي التحسين الذاتي المتكرر (Recursive Self-Improvement) للذكاء الاصطناعي، بدأ النقاش يتناول العمل البحثي نفسه.
ذكّر أحد الباحثين بأن النموذج قد يستمر في المحاولة في اتجاه يبدو تقدميًا، دون أن يعرف متى يجب أن يتوقف. تحسن المؤشرات قصيرة المدى لا يعني بالضرورة أن البحث يسير في الطريق الصحيح.
الحكم الصعب هو: هل الأدلة الحالية كافية لدعم مواصلة الاستثمار؟ هل يعني الفشل الواحد الحاجة إلى تعديل الطريقة، أم يجب تغيير الفرضية؟
هذا يقودنا إلى التفكير في أن مراقبة قدرات البحث للذكاء الاصطناعي تتطلب النظر إلى عملية الاستكشاف الكاملة. كيف يطرح الأسئلة، وكيف يفسر الفشل، وكيف يغير الخطوة التالية بناءً على النتائج، كل ذلك يؤثر على جودة البحث النهائية.
يمكن للنموذج تسريع العديد من الخطوات، لكن ما يستحق القيام به بعد ذلك يظل سؤالًا صعبًا للغاية. ذكر بعض الحاضرين أيضًا أن حكم الإنسان على مصادر المعلومات ودرجة موثوقيتها ما زال يؤثر على اتجاه العمل بأكمله.
عند مناقشة ما إذا كان الذكاء الاصطناعي يمكنه تحسين نفسه باستمرار، فإن كيفية اختيار الاتجاه وكيفية تعديل الأحكام بناءً على الأدلة تستحق الاهتمام جنبًا إلى جنب مع النتيجة النهائية.
04 عندما يتجاوز سلوك الوكيل التوقعات، هل يمكن للإنسان التدخل في الوقت المناسب؟
ما إذا كان الوكلاء سيمتلكون وعيًا ذاتيًا هو موضوع آخر أبقى النقاش مستمرًا لفترة طويلة.
عندما يبحث الوكيل عن طرق مختصرة لإنجاز المهمة، أو حتى يقوم بسلوكيات تتجاوز التوقعات، كيف يجب أن نفهم ذلك؟ كان تفسير الحاضرين يميل أكثر نحو الأهداف والقيود والمواءمة الأمنية. هذه السلوكيات بحد ذاتها لا تكفي للقول إنه أصبح لديه وعي ذاتي.
وبناءً على هذا السؤال، أردنا أن نتابع بعض الأمور التي يجب مواجهتها على مستوى المنتج: ما الهدف المطلوب من الوكيل تحسينه؟ ما الإجراءات المسموح له باتخاذها؟ عندما ينحرف عن التوقعات، هل يمكن للمستخدم اكتشاف ذلك والتدخل في الوقت المناسب؟
يمكن مواصلة النقاش حول الوعي، لكن الصلاحيات والإشراف وتصحيح الأخطاء تؤثر بالفعل على حجم المهام التي نرغب في إسنادها إلى الوكيل. القدرة على رؤية ما يفعله، وسحب الصلاحيات أو تصحيح الأخطاء عند الضرورة، هي أسئلة تحتاج إلى إجابات محددة عند بناء هذه الثقة.
05 عند تسليم العمل للذكاء الاصطناعي، أين حدود البيانات والثقة؟
هذه الأسئلة التي تبدو متقدمة جدًا عادت في النهاية إلى كيفية استخدام كل شخص للذكاء الاصطناعي يوميًا.
شارك صديق يعمل في أسواق رأس المال أنه يسمح للذكاء الاصطناعي بتنظيم بيانات المستثمرين ومعالجة معلومات التداول وإكمال المسودات الأولية للوثائق، ثم يقوم الإنسان بالمراجعة. كما ذكر أنه عند تبني الشركات للأدوات، فإن علاقات الثقة القائمة والتكامل مع سير العمل مثل Office يؤثران على الاستخدام الفعلي.
أعطى هذا المثال النقاش نقطة مرجعية ملموسة. قيمة الذكاء الاصطناعي يمكن أن تتجلى بالفعل في تنظيم البيانات، ومسودة أولية، وتعديل واحد. القدرة على الاندماج بسلاسة في العمل الحالي، وسهولة فحص النتائج، تؤثر أيضًا على مقدار المهام التي يمكنه تحملها.
وكلما زاد تسليم العمل، زادت الحاجة إلى توضيح حدود البيانات: ما البيانات التي تم تسليمها؟ من يمكنه الوصول إليها؟ ما السيطرة التي يحتفظ بها المستخدم؟
هذه الأسئلة تتعلق بحماية مواد العمل والأحكام التجارية والمعلومات الشخصية، وتؤثر أيضًا على استعداد المستخدمين لتسليم أعمال أكثر أهمية لمنتج ما. الراحة والثقة في الاستخدام اليومي يجب النظر إليهما معًا.
06 الذكاء الاصطناعي للبيولوجيا: ابدأ بتوضيح المهمة المطلوب حلها
تحدثنا أيضًا عن الذكاء الاصطناعي للبيولوجيا. تحدث بعض الأصدقاء عن تواصلهم مع فرق الأطباء وأعمال تنظيم البيانات، بينما اهتم آخرون بما إذا كان الذكاء الاصطناعي يمكنه المساعدة في حل مشكلات ذات قيمة اجتماعية أكبر.
سرعان ما استقر النقاش على نقطة انطلاق عملية: ما البيانات المتوفرة لدينا؟ أين يتعثر العمل الحالي؟ ما المهمة المحددة التي يحتاج الفريق التقني إلى إنجازها؟
كلما كانت المتطلبات المحددة أوضح، كان من الأسهل دفع التواصل التقني وربط الموارد قدمًا. توضيح المشكلة المطلوب حلها هو بحد ذاته بداية لدفع العمل.
هذا المحتوى لأغراض معلوماتية وتعليمية فقط، ولا يمثل نصيحة استثمارية تتعلق بـ BTCC. تبذل BTCC قصارى جهدها ولكنها لا تضمن صحة أو دقة أو أصالة المحتوى المذكور أعلاه.