Anthropic تتوقع تسارع تطوير الذكاء الاصطناعي بحلول 2027
تتزايد التوقعات بشأن قدرة الذكاء الاصطناعي على تطوير نفسه بصورة مستقلة، بعدما قدّم جاك كلارك، الشريك المؤسس لشركة Anthropic، تقديرًا جديدًا يشير إلى إمكانية الوصول إلى البحث الآلي الكامل في الذكاء الاصطناعي بحلول عام 2027، مع تحسن قدرات النماذج على التخطيط للبحوث وتنفيذ مهام البرمجة.
تفاصيل الخبر
أعاد جاك كلارك، الشريك المؤسس لشركة Anthropic، تقديم توقعاته بشأن موعد وصول الذكاء الاصطناعي إلى مرحلة التحسين الذاتي المتكرر (Recursive Self-Improvement)، مقدّمًا الموعد المتوقع من عام 2028 إلى عام 2027. ويستند هذا التغيير جزئيًا إلى مؤشرات جديدة تُظهر تطور قدرة النماذج على التفكير البحثي واختيار التجارب المناسبة لتطوير أنظمة الذكاء الاصطناعي.
وتشمل أبرز تفاصيل هذا التطور ما يلي:
- اختبار TasteVal: طوّرت P-Zero Research اختبارًا يقيس قدرة نماذج الذكاء الاصطناعي على التخطيط لتجارب بحثية عبر ثماني مشكلات تتعلق ببناء أنظمة الذكاء الاصطناعي، بينما يتولى وكيل برمجي منفصل تنفيذ العمل الفعلي.
- تفوق نموذج من Anthropic: وفقًا للتقرير، تصدّر نموذج Opus 5.5 من Anthropic نتائج الاختبار، مع تكلفة أقل بنحو 30 مرة لكل محاولة مقارنة بمجموعة تضم 24 خبيرًا بشريًا سبق لهم العمل في OpenAI وGoogle DeepMind وغيرها.
- تغيّر التوقعات الزمنية: كان كلارك قد قدّر في مايو احتمالًا بنسبة 30% للوصول إلى أبحاث ذكاء اصطناعي مؤتمتة بالكامل بحلول عام 2027، مشيرًا آنذاك إلى أن النماذج لم تُظهر بوضوح القفزات الإبداعية المطلوبة.
- تسارع تطوير البرمجيات: أفاد مهندسو Anthropic بأن البرمجة لم تعد العقبة الرئيسية أمام العمل داخل الشركة، مع ارتفاع عمليات دمج الأكواد اليومية بأكثر من عشرة أضعاف منذ مايو، بالتزامن مع زيادة مساهمة Claude في كتابة الأكواد.
وتشير هذه المؤشرات إلى أن تطور الذكاء الاصطناعي لا يقتصر على تنفيذ المهام المحددة، بل يمتد إلى تحسين التخطيط البحثي وتقليل تكلفة التجارب وتسريع دورات تطوير الأنظمة الجديدة.
الأهداف المستقبلية والتطورات المتوقعة
تتجه أبحاث الذكاء الاصطناعي نحو بناء أنظمة قادرة على المشاركة في تطوير الجيل التالي من النماذج، بما قد يسرّع وتيرة الابتكار ويغيّر طريقة عمل فرق البحث والهندسة في شركات التكنولوجيا.
ومن أبرز الأهداف والتوجهات المستقبلية المحتملة:
- أتمتة الأبحاث العلمية: تطوير نماذج تستطيع اقتراح الفرضيات وتصميم التجارب وتحليل النتائج بصورة متزايدة الاستقلالية.
- تحقيق التحسين الذاتي المتكرر: تمكين أنظمة الذكاء الاصطناعي من المساهمة في تحسين قدراتها، بما قد يؤدي إلى تسريع تطوير النماذج اللاحقة.
- تقليل تكلفة التطوير: الاستفادة من وكلاء البرمجة لأتمتة المهام التقنية وخفض الوقت والتكاليف اللازمة لاختبار الأفكار الجديدة.
- تعزيز القدرات الإبداعية: تحسين قدرة النماذج على ابتكار حلول غير تقليدية للمشكلات البحثية المعقدة، بدلًا من الاكتفاء بتنفيذ التعليمات.
- تطوير أنظمة أكثر استقلالية: توسيع دور الذكاء الاصطناعي من مساعد للباحثين إلى شريك قادر على إنجاز أجزاء أكبر من دورة البحث والتطوير.
ومع ذلك، فإن الوصول إلى باحث ذكاء اصطناعي مؤتمت بالكامل لا يزال توقعًا مستقبليًا، ولا يعني تحسن نتائج الاختبارات أن الأنظمة أصبحت قادرة بالفعل على تطوير نفسها بصورة مستقلة وآمنة في جميع المجالات.
تعكس التطورات الأخيرة في Anthropic تسارعًا ملحوظًا في قدرات الذكاء الاصطناعي على البرمجة والتخطيط البحثي، ما يعزز النقاش حول إمكانية الوصول إلى التحسين الذاتي المتكرر بحلول عام 2027. وإذا استمر هذا التقدم، فقد تدخل صناعة الذكاء الاصطناعي مرحلة جديدة تتولى فيها النماذج دورًا أكبر في تطوير تقنياتها. لكن تحقيق هذا السيناريو سيعتمد على القدرات الفعلية للأنظمة، وليس على التوقعات وحدها.
