توجه وادي السيليكون نحو تعزيز الذكاء الاصطناعي من خلال بيئات تدريب مبتكرة

أفادت تقارير صحفية بأن شركات التكنولوجيا الكبرى في وادي السيليكون بدأت تعتمد بشكل متزايد على مفهوم “البيئات التفاعلية” (RL Environments) كوسيلة أساسية لتدريب وكلاء الذكاء الاصطناعي وتنفيذ المهام المعقدة بشكل أكثر كفاءة، ويأتي هذا التوجه في أعقاب نتائج التجارب التي أظهرت أن القدرات الحالية للنماذج مثل ChatGPT أو Comet ما زالت مقيدة عندما يتعلق الأمر بالتعامل مع خطوات متعددة في التطبيقات البرمجية.

بيئات تفاعلية بدل البيانات الثابتة
تشير الأبحاث إلى أن هذه البيئات تشكل مساحات رقمية محاكاة تتيح للوكلاء التعلم من خلال التجربة والخطأ، تمامًا كما فعله استخدام مجموعات البيانات المعلّمة في الموجات السابقة للذكاء الاصطناعي، وفي هذه البيئات، يمكن محاكاة استخدام متصفح كروم أو تنفيذ عمليات شراء عبر الإنترنت، مما يتيح تقييم أداء الوكيل وتقديم المكافآت عند تحقيق النجاح، لكن من الجدير بالذكر أن إنشاء هذه المحاكاة يعد أكثر تعقيدًا من إعداد قواعد بيانات ثابتة، حيث يتطلب التعامل مع أخطاء غير متوقعة وتقديم تغذية راجعة دقيقة.

صعود شركات ناشئة واستثمارات ضخمة
شهد هذا المجال طفرة ملحوظة مع ظهور شركات ناشئة مثل Mechanize و Prime Intellect، إلى جانب الشركات الكبيرة التي تركز على وسم البيانات مثل Mercor و Surge، حيث تواصل هذه الشركات ضخ استثمارات كبيرة لتطوير بيئات تفاعلية متنوعة، وتشير تقارير إلى أن شركة Anthropic تفكر في إنفاق ما يزيد عن مليار دولار في هذا المجال خلال عام واحد، وتسعى هذه الشركات لتصبح النسخة الجديدة من “Scale AI” في عالم البيئات التفاعلية، مشابهة لدور Scale AI في تدريب روبوتات المحادثة.

تحديات ومخاطر أمام التوسع
على الرغم من الحماس الكبير وراء التقدم في هذا المجال، يحذر الخبراء من أن هذه البيئات معرضة لظاهرة “التحايل على المكافآت”، حيث قد يتعلم الوكيل خداع النظام بدلاً من إنجاز المهام المطلوبة بشكل صحيح، وعلاوة على ذلك، فإن إنشاء بيئات شاملة وقابلة للتطوير يمثل تحديًا تقنيًا معقدًا ومكلفًا في مجال الحوسبة، حتى المستثمر المرموق أندريه كارباتي، الداعم لفكرة البيئات التفاعلية، أعرب عن بعض الشكوك بشأن قدرة تقنيات التعلم المعزز (RL) على تحقيق تقدم مستدام في مجال الذكاء الاصطناعي على المدى الطويل.