هل بدأ الذكاء الاصطناعي يطوّر نفسه؟ ماذا كشف باحث من Anthropic عن self-improving AI - منصة تعلّم

ملخص المقال

مقدمة: لماذا يتحدث الجميع عن self-improving AI الآن؟ خلال الأيام الماضية، عاد مصطلح self-improving AI أو "الذكاء الاصطناعي القادر على تحسين نفسه" إلى الواجهة بعد تقرير لافت من TechCrunch تناول عمل باحث في Anthropic على أنظمة تستطيع اقتراح طرق تدريب جديدة، اختبارها، ثم تحسين الأداء على مجموعة من المعايير دون أن تتسبب في تراجع عام في قدرات النموذج. الفكرة ليست أن النموذج أصبح "واعياً" أو مستقلاً بالكامل، بل أن بعض أجزاء دورة البحث والتطوير بدأت تدخل مرحلة الأتمتة الذكية. وهذا مهم جداً لأي متابع للذكاء الاصطناعي في العالم العربي. لأن السؤال لم يعد فقط: ما الذي تستطيع النماذج فعله اليوم؟ بل أصبح أيضاً: كيف يمكن للنماذج أن تساعد في تطوير النماذج القادمة؟ إذا صح هذا المسار، فنحن أمام تسارع قد يغيّر سرعة الابتكار، وطبيعة الوظائف المعرفية، وطريقة بناء المنتجات التعليمية والتجارية. بحسب تغطية Crypto Briefing ، اعتمدت التجارب على أنظمة آلية تبحث في الأدبيات المتاحة، تقترح منهجية، ثم تدرب النموذج لفترة محددة لاختبار الفكرة. كما أن ورقة Anthropic الأوسع حول When AI builds itself تناقش سيناريوهات "التحسين الذاتي التكراري" أو Recursive Self-Improvement، أي أن يساهم الذكاء الاصطناعي بشكل متزايد في رفع قدراته المستقبلية. ما المقصود فعلاً بـ self-improving AI؟ من السهل أن نبالغ عند سماع هذا المصطلح. عملياً، self-improving AI لا يعني أن النموذج يستيقظ صباحاً ويقرر إعادة كتابة نفسه من الصفر. المقصود أقرب إلى نظام منظم يساعد الباحثين على تنفيذ أجزاء من عملية التطوير: مراجعة أبحاث، اقتراح تحسينات، تشغيل تجارب، مقارنة النتائج، ثم اختيار أفضل المسارات. في تقرير MindStudio الذي لخص رؤية Anthropic، هناك ثلاثة تصورات لمستقبل هذا النوع من التطوير: تسارع محدود، أو تسارع قوي لكنه خاضع لإشراف بشري، أو قفزات أسرع بكثير إذا أصبحت الأنظمة جيدة جداً في البحث العلمي والهندسة. الرسالة الأساسية هنا ليست أن هذه النتيجة مؤكدة، بل أن الصناعة بدأت تأخذ الفكرة بجدية أكبر. ومن المفيد التمييز بين ثلاثة مستويات: 1

وسوم المقال

• anthropic
• self-improving-ai
• llms
• ai-news
• recursive-ai