غوغل ديب مايند والذكاء الفائق التكراري: هل تم تجاوز آخر حدود الذكاء الاصطناعي؟
بقلم Gab
المحتويات
RSI لدى Google DeepMind: شائعة واسعة الانتشار، لكن لا دليل عليها حتى الآن
في 12 سبتمبر 2026، زعم @kimmonismus أن الشائعات التي تفيد بأن Google DeepMind قد حققت التحسين الذاتي التكراري، أو RSI، تنتشر «كالنار في الهشيم»، وأنها «أكثر من مجرد شائعات». وقد حصد منشوره، الذي شوهد 719 800 مرة، 4 300 إعجاب و220 إعادة نشر و200 رد و64 اقتباسًا. ولدعم هذه القراءة، يطرح ثلاثة عناصر: الرسالة الغامضة من @lyraxana، والسمعة التي ينسبها إلى مجتمع من المسرّبين، وإشارات استراتيجية مرتبطة بـAGI لدى Google DeepMind.
لكن المشكلة الجوهرية في السلسلة بسيطة: لا يثبت أي من هذه العناصر علنًا أن حلقة تحسين ذاتي تكراري تعمل لدى Google. فالمنشور المصدر يهنئ Google من دون توضيح السبب. أما المنشور السابق لـ@haider1، فيفسر وتيرة إطلاق إصدارات Gemini بوصفها مؤشرًا مبكرًا محتملًا. وأخيرًا، تذكّر عدة ردود بأن المنتجات المتاحة للجمهور لا تسمح باستنتاج وجود قدرة داخلية مستقلة تعمل من البداية إلى النهاية.
إليكم المنشور الذي أطلق هذا التفسير:
الحذر ضروري، لأن RSI لا تعني ببساطة ذكاءً اصطناعيًا يساعد البشر على البرمجة بسرعة أكبر. ففي معناها القوي، تفترض أن يساهم نظام، على نحو تراكمي، في تحسين أساليبه أو تدريباته أو بنيته الخاصة، مع خفض كبير للاختناقات البشرية، أو حتى إزالتها.
لا تثبت السلسلة حدوث هذا التحول. بل توثّق أساسًا كيف يمكن لرسالة غامضة أن تتحول إلى شائعة أكثر تحديدًا بكثير حول Gemini.
نقطة البداية الفعلية: تهنئة من @lyraxana، لا إعلان عن RSI
المصدر المباشر الذي استشهد به @kimmonismus هو منشور نشره @lyraxana في 11 سبتمبر 2026، وكان الحساب يتابعه آنذاك 4 700 شخص. وقد انتشرت الرسالة على نطاق واسع جدًا، محققة مليوني مشاهدة و2 700 إعجاب و152 إعادة نشر و154 ردًا و173 اقتباسًا.
لكن محتواها يقتصر على جملة واحدة:
"huge congRatulationS Indeed! @GoogleDeepMind" @lyraxana
أثار استخدام الأحرف الكبيرة داخل كلمة «congRatulationS» تفسير RSI، إذ أُبرز الحرفان R وS في لقطة الشاشة التي أعاد @kimmonismus نشرها. لكن ذلك لا يحوّل الرسالة إلى تصريح صريح. فلم يذكر @lyraxana لا التحسين الذاتي التكراري، ولا AGI، ولا أي نموذج من Gemini، ولا موعد إطلاق، ولا قدرة داخلية محددة.
تُعد لقطة الشاشة المستخدمة في الغلاف مهمة بوصفها عنصرًا سياقيًا، وكذلك لأنها توضّح حدود ما نُشر بالفعل: تهنئة، أعقبها تفسير.
يحدث الانزلاق الرئيسي في هذا الملف هنا: ينشر @lyraxana تلميحًا غير محدد، ثم يدرجه @kimmonismus ضمن شائعة محددة تفيد بأن RSI قد تحققت بالفعل.
السلسلة الثانية حوّلت التلميح إلى رواية واسعة الانتشار
تؤدي السلسلة الثانية المرفقة بهذه القصة، التي نشرها @DanDr1s، دورًا مهمًا في انتشار الشائعة. فهي تشرح الشفرة المفترضة في رسالة @lyraxana: إذ تتيح الأحرف غير المعتادة في «huge congRatulationS Indeed!» قراءة R وS وI. وقد تجاوز منشوره 250 000 مشاهدة، مع أكثر من 2 400 إعجاب ونحو مئة رد وقت اطلاعنا عليه.
لا تقدم هذه السلسلة أي دليل تقني إضافي، لكنها توضّح كيف تبلورت الفرضية. فقد طالبت عدة ردود فيها بتقديم «أدلة»، وشككت في صفة «المسرّب الموثوق»، وطرحت قبل كل شيء سؤالًا منهجيًا: بدءًا من أي عتبة يمكننا فعلًا الحديث عن RSI؟
يطرح @JulienDuquesne1 المشكلة الأكثر فائدة للتحليل. إذ يمكن للوكلاء القادرين على تنفيذ جزء من الأبحاث أو كتابة الشفرة البرمجية أو اقتراح التجارب أن يسرّعوا عمل المختبر بدرجة كبيرة، من دون أن يخلقوا بالضرورة ديناميكية أسية للتحسين التكراري. ويضيف @upgradeoptimism عائقًا محتملًا آخر: حتى مع وجود حلقة برمجية متقدمة جدًا، قد يظل العالم المادي، وتوريد الرقائق، ومراكز البيانات، والطاقة، ودورات التدريب بمثابة اختناقات.
وهكذا، تعزز السلسلة الثانية أهمية الموضوع من دون أن تعزز الأدلة. وهي تُظهر أساسًا أن النقاش لم يعد يقتصر على سؤال «هل التسريب صحيح؟»، بل أصبح «ما القدرة القابلة للرصد التي تتيح القول إن حلقة RSI موجودة فعلًا؟»
لا يتعلق الأمر تمامًا باختلاق معلومة. إذ يعرض @kimmonismus الموضوع باعتباره شائعة، لا تأكيدًا رسميًا. لكن تعبير «أكثر من مجرد شائعات» قد يعطي انطباعًا بوجود عنصر ملموس وقابل للتحقق يدعم هذه الفرضية. غير أن منشور @lyraxana، عند أخذه بمعزل عن غيره، لا يتيح إثبات ذلك.
الموثوقية المنسوبة إلى @lyraxana تظل هي الأخرى مجرد ادعاء
يزعم @kimmonismus أن @lyraxana ينتمي إلى مجتمع من مسرّبي المعلومات «الموثوقين والكبار». وعندما سأله @rohit3a مباشرةً، إذ رأى في الرسالة تلاعبًا محتملًا بالحروف، أجاب:
"لا أعرف، إنهم موثوقون إلى حد كبير." @kimmonismus
توضح هذه الإجابة طبيعة الاستدلال: فالمصداقية تستند إلى حد كبير إلى الثقة الممنوحة لمصدر يُفترض أنه مطّلع جيدًا. ومع ذلك، لا يتضمن الملف أي سجل قابل للتحقق لتسريبات صحيحة منسوبة إلى @lyraxana، ولا أي معلومات داخلية جرى التحقق منها عبر مصادر متعددة، ولا أي وثيقة صادرة عن Google.
وتحت المنشور الأصلي، يثير @TzviGot تحديدًا مسألة حداثة الحساب:
"حساب أُنشئ قبل 4 أشهر، ووُثّق هذا الشهر، ينشر أخبارًا داخلية عن Google. يبدو موثوقًا فعلًا 👌" @TzviGot
تشير لقطة الشاشة التي شاركها @TzviGot إلى أن حساب @lyraxana انضم إلى X في مايو 2026، وأصبح موثّقًا منذ سبتمبر 2026، وغيّر اسم المستخدم في أغسطس، ويتصل عبر متجر تطبيقات أمريكا الشمالية. لا تثبت هذه العناصر أن الحساب مضلل. كما أنها لا تثبت امتلاكه إمكانية الوصول إلى معلومات سرية عن القدرات الداخلية لدى Google.
وفي سلسلة المنشورات نفسها، يقول @HarshithLucky3 و@NoorStruggling إنهما يتابعان الحساب انتظارًا لمنشورات جديدة. يوضح هذا الاهتمام أن الرسالة أدت دور الإشارة. لكن اهتمام الجمهور لا يشكل عملية تحقق.
في هذه المرحلة، تستند سلسلة تسريبات الذكاء الاصطناعي إلى سمعة مُعلنة، لا إلى دليل مستقل متاح في النقاش.
ما طرحه @haider1 فعليًا: «RSI مبكرة»، لا بلوغ RSI
تتضمن سلسلة المنشورات نقطة منشأ مهمة ثانية. فقبل منشور @kimmonismus، كان @haider1 قد نشر، في 6 سبتمبر 2026، تحليلًا أكثر تحفظًا لوتيرة إصدارات Gemini. وقد حقق منشوره 130 ألف مشاهدة، و661 إعجابًا، و10 إعادات نشر، و56 ردًا، و6 اقتباسات.
كتب @haider1 أن ثلاثة نماذج جديدة يُفترض أنها صدرت خلال ستة أسابيع، ورأى في ذلك «علامة على RSI مبكرة». وصياغته الكاملة ذات دلالة:
"تستخدم Google بالتأكيد شكلًا ما من RSI لتتقدم بهذه السرعة" @haider1
تمضي هذه العبارة بعيدًا، لكنها لا تقول إن Google قد «بلغت RSI» بمعنى وجود حلقة مستقلة ومتكاملة. بل تتحدث عن «شكل ما من RSI» وعن علامة مبكرة، أي عن فرضية تتعلق بآليات داخلية للإنتاجية أو الأتمتة أو التكرار المتسارع.
توضح القائمة التي قدمها @lender980 الوتيرة الملحوظة، مع إعلانات تمتد من Gemini 3.7 Flash في 13 أغسطس إلى Gemini 3.8 Flash وGemini 3.8 Flash Cyber وWeatherNext 3 وTimesFM-3 وإصدارات أخرى في أواخر أغسطس وأوائل سبتمبر. وقد يوحي هذا التواتر بالفعل بوجود تنظيم أسرع لعمليات التطوير.
ومع ذلك، يمكن تفسيره بعدة عوامل أكثر تقليدية:
- طرح نسخ متقاربة من المنتجات في تواريخ مختلفة؛
- تخصيص قدر أكبر من الموارد الحاسوبية للتدريب والتقييم؛
- فرق ومسارات هندسية أكثر كفاءة؛
- تعديلات على الاستدلال أو السرعة أو التكلفة؛
- استراتيجية تجارية لتسريع وتيرة الإصدارات.
يقدم @JakeKAllDay تحديدًا تفسيرًا تقليديًا للانتقال من Gemini 3.7 إلى 3.8:
"أحب Gemini، لكن القفزة من 3.7 إلى 3.8 هي في معظمها مجرد تعزيز للقدرة/جهد التفكير. الإصدار 3.8 med يعادل تقريبًا 3.7 high من حيث جهد التفكير. وهذا محجوب جزئيًا بزيادة في سرعة tps تبلغ نحو 10%." @JakeKAllDay
لا تثبت حجته غياب قدرات داخلية أكثر تقدمًا. لكنها تذكّر بأن وتيرة الإطلاق، أو التحسن الملحوظ في المنتجات، لا تكفي لتشخيص تحسين ذاتي تكراري.
التكرار الأسرع إشارة تشغيلية محتملة، وليس دليلًا على RSI مستقلة ومغلقة.
مفارقة @haider1: يرى علامة مبكرة، ثم يشكك في أن RSI قد تحققت بالفعل
أحد أكثر جوانب النقاش إثارة للاهتمام هو أن @haider1 يجد نفسه على جانبي الجدل. ففي 6 سبتمبر، فسّر مخرجات Gemini على أنها إشارة إلى «RSI مبكر». وفي 12 سبتمبر، تحت منشور @kimmonismus، اعترض منطقيًا على فكرة أن RSI قد تحقق بالفعل بالنظر إلى المنتجات المتاحة للعامة.
"لقد قلت هذا بالفعل قبل بضعة أيام، لكنني ما زلت غير متأكد من كيفية حدوث ذلك في حين أن نماذج Google لا تزال متأخرة إلى حد كبير في البرمجة لذا، إذا كانت Google تدّعي أنها حققت RSI، فمن المرجح أن OpenAI وAnthropic قد حققتا شيئًا مماثلًا قبل ذلك بكثير" @haider1
يستهدف هذا الاعتراض مباشرةً الفجوة بين فرضية داخلية مذهلة وتجربة المستخدمين مع نماذج Gemini للبرمجة. فإذا كانت Google قد أغلقت بالفعل حلقة تحسين ذاتي تكراري عالية الأداء، فلماذا لا تتفوق نماذجها العامة بوضوح في مهام البرمجة أو الاستدلال أو العمل القائم على الوكلاء مقارنةً بالمنافسين الذين يُنظر إليهم غالبًا بوصفهم الرواد؟
يرد @kimmonismus بفرضية استراتيجية:
"السؤال هو ما إذا كانت Google قد تتخلى ببساطة عن تقديم أحدث التقنيات للمستهلكين وتستثمر كل شيء في RSI بدلًا من ذلك." @kimmonismus
هذا احتمال وارد. فالمختبرات لا تنشر بالضرورة أفضل قدراتها، لا سيما لأسباب تتعلق بالأمان أو التكلفة أو الموثوقية أو المنافسة. لكن لا توجد في هذا النقاش أي بيانات تؤكد أن Google قد حجبت عمدًا تقنية متطورة وعملية لصالح حلقة RSI داخلية.
من المتصور وجود فجوة بين قدرات Google الداخلية ومنتجاتها العامة، لكنها تظل هنا تفسيرًا محتملًا، لا حقيقة مثبتة.
تظل منتجات Gemini في صميم اعتراض المشككين
لا يرفض عدد من المشاركين فكرة أن Google تمتلك أبحاثًا رائدة. بل يعترضون على القفزة المنطقية التي تحوّل هذه القوة العلمية إلى دليل على تحقيق RSI.
تحت منشور @lyraxana، يوضح @DeepLearn007 هذه الفجوة بين البحث والمنتج:
"تمتلك Google أبحاثًا مذهلة؛ فهي، في نهاية المطاف، من ابتكرت Transformers بآلية Self-Attention، وأجرت قدرًا كبيرًا من الأبحاث الأولية في RL التي تقود تطور LLMs. لكنها واجهت فجوة في تحويل الأبحاث إلى منتجات. @demishassabis @lyraxana" @DeepLearn007
يقدم @VibeDevolli نقدًا مشابهًا، يستند بصورة أكثر مباشرة إلى استخدام النماذج العامة:
"أريد أن أصدق ذلك، لكن معرفتي بنماذجهم العامة تجعل الأمر صعبًا عليّ. :) لقد عدنا قليلًا إلى أيام Bard مقارنةً بالنماذج الأخرى رفيعة المستوى." @VibeDevolli
يرد عليه @kimmonismus من دون تقديم أي عنصر جديد:
"للإنصاف: لا تزال GDM في المنافسة" @kimmonismus
الإجابة معقولة، إذ تظل Google DeepMind جهة فاعلة رئيسية في مجال الذكاء الاصطناعي. لكنها لا تجيب عن السؤال المطروح: ما الأداء العلني أو المنشورات التقنية أو الأدلة التشغيلية التي تتيح الانتقال من شركة قادرة على المنافسة إلى شركة حققت RSI؟
يلخص @Politas180 هذا الاعتراض في عبارة واضحة للغاية:
"لو كانوا قد أغلقوا الحلقة فعلًا، لكان Gemini بالفعل النموذج الذي أتركه يعمل طوال الليل. لكنه ليس كذلك. وكتابة ذلك كله بأحرف كبيرة لن تغيّر هذه الحقيقة." @Politas180
هذا حكم صادر عن مستخدم، وليس معيارًا أكاديميًا. لكنه يعكس نقطة يشترك فيها عدد من المشاركين: لا تقدم أي تجربة عامة مع Gemini اليوم دليلًا واضحًا على تقدم حاسم يتوافق مع إغلاق حلقة التحسين الذاتي التكراري بالفعل.
التمييز التقني الحاسم: المساعدة في البحث مقابل RSI من البداية إلى النهاية
تأتي أقوى إجابة في النقاش من @MTorygreen. فهي لا تنكر تقدم Google ولا التأثير المحتمل للذكاء الاصطناعي في البحث وتدريب النماذج المستقبلية. بل تطرح ببساطة السؤال الجوهري: أين لا يزال التدخل البشري قائمًا؟
"سأكون حذرًا في وصف أي شيء بأنه RSI إلى أن نعرف أين لا تزال نقطة الاختناق البشرية قائمة. إذا كان النموذج يولّد تجارب أفضل، ويحسّن التعليمات البرمجية، ويساعد في تصميم دورة التدريب التالية، فهذا إنجاز هائل. لكن لا تزال هناك فجوة كبيرة بين ذلك وبين نظام يحسّن نفسه تكراريًا من البداية إلى النهاية." @MTorygreen
هذا التمييز أساسي لفهم الشائعات المتعلقة بـAGI لدى Google DeepMind.
يمكن لنظام أن يساهم في:
- توليد فرضيات بحثية؛
- كتابة جزء من تعليمات التدريب البرمجية أو تصحيحه؛
- اقتراح معماريات أو بيانات اصطناعية؛
- تسريع عمليات التقييم؛
- مساعدة المهندسين على اختيار دورة التدريب التالية.
يمكن لكل ذلك أن يسرّع عمل أحد المختبرات بشكل كبير. لكن التحسين الذاتي التكراري القوي (RSI) سيتطلب أكثر من ذلك: إذ ينبغي انتقاء النتائج والتحقق منها ودمجها والتدريب عليها ونشرها بتدخل بشري محدود بما يكفي لكي يحسّن النظام قدراته بنفسه بصورة تراكمية.
وعندئذ، ينبغي معرفة أين لا تزال عمليات التحقق وقرارات البنية المعمارية وضوابط السلامة والمفاضلات الحاسوبية والوصول إلى البيانات ومراجعة النتائج تتم. ولا توفر سلسلة المنشورات أي إجابة عن هذه الأسئلة.
ولهذا فإن حجة @MTorygreen هي الأكثر استنادًا إلى الأدلة: توحي المناقشة بإمكانية الأتمتة، لكنها لا توثّق حلقة تحسين ذاتية مستقلة ومتكاملة من البداية إلى النهاية.
السردية الاستراتيجية لا تحل محل البرهان التقني
يضيف @kimmonismus إلى منشوره إشارات إلى Demis Hassabis وSergey Brin وReuters وإلى الأهمية الاستراتيجية للتحسين الذاتي التكراري في سباق الوصول إلى الذكاء الاصطناعي العام (AGI). وقد تفسر هذه العناصر سبب اهتمام Google بمثل هذه التقنية. لكنها لا تثبت أنه جرى تحقيقها.
إن اعتبار Google DeepMind للذكاء الاصطناعي العام وأتمتة الأبحاث وتحسين النماذج أولوياتٍ لها ينسجم مع استراتيجية جميع المختبرات الكبرى. لكن الطموح الصناعي لا يُعدّ إثباتًا تقنيًا.
يشير @kimmonismus أيضًا إلى أنه سيغطي الموضوع في نشرته الإخبارية Superintelligence. وتقدّم الصفحة نفسها على أنها موجز عن الذكاء الاصطناعي يهدف إلى «الفوز بالمستقبل»، وتعلن أن لديها أكثر من 160,000 مشترك يومي. ويوضح هذا التموضع سبب الاهتمام بالموضوع، لكنه لا يقدم بيانات مستقلة إضافية بشأن الشائعة.
لماذا تستحق الشائعة أن تؤخذ على محمل الجد رغم ذلك
لا يعني غياب الأدلة العلنية أن القضية برمتها تقوم على فراغ. فهناك مؤشّران استراتيجيان قابلان للتحقق يفسران سبب إيجاد الشائعة اليوم أرضًا خصبة على نحو خاص.
أولًا، أعلنت Google في أغسطس 2026 أن Demis Hassabis أصبح رئيس مجلس إدارة Google DeepMind وكبير العلماء في Alphabet. وأوضحت المجموعة أن هذا الدور الجديد من شأنه أن يتيح له تكريس «كامل اهتمامه» لصياغة مستقبل الذكاء الاصطناعي العام. ويمكن الاطلاع على الإعلان الرسمي في مدونة Google.
ثانيًا، أفادت Reuters في 12 أغسطس 2026 بأن Sergey Brin كان يدفع جهود Google نحو التحسين الذاتي التكراري في إطار إعادة تنظيم أنشطتها في مجال الذكاء الاصطناعي. ويصف التقرير التحسين الذاتي التكراري بأنه محور استراتيجي بما يكفي للتأثير في تخصيص الموارد وهيكلية الفرق. ولا يؤكد ذلك التوصل إلى حلقة وظيفية. لكنه يؤكد، في المقابل، أن الموضوع مطروح على المستوى الاستراتيجي داخل Google، وليس مجرد تكهنات متداولة على X. يمكن الاطلاع على تقرير Reuters هنا.
وهذا الفارق بالغ الأهمية. لدينا مؤشرات قوية على أن Google تريد تسريع التحسين الذاتي لأنظمتها. لكن ليس لدينا دليل علني على أنها تجاوزت العتبة التي تسميها شبكات التواصل الاجتماعي بالفعل “RSI”.
إذا كانت لدى Google بالفعل حلقة تحسين ذاتي تكراري، فإن سباق الذكاء الاصطناعي سيغيّر طبيعته
هنا تصبح هذه القصة أهم من مجرد شائعة عن نموذج. فحلقة حقيقية من التحسين الذاتي التكراري لن تكون مجرد «Gemini أكثر ذكاءً». بل ستغيّر العملية التي تُنتج إصدارات Gemini التالية.
1. ستصبح وتيرة التقدم نفسها قدرة تنافسية
حتى الآن، يُنظر إلى السباق بين Google وOpenAI وAnthropic أساسًا من خلال الأجيال المتعاقبة من النماذج، والاختبارات المعيارية، وإطلاق المنتجات. أما حلقة التحسين الذاتي فستنقل المنافسة إلى مستوى أعلى: السرعة التي يستطيع بها المختبر تحسين آلة البحث الخاصة به.
إذا كان النظام يساعد في تحديد التجارب المفيدة، ويكتب حصة متزايدة من الشيفرة البرمجية، ويحلل الإخفاقات تلقائيًا، ويقترح عملية التدريب التالية، فإن المختبر لا يكسب بضع نقاط فقط في الاختبارات المعيارية. بل يختصر الدورة بين جيلين. وفي هذا السيناريو، تصبح مقارنة النماذج العامة في لحظة معينة أقل دلالة من قياس معدل التقدم الداخلي.
وهذا أيضًا ما يجعل وتيرة إصدارات Gemini مثيرة للاهتمام من دون أن يجعلها دليلًا. فثلاثة إصدارات متقاربة لا تثبت شيئًا في حد ذاتها. لكن إذا كانت هذه الوتيرة ناتجة عن أتمتة عميقة للبحث والتطوير، فإنها تصبح مؤشرًا على ميزة أكثر بنيوية.
2. قد لا يتحول أفضل نموذج لدى Google أبدًا إلى منتج عام
تستحق الفرضية التي طرحها @kimmonismus أن تُدرس: فقد تحتفظ Google بأنظمتها الأكثر تقدمًا للأبحاث الداخلية بدلًا من إتاحتها للمستهلكين على الفور.
قد تكون لهذه الاستراتيجية جدوى اقتصادية. إذ يمكن لنموذج داخلي قادر على تحسين البيانات أو شيفرة التدريب أو التقييمات أو البنى أن تكون له قيمة أكبر بوصفه مضاعفًا للبحث والتطوير من كونه روبوت دردشة يُطرح للبيع قبل بضعة أسابيع. وعندئذ قد يبدو المنتج العام متأخرًا، بينما يخفي بنية تحتية داخلية أكثر تقدمًا بكثير.
قد يفسر ذلك المفارقة المحورية في سلسلة المنشورات، ولكن فقط إذا ظهرت يومًا أدلة مستقلة تؤكده. أما في الوقت الراهن، فهي فرضية متماسكة وليست تفسيرًا مثبتًا.
3. ستصبح القدرة الحاسوبية رأس مال بحثيًا يحسّن عائده بنفسه
قد يغيّر حتى التحسين الذاتي التكراري (RSI) الجزئي اقتصاديات الحوسبة. ففي الوقت الراهن، يتيح المزيد من وحدات GPU أساسًا إجراء مزيد من التجارب، أو تدريب نماذج أكبر، أو خدمة مزيد من المستخدمين. أما في حلقة تحسين مؤتمتة، فيُستخدم جزء من القدرة الحاسوبية أيضًا لابتكار سبل أفضل لاستخدام القدرة الحاسوبية مستقبلًا.
بعبارة أخرى، لم تعد الحوسبة تموّل نموذجًا فحسب، بل تموّل عملية تسعى إلى جعل الدورة التالية أكثر كفاءة. وإذا نجحت هذه الحلقة فعلًا، فقد تتعاظم أفضلية المجموعات التي تمتلك أكبر العناقيد الحاسوبية وأفضل الرقائق والطاقة والتكامل الرأسي.
تتمتع Google بموقع متميز للغاية في هذا المجال بفضل وحدات TPU ومراكز البيانات وفرق البحث التابعة لها وقدرتها على نشر النتائج ضمن بنية تحتية عالمية. ولا يضمن ذلك تحقيق أي تحسين ذاتي تكراري. لكنه يفسر لماذا سيكون لاختراق من هذا النوع لدى DeepMind تداعيات صناعية غير متناسبة.
4. ستُدفع OpenAI وAnthropic نحو مزيد من السرية والاستخدام الداخلي
إذا أثبت أحد الأطراف أن نظامًا ما يحسّن بصورة ملموسة عملية بناء خليفته، فلن يكون لدى منافسيه حافز كبير للرد بمجرد إطلاق منتج عام. بل سيسعون هم أيضًا إلى تحويل أفضل نماذجهم إلى باحثين ومهندسين ومقيّمين ومشغّلين داخليين.
وقد تكون النتيجة الظاهرة مفارِقة: كلما ازدادت القدرات الداخلية أهميةً استراتيجية، قلّ تعبير النماذج العامة عن كامل مسار السباق. وستظل المعايير المرجعية الموجّهة لعامة المستخدمين مهمة، لكنها ستصف طبقة المنتج. أما المنافسة الحقيقية فستدور حول جودة الوكلاء الداخليين، وأتمتة التجارب، وكفاءة القدرة الحاسوبية، والقدرة على تحويل فكرة إلى عملية تدريب موثوقة.
ولهذا فإن الاعتراض القائل: «Gemini العام ليس في المرتبة الأولى، إذًا لا يمكن أن تكون Google قد حققت RSI» غير كافٍ. لكن الحجة المعاكسة ضعيفة بالقدر نفسه: «Gemini يتقدم بسرعة، إذًا حققت Google الـRSI». فكلاهما يخلط بين المنتج القابل للملاحظة والبنية التحتية البحثية التي تنتجه.
5. ينبغي للأمن والتنظيم مراقبة قدرة، لا مصطلح
مصطلح RSI غامض أكثر مما ينبغي ليصبح بمفرده عتبة تنظيمية مفيدة. والسؤال الأنسب أكثر واقعية: ما المهام البحثية التي يستطيع نظام ما إنجازها من دون تدخل بشري، وبأي معدل نجاح، وعلى مدى كم دورة متتالية؟
ومن المؤشرات الأكثر صلة: القدرة على تعديل شيفرة التدريب، وتصميم التجارب واختيارها، وتشخيص النتائج، واقتراح بنية تالية، وإدارة موارد الحوسبة، والحفاظ على تحسن قابل للقياس عبر عدة تكرارات.
قد يمتلك مختبر ما عدة مكونات من هذه السلسلة من دون أن تكون لديه قدرة مستقلة على التحسين الذاتي التكراري من البداية إلى النهاية. وعلى الأرجح، فإن هذه المنطقة الوسطى هي الأكثر أهمية على المدى القصير. إذ يمكنها بالفعل تسريع التقدم بدرجة كبيرة، وتركيز الأفضلية لدى عدد قليل من الجهات، وتعقيد تقييمات السلامة، من دون أن تشبه «الحلقة الأسية» التي غالبًا ما يتخيلها الناس عند تداول مصطلح RSI على X.
ما ينبغي للقارئ استخلاصه من سلسلة المنشورات هذه
تستند شائعة RSI لدى Google DeepMind إلى ثلاثة مستويات من المعلومات يجب عدم الخلط بينها:
- نشر @lyraxana تهنئة غامضة، من دون ذكر RSI أو AGI.
- كان @haider1 قد رأى سابقًا في وتيرة تطور Gemini «sign of early RSI»، أي فرضية محدودة بشأن أتمتة متسارعة محتملة.
- ربط @kimmonismus هذه الإشارات بشائعة أكثر تحديدًا مفادها أن Google DeepMind حققت RSI، مع إقراره بأن الأمر لا يزال مجرد شائعة.
تترك سلسلة المنشورات عدة أسئلة بلا إجابة:
- ماذا كانت @lyraxana تقصد حقًا؟
- ما العناصر القابلة للتحقق التي تثبت موثوقيتها كمصدر لتسريبات الذكاء الاصطناعي؟
- ما البيانات التي تتيح التمييز بين سلسلة تطوير مؤتمتة والتحسين الذاتي التكراري الكامل؟
- هل تقلل نماذج Google العامة من تقدير القدرات الداخلية الفعلية، أم تعكس حالة أنظمتها بصورة أكثر مباشرة؟
- هل يرجع تواتر إعلانات Gemini إلى ذكاء اصطناعي أكثر استقلالية، أم إلى فرق أفضل، أم إلى قدرات حوسبة أكبر، أم إلى استراتيجية نشر؟
لذلك، فإن الاستنتاج الأكثر صرامة أقل إثارة من الشائعة الأولية. من الممكن تمامًا أن تسرّع Google عملياتها الداخلية، وأن تستخدم الذكاء الاصطناعي لتحسين الشيفرة البرمجية والتجارب وعمليات التدريب، وأن تستثمر بكثافة في الذكاء الاصطناعي العام. لكن لا يثبت أي دليل علني في هذا النقاش أن Google DeepMind قد حققت تحسينًا ذاتيًا تكراريًا (RSI) كاملًا، ولا حتى أن منشور @lyraxana كان يتناول هذه الفكرة تحديدًا.