أدوات البرمجة المعتمدة على الذكاء الاصطناعي تتحسن بسرعة. إذا لم تكن تعمل في مجال البرمجة، قد يكون من الصعب ملاحظة مدى التغيرات، لكن GPT-5 و Gemini 2.5 قدما مجموعة جديدة من الحيل للمطورين يمكن أتمتتها، وفي الأسبوع الماضي قدم Sonnet 4.5 شيئًا مشابهًا.
في الوقت نفسه، تتقدم مهارات أخرى بشكل أبطأ. إذا كنت تستخدم الذكاء الاصطناعي لكتابة رسائل البريد الإلكتروني، فمن المحتمل أنك تحصل على نفس القيمة التي كنت تحصل عليها قبل عام. حتى عندما يتحسن النموذج، لا يستفيد المنتج دائمًا — خصوصًا عندما يكون المنتج روبوت محادثة يقوم بعدة مهام في نفس الوقت. الذكاء الاصطناعي لا يزال يحقق تقدمًا، لكنه ليس موزعًا بالتساوي كما كان في السابق.
فجوة التعزيز
الفرق في التقدم أبسط مما يبدو. تستفيد تطبيقات البرمجة من مليارات الاختبارات القابلة للقياس بسهولة، مما يمكنها من إنتاج كود قابل للعمل. هذا هو التعلم المعزز (RL)، والذي يعتبر بلا شك المحرك الأكبر لتقدم الذكاء الاصطناعي خلال الأشهر الستة الماضية ويصبح أكثر تعقيدًا مع مرور الوقت. يمكنك القيام بالتعلم المعزز مع مقيمين بشريين، لكنه يعمل بشكل أفضل إذا كان هناك مقياس واضح للنجاح والفشل، بحيث يمكنك تكراره مليارات المرات دون الحاجة للتوقف من أجل المدخلات البشرية.
الاختلافات في القدرات
بينما يعتمد القطاع بشكل متزايد على التعلم المعزز لتحسين المنتجات، نرى فرقًا حقيقيًا بين المهارات التي يمكن تقييمها تلقائيًا وتلك التي لا يمكن. المهارات المناسبة للتعلم المعزز مثل تصحيح الأخطاء والرياضيات التنافسية تتحسن بسرعة، بينما المهارات مثل الكتابة تحقق تقدمًا تدريجيًا فقط.
باختصار، هناك فجوة تعزيز — وهي تصبح واحدة من أهم العوامل لما يمكن وما لا يمكن أن تفعله أنظمة الذكاء الاصطناعي.
اختبار البرمجيات
بعض العمليات تتبين أنها أكثر قابلية للاختبار مما قد تظن. إذا كنت قد سألتني الأسبوع الماضي، كنت سأضع الفيديوهات التي يتم إنشاؤها بواسطة الذكاء الاصطناعي في فئة “صعبة الاختبار”، لكن التقدم الهائل الذي حققه نموذج Sora 2 من OpenAI يظهر أنه قد لا يكون بالصعوبة التي تبدو عليها. في Sora 2، لا تظهر الأجسام وتختفي من العدم. الوجوه تحتفظ بشكلها، وتبدو كشخص محدد بدلاً من مجرد مجموعة من الميزات. لقطات Sora 2 تحترم قوانين الفيزياء بطرق واضحة ودقيقة. أشك أن، إذا نظرت خلف الستار، ستجد نظام تعلم معزز قوي لكل من هذه الصفات. معًا، تجعل الفرق بين الواقعية الفوتوغرافية وهلاوس مسلية.
للتوضيح، هذه ليست قاعدة صارمة وثابتة للذكاء الاصطناعي. إنها نتيجة للدور المركزي الذي يلعبه التعلم المعزز في تطوير الذكاء الاصطناعي، والذي قد يتغير بسهولة مع تطور النماذج. لكن طالما أن التعلم المعزز هو الأداة الأساسية لجلب منتجات الذكاء الاصطناعي إلى السوق، ستزداد فجوة التعزيز فقط — مع تداعيات خطيرة على كل من الشركات الناشئة والاقتصاد بشكل عام. إذا انتهى الأمر بعملية ما على الجانب الصحيح من فجوة التعزيز، فمن المحتمل أن تنجح الشركات الناشئة في أتمتتها — وأي شخص يقوم بذلك العمل الآن قد ينتهي به المطاف في البحث عن مهنة جديدة. سؤال أي خدمات صحية يمكن تدريبها باستخدام التعلم المعزز، على سبيل المثال، له تداعيات هائلة على شكل الاقتصاد خلال العشرين عامًا القادمة. وإذا كانت المفاجآت مثل Sora 2 تشير إلى أي شيء، فقد لا نضطر إلى الانتظار طويلًا للحصول على إجابة.
