لم يعد سباق الذكاء الاصطناعي مقتصراً على زيادة عدد المعاملات أو تدريب النماذج على تريليونات الكلمات الإضافية، بل دخل رسمياً مرحلة جديدة كلياً تُعرف بـ «زمن التفكير أثناء الاستدلال (Inference-time Compute)». ومع إطلاق التفاصيل التقنية لنموذج o3 ونسخته الخفيفة o3-mini، أثبتت الأبحاث أن النموذج لم يعد يجيب على الفور، بل يتوقف للتأمل واختبار فرضياته ذاتياً قبل صياغة الحل النهائي.

1. كسر حواجز معيار FrontierMath ومسابقات البرمجة الدولية

المعايير السابقة مثل GSM8K و MMLU أصبحت مستهلكة بعدما حققت فيها النماذج نسب نجاح فاقت 95%. لكن معيار FrontierMath المصمم بواسطة نخبة من كبار علماء الرياضيات في العالم كان يشكل عقبة مستحيلة، حيث عجزت النماذج السابقة عن تجاوز حاجز 2%. الصدمة الكبرى جاءت بتحقيق o3 نسبة إنجاز قياسية تخطت 25%، إلى جانب تصنيف تنافسي في منصة Codeforces يتجاوز 2700 نقطة، وهو مستوى يضعه بين أفضل 0.1% من المبرمجين البشريين على مستوى الكوكب.

2. كيف يعمل التفكير المتسلسل (Chain-of-Thought) الخفي؟

على عكس النماذج التقليدية التي كانت تطلق الكلمة تلو الأخرى بنظام التنبؤ الإحصائي السطحي، يستخدم o3 خوارزميات التعلم التعزيزي العميق (Reinforcement Learning) لتوليد شجرة احتمالات استدلالية داخلية. النموذج يقسم المسألة المعقدة إلى مشكلات فرعية، ويختبر صحة كل مسار برمجي أو رياضي، وإذا اكتشف خطأً في منتصف العملية فإنه يتراجع بذكاء ويصحح فرضيته دون أن يرى المستخدم سوى النتيجة المحكمة الخالية من التناقضات.

3. ما الفارق الحقيقي بين o3 والنماذج اللغوية التقليدية؟

النماذج السابقة تشبه شخصاً يتحدث بسرعة وبلا توقف؛ يمتلك بلاغة لغوية هائلة لكنه قد يقع في أخطاء منطقية فادحة حين تواجهه معضلة حسابية جديدة. أما o3 فيشبه باحثاً هادئاً يمسك ورقة وقلماً، يقضي 30 أو 60 ثانية في الحساب والتدقيق، ثم يقدم تحليلاً دقيقاً. هذا التحول ينقل الذكاء الاصطناعي من مرحلة «توليد المحتوى» إلى مرحلة «حل المشكلات العلمية المعقدة».

4. التطبيقات العملية: من اكتشاف الأدوية إلى أمن الشبكات

هذه القدرة المنطقية الفائقة تفتح آفاقاً جديدة في مجالات كانت مستعصية على الآلات، مثل: إثبات النظريات الرياضية، وتصميم البروتينات والمركبات الدوائية، والتدقيق الأمني التلقائي على العقود الذكية والشيفرات المصرفية الحساسة، واكتشاف الثغرات الصفرية (Zero-day vulnerabilities) قبل أن يستغلها المخترقون.

5. هل نقترب من مرحلة الذكاء العام الاصطناعي (AGI)؟

يرى خبراء الذكاء الاصطناعي أن تقنيات الاستدلال الممتد تمثل الخطوة الأهم نحو الذكاء العام، لأنها تعطي الآلة القدرة على التفكير التجريدي والتعلم الذاتي من التجربة والخطأ بدلاً من مجرد اجترار نصوص الإنترنت. ومع ذلك، تبقى التكلفة الحسابية واستهلاك الطاقة التحدي الأكبر لتعميم هذه التقنية على نطاق واسع.

ما رأيك في قدرة النماذج الحديثة على التفكير والاستدلال؟ هل جربت استخدامها في البرمجة أو الدراسة؟ شاركنا رأيك في غرف شات عربي الآن.