يعتقد JS Denain، الباحث الأول في Epoch AI ورئيس فريق Insights التابع لها، أن البيانات العامة الحالية لا تكفي لإثبات تسارع وشيك في تقدم الذكاء الاصطناعي. في مقابلة مع Nathan Lambert، يعود للحديث عن الشكوك التي تحيط بهذا المسار وعن الفجوة بين النماذج الصينية والنماذج الأمريكية.
تسارع لا يزال غير مؤكد
تفحص منشورات نشرتها OpenAI وAnthropic تأثير الذكاء الاصطناعي على تقدمه الخاص، وهي ديناميكية تُسمى التحسين الذاتي التكراري (RSI). بالنسبة لـ JS Denain، فإن أبرز ما في منشور OpenAI هو ارتفاع إنفاق الباحثين على Codex، والذي يتقدم بمعدل 2X شهرياً وفقاً للمنحنى المعروض. لكنه يلاحظ أن هذا المقياس قد يقتصر على Codex فقط، وليس على استخدام ChatGPT، وأنه لا يشكل دليلاً قوياً على انفجار برمجي خلال الأشهر الستة القادمة.
عند سؤاله عن العلاقة بين RSI والمخاطر الوجودية، يقول إنه غير متأكد بشدة، لكنه قلق. ويستشهد بتقدير Evan Hubinger، الذي يفيد بأن خطر الانقراض سيصل إلى 10% على الأقل، خلال فترة غير محددة، ويحكم أن هذا التقدير معقول على مدى عقد. ووفقاً له، لا يمتلك معلومات داخلية تبرر قلقاً أكبر بكثير.
تأخر يتراوح بين أربعة وثمانية أشهر
يحدد JS Denain الفجوة بين أفضل المختبرات الصينية وكل من OpenAI أو Anthropic بين أربعة وثمانية أشهر، وذلك بمقارنة تواريخ الإطلاق العامة. ويقدّر أن فجوة شهرين ستكون أقرب إلى التكيف المفرط مع الاختبارات. أما Nathan Lambert، فيرى أن نماذج مثل Kimi K3 وGLM 5.2 ستكون أقرب، بفارق شهرين أو ثلاثة أو أربعة أشهر.
قد تلعب عملية التقطير، التي تتضمن تدريب نموذج بناءً على إجابات نموذج آخر، دوراً أكبر مما كان متوقعاً. يقدّر Denain أنه إذا توقفت هذه العملية، فإن الفجوة ستتسع من حوالي ستة أشهر إلى ثمانية أو تسعة أشهر خلال أفق زمني من ستة إلى اثني عشر شهراً. بينما يبقى Nathan Lambert أكثر تحفظاً: وفقاً له، بدون التقطير، ستكون الفجوة قريبة جداً، وسيكون لفرق القدرة الحسابية وزن أكبر.
يشير تحليل لوظائف شاغرة، أجراه مع Cheryl Wu ونُشر في يونيو، إلى أن بعض المختبرات الصينية على الأقل تبني مراكز بيانات خاصة بها بدلاً من استئجار قدرات حاسوبية.
الأمان والبيانات
يتحدث Nathan Lambert عن حادثة مفادها أن ثلاثة أشخاص استخدموا نماذج Claude العامة للوصول إلى أنظمة OpenAI الداخلية. يقول JS Denain إنه علم بها لفترة وجيزة، دون معرفة ما إذا كانت المشكلة تتعلق بضوابط السلامة في النماذج أو بأمن الشركات. ويحكم أن النماذج المفتوحة أقل حماية، ولكنها أيضاً أقل قوة.
أخيراً، يشرح Denain أن Epoch AI تأسست لأن الصناعة والأوساط الأكاديمية لم تقدما مورداً عاماً ومستمراً لتتبع الاتجاهات الكبرى في الذكاء الاصطناعي. ويشير إلى أن بيانات التدريب تبقى أكثر صعوبة في التتبع مقارنة بالقدرة الحسابية، في حين أن تزايد عمليات الطرح العام الأولي للأسهم قد يحسن المعلومات المتاحة.
