في عام 2026، سينتقل الذكاء الاصطناعي من الضجة إلى البراغماتية | ريبيكا بيلان ورام آير، تيك كرانش إذا كان عام 2025 هو العام الذي حصل فيه الذكاء الاصطناعي على اختبار الشعور، فسيكون عام 2026 هو العام الذي يصبح فيه التقني عمليا. التركيز بدأ بالفعل يتحول بعيدا عن بناء نماذج لغوية أكبر فأكثر نحو العمل الأصعب لجعل الذكاء الاصطناعي قابلا للاستخدام. في الواقع، يشمل ذلك نشر نماذج أصغر حيث تناسب، ودمج الذكاء في الأجهزة الفيزيائية، وتصميم أنظمة تندمج بشكل نظيف مع سير العمل البشري. يرى الخبراء الذين تحدث معهم TechCrunch أن عام 2026 هو عام انتقال، يتطور من التوسع العشوائي إلى البحث في بنى جديدة، ومن عروض توضيحية براقة إلى عمليات نشر مستهدفة، ومن وكلاء يعدون بالاستقلالية إلى وكلاء يعزز فعليا طريقة عمل الأشخاص. الحفلة لم تنته بعد، لكن الصناعة بدأت تتحسن. قوانين التوسع لن تكفي في عام 2012، أظهر أليكس كريجيفسكي، إيليا سوتسكيفر، وجيفري هينتون في ImageNet ورقة بحثية كيف يمكن لأنظمة الذكاء الاصطناعي "تعلم" التعرف على الأشياء في الصور من خلال النظر إلى ملايين الأمثلة. كان هذا النهج مكلفا حسابيا، لكنه أصبح ممكنا باستخدام وحدات معالجة الرسوميات. النتيجة؟ عقد من البحث العميق في الذكاء الاصطناعي حيث عمل العلماء على اختراع هياكل معمارية جديدة لمهام مختلفة. بلغ ذلك ذروته حوالي عام 2020 عندما أطلقت OpenAI لعبة GPT-3، التي أظهرت كيف أن جعل النموذج أكبر بمئة مرة يفتح قدرات مثل البرمجة والتفكير دون الحاجة إلى تدريب صريح. وقد شكل هذا الانتقال إلى ما يسميه كيان كاتانفوروش، الرئيس التنفيذي ومؤسس منصة الوكلاء الذكاء الاصطناعي Workera، "عصر التوسع": وهي فترة تحدد بالاعتقاد بأن المزيد من الحوسبة، والمزيد من البيانات، ونماذج المحولات الأكبر ستقود حتما الإنجازات الكبرى القادمة في الذكاء الاصطناعي. اليوم، يعتقد العديد من الباحثين أن صناعة الذكاء الاصطناعي بدأت تستنفد حدود قوانين التوسع وستعود مرة أخرى إلى عصر البحث العلمي. يان ليكون، كبير علماء الذكاء الاصطناعي السابق في ميتا، جادل منذ زمن طويل ضد الاعتماد المفرط على التوسع، وشدد على ضرورة تطوير هياكل أفضل. وقال سوتسكيفر في مقابلة حديثة إن النماذج الحالية في حالة ثبات ونتائج التدريب المسبق قد تسطحت، مما يشير إلى الحاجة إلى أفكار جديدة. "أعتقد على الأرجح خلال السنوات الخمس القادمة أننا سنجد بنية أفضل تمثل تحسنا كبيرا على المحولات،" قال كاتانفوروش. "وإذا لم نفعل، فلا يمكننا توقع تحسينات كبيرة على النماذج." أحيانا القليل هو الأفضل نماذج اللغة الكبيرة ممتازة في تعميم المعرفة، لكن العديد من الخبراء يقولون إن الموجة القادمة من تبني الذكاء الاصطناعي المؤسسي ستكون مدفوعة بنماذج لغوية أصغر وأكثر مرونة يمكن ضبطها بدقة لحلول خاصة بالمجال. قال آندي ماركوس، كبير مسؤولي البيانات في AT&T، لموقع TechCrunch: "ستصبح نماذج SLM المضبوطة بدقة الاتجاه الكبير وستصبح عنصرا أساسيا تستخدمه المؤسسات الذكاء الاصطناعي الناضجة في عام 2026، حيث ستعزز مزايا التكلفة والأداء الاستخدام مقارنة بنماذج اللغة الكبيرة الجاهزة من الصندوق"، قال آندي ماركوس، كبير مسؤولي البيانات في AT&T. "لقد رأينا بالفعل أن الشركات تعتمد بشكل متزايد على نماذج SLM لأنها إذا تم ضبطها بشكل صحيح، فهي تتطابق مع النماذج الأكبر والعامة من حيث الدقة لتطبيقات الأعمال المؤسسية، وهي ممتازة من حيث التكلفة والسرعة." لقد رأينا هذا الحجة من قبل شركة Mistral الفرنسية الناشئة في مجال الذكاء الاصطناعي المفتوحة: حيث تقول إن نماذجها الصغيرة تؤدي أداء أفضل من النماذج الأكبر في عدة معايير بعد التعديل الدقيق. قال جون كنيسلي، استراتيجي الذكاء الاصطناعي في شركة ABBYY، وهي شركة متخصصة في الذكاء الاصطناعي للمؤسسات ومقرها أوستن: "كفاءة وفعالية من حيث التكلفة وقابلية التكيف في نماذج SLM تجعلها مثالية للتطبيقات المخصصة حيث تكون الدقة أمرا بالغ الأهمية." ...