By submitting, you consent to our use of your data. Privacy Policy.
Category
عالم الذكاء الاصطناعي
Share the article
قبل اثني عشر شهراً، كانت إجابة صناعة الذكاء الاصطناعي على كل سقف أداء هي نفسها: جعل النموذج أكبر. المزيد من المعلمات، والمزيد من بيانات التدريب، والمزيد من الحوسبة. كانت كل نافذة جيل تكلف أكثر للتدريب، وأكثر للتشغيل، وتقدم مكاسب أصغر في الاختبارات المرجعية التي تهم العمل الفعلي للمؤسسات حقاً.
أن هذا المسار يصطدم بجدار الآن. حيث كشفت دراسة PNAS خضعت لمراجعة الأقران ونُشرت في عام 2025 أن النماذج الرائدة "بالكاد تفوق في الإقناع النماذج الأصغر حجماً بنظام قدره عشرة أضعاف أو أكثر،" وأن المزيد من التوسع "قد لا يزيد الأداء بشكل كبير بأكثر من نقطة مئوية واحدة". وقدم نموذج GPT-4.5 من OpenAI، وهو النموذج الأكثر توسعاً للشركة بشكل مكثف، تحسينات نوعية في المجالات الذاتية ولكن لا شيء جوهري في المجالات القابلة للتحقق مثل الرياضيات والعلوم. كما تم بالفعل استهلاك الغالبية العظمى من البيانات النصية العامة عالية الجودة في عمليات التدريب، وأصبحت البيانات الإضافية تحقق عوائد متناقصة.
إن عصر التوسع لم ينتهِ بعد، لكن مكاسبه الهامشية تتقلص. ويظهر بديل يغير المعادلة تماماً.
نموذج 7B يتفوق على GPT-5
نشر فريق في Sakana AI مؤخراً ورقة بحثية في مؤتمر ICLR 2026 لتقديم ما يسمونه "Conductor" (المنسق): وهو نموذج يضم 7 مليارات معلمة تم تدريبه باستخدام التعلم المعزز لتنسيق نماذج GPT-5، وClaude Sonnet 4، وGemini 2.5 Pro، والعديد من النماذج مفتوحة المصدر. لا يقوم نموذج Conductor بحل المشكلات بنفسه قط، بل يقسمها إلى مهام فرعية، ويسند كل منها إلى النموذج الأكثر ملاءمة، ويصمم نمط الاتصال بينها، ويقوم بهندسة الأوامر (Prompt Engineering) لتقديم تعليمات مركزة لكل نموذج عامل.
كانت النتائج مذهلة. حيث سجل نموذج Conductor نسبة 87.5% في اختبار GPQA Diamond بينما سجل GPT-5 نسبة 82.3%. وحقق 83.93% في اختبار LiveCodeBench حيث وصل GPT-5 إلى 82.90%. وفي اختبار AIME 2025، وهو اختبار مرجعي لمسابقات الرياضيات، حقق 93.3% مقابل 90.8% لنموذج GPT-5. وفي كل اختبار مرجعي تم إجراؤه، سواء كان داخل النطاق أو خارجه، تفوق المنسق على كل نموذج فردي كان يديره.
لقد تفوق نموذج أصغر بمقدار 200 مرة تقريباً من النماذج التي نسقها، بإنتاج إجابات أفضل من خلال الجمع بين نقاط القوة المتكاملة لكل منها بدلاً من محاولة معرفة كل شيء بمفرده. هذا ليس مجرد فضول أكاديمي، بل هو تحدٍ مباشر للافتراض بأن الأكبر يعني دائماً الأفضل.
هذا النمط ليس حالة فردية. فقد أظهرت ورقة Mixture-of-Agents، المقبولة في مؤتمر NeurIPS 2024، أن دمج نماذج لغوية متعددة في جولات تعاونية حقق معدل فوز بنسبة 65.8% في اختبار AlpacaEval 2.0، مقارنة بـ 57.5% لنموذج GPT-4o، وهو تحسن بمقدار 8 نقاط من التنسيق وحده. كما أظهر بحث منفصل حول التنسيق الفعال متعدد النماذج تحسناً في الدقة بنسبة 21.7%، وتقليلاً في زمن الاستجابة بنسبة 33%، وانخفاضاً في التكلفة بنسبة 25% مقارنة بتوزيع النماذج العشوائي. الأدلة تتلاقى: تنسيق النماذج الحالية يتفوق على توسيع أي نموذج فردي.
لماذا يخلق التنسيق قيمة حيث يعجز التوسع
النماذج المختلفة تبرع في أشياء مختلفة. يتعامل Claude مع التفكير الدقيق والتحليل المتأني. ويتفوق Gemini في المهام متعددة الوسائط واسترجاع المعرفة واسعة النطاق. بينما يتصدر GPT-5 في بعض الاختبارات المرجعية للبرمجة. لا يوجد نموذج فردي يهيمن على جميع الفئات، والفجوة بينها هي تحديداً المكان الذي يخلق فيه التنسيق قيمة حقيقية.
كشفت ورقة Conductor عن شيء أكثر إثارة للاهتمام حول كيفية إنشاء هذه القيمة. من خلال التعلم المعزز الخالص، اكتشف النموذج بشكل مستقل استراتيجيات تنسيق يصممها مهندسو البشر عادةً يدوياً: تفكيك المهام، وتعيين المتخصصين، وسياق التفكير المشترك، وجولات التحقق، والتحسين المتكرر. لقد تعلم تخصيص المزيد من الوكلاء والخطوات للمشكلات الأكثر صعوبة مع إبقاء المشكلات الأبسط خفيفة الكلفة. بل إنه تعلم هندسة الأوامر، فكتب تعليمات لـ GPT-5 أفضل مما يمكن لـ GPT-5 كتابته لنفسه.
هذه النقطة الأخيرة تستحق الاهتمام. فالنموذج الأفضل في حل مشكلة ما ليس بالضرورة هو النموذج الأفضل في تحديد المشكلة. هاتان قدرتان منفصلتان، والفصل بينهما ينتج نتائج أفضل. هذا هو المبدأ نفسه الذي يقف وراء كيفية عمل الفرق الفعالة: فالمدير الجيد الذي يعرف كيفية تفويض المهام وصياغة المشاكل بشكل جيد يمكنه الحصول على أداء من الفريق أكثر من أي مساهم فردي يعمل بمفرده، بغض النظر عن مدى موهبته.
أظهر تحليل Beam AI الخاص لـ مشكلة الـ 19 نموذجاً في الذكاء الاصطناعي للمؤسسات أن المؤسسات التي تعتمد على نموذج لغوي كبير فردي لجميع المهام تدفع مبالغ زائدة تتراوح بين 40% إلى 85% مقارنة بتلك التي تستخدم التوجيه الذكي. فإرسال استعلام بحث بسيط إلى نموذج رائد يكلف تقريباً 30 ضعف ما يكلفه توجيهه إلى نموذج أصغر يتعامل معه بنفس الكفاءة. اضرب ذلك في آلاف المهام اليومية، وسيصبح فرق التكلفة بنداً تلاحظه الفرق المالية فوراً.
المؤسسات تتحرك بالفعل في هذا الاتجاه
هذا ليس تحولاً نظرياً، بل إن المؤسسات تصوت بالفعل بميزانياتها.
تتوقع Gartner أن 40% من تطبيقات المؤسسات ستتضمن وكلاء ذكاء اصطناعي مخصصين لمهام محددة بحلول نهاية عام 2026، مقارنة بأقل من 5% في عام 2025. هذه زيادة بمقدار 8 أضعاف في عام واحد فقط. كما سجلت Gartner قفزة بنسبة 1,445% في الاستفسارات المتعلقة بالأنظمة متعددة الوكلاء من الربع الأول لعام 2024 إلى الربع الثاني لعام 2025. ووجد استطلاع أجرته LangChain على 1,300 متخصص أن 57.3% لديهم بالفعل وكلاء قيد التشغيل الفعلي، ونمت بنى الأنظمة متعددة الوكلاء بنسبة 327% في أقل من أربعة أشهر.
لن تعمل هذه النماذج والوكلاء جميعاً على نفس النموذج. ستحتاج إلى أنماط تنسيق تقرر أي نموذج يتعامل مع أي خطوة، وتدير السياق بين الوكلاء، وتكيف سير العمل مع المهمة المطروحة. يدير بنك JPMorgan Chase أكثر من 450 حالة استخدام للذكاء الاصطناعي قيد التشغيل الفعلي، حيث يقوم نظام COiN الخاص به بمعالجة 12,000 اتفاقية ائتمانية في ثوانٍ عن طريق توجيه أنواع المستندات المختلفة إلى نماذج مختلفة. وقدم مؤتمر Build 2025 لشركة Microsoft تنسيقاً متعدد الوكلاء كقدرة أساسية للمنصة، وأدى نشره بواسطة HCLTech إلى حل الحالات بشكل أسرع بنسبة 40%.
تقدر McKinsey أن الذكاء الاصطناعي الوكيل قد يضيف ما يتراوح بين 2.6 إلى 4.4 تريليون دولار كقيمة سنوية. ولا تأتي القيمة الأكبر من كون أي نموذج فردي أكثر ذكاءً، بل تأتي من الأنظمة التي تنسق بين نماذج وأدوات ومصادر بيانات متعددة لإكمال سير عمل متكامل من البداية إلى النهاية لا يمكن لأي نموذج فردي التعامل معه بمفرده.
الإمكانية العودية
المساهمة الأكثر استشرافية لورقة Conductor هي التنسيق العودي (Recursive Orchestration). فمن خلال السماح لـ Conductor باستدعاء نفسه كواحد من الوكلاء العاملين، فإنه ينشئ حلقة تكرارية تمكن المنسق من مراجعة استراتيجية التنسيق الخاصة به بعد رؤية النتائج الأولية. وعندما كان أداء GPT-5 ضعيفاً بشكل غير متوقع في اختبار BigCodeBench، قام Conductor العودي تلقائياً بتحويل سير عمله ليفضل Claude وGemini في المحاولات اللاحقة، مما أدى إلى تحسين النتيجة من 37.8% إلى 40.0% دون أي تدخل بشري.
هذا النوع من التنسيق التكيفي والتصحيح الذاتي هو ما يميز نظام الذكاء الاصطناعي المخصص للتشغيل الفعلي عن النماذج التجريبية. بيئات التشغيل الفعلي معقدة، وتتصرف النماذج بشكل مختلف بناءً على المدخلات المختلفة. تنكسر قنوات التنسيق الثابتة عندما تفشل افتراضاتها، بينما تتكيف طبقة التنسيق العودية المكتسبة أثناء العمل فوراً وبمرونة.
بالنسبة للفرق التي تبني سير عمل يعتمد على الوكلاء اليوم، فإن هذا يوضح أين يجب توجيه الاستثمار في البنية التحتية. ستستمر النماذج في التحسن من تلقاء نفسها، وتستثمر مختبرات الريادة مليارات الدولارات لتحقيق ذلك. ولكن كيفية دمج هذه النماذج وتوجيهها وتنسيقها هي المكان الذي تتراكم فيه الميزة التنافسية حقاً، خاصة مع استمرار تقارب قدرات النماذج الفردية نحو بعضها البعض.
العقبة الحقيقية لم تكن قط حجم النموذج
قضت صناعة الذكاء الاصطناعي السنوات الثلاث الماضية في سباق المعلمات. نماذج أكبر، مجموعات حوسبة أكبر، ميزانيات أكبر. وتشير الأدلة الآن إلى أن هذا السباق له سقف، وأن الموجة القادمة من مكاسب الأداء ستأتي من بناء أنظمة أفضل حول النماذج الحالية بدلاً من بناء نماذج أكبر من الصفر.
منسق بحجم 7B يتفوق على GPT-5. وأنظمة متعددة الوكلاء تتفوق على النماذج الرائدة بمقدار 8 نقاط في الاختبارات المرجعية القياسية. ومؤسسات توفر 40-85% عن طريق توجيه المهام إلى النموذج المناسب بدلاً من النموذج الأكبر. هذا النمط متسق عبر مختبرات الأبحاث، وعمليات النشر في المؤسسات، واقتصاديات التشغيل الفعلي.
أصبحت النماذج سلعة تجارية عامة، بينما تظل طبقة التنسيق هي القيمة المتميزة. وهنا يتم بناء مستقبل أداء الذكاء الاصطناعي، وكفاءة التكلفة، وقيمة المؤسسات في الوقت الحالي.
