From BERT to Frontier Agents: Eight Years of Language-Model Progress, the Collapse of the Capability-Cost Curve, and the Rise of Task-Targeted Models
تستعرض هذه الورقة التطور الممتد لثماني سنوات للنماذج اللغوية من "BERT" إلى الوكلاء المتخصصين في الطليعة بحلول عام 2026، مسلطة الضوء على تحسن سنوي بمقدار ستة أضعاف في قدرات البرمجة، وانهيار دراماتيكي في تكاليف الاستدلال كما يجسده نموذج "GPT 5.6 Luna" منخفض التكلفة، والتحول نحو النماذج المستهدفة للمهام والتي تتفوق في مجالات محددة مثل برمجة الواجهات الأمامية، وإدارة المستودعات، وعمليات الطرفية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
التطور العظيم للذكاء الاصطناي: من نظارات القراءة إلى الحواسيب الخارقة
تخيل عالماً كانت فيه الحواسيب تشبه أمناء مكتبات بارعين ولكنهم خجولون. لفترة طويلة، إذا أردت منها أن تفهم جملة ما، كان عليك أن تعطيها زوجاً محدداً من نظارات القراءة لتلك الجملة بالضبط. وإذا أردت منها كتابة قصة، كان عليك استبدال النظارات بزوج آخر. لقد كانوا أذكياء للغاية في القراءة، لكنهم لم يستطيعوا حقاً فعل أي شيء بمفردهم. كان هذا هو العصر المبكر لـ "نماذج اللغة"، وهي برامج الكمبيوتر التي تتعلم فهم وتوليد اللغة البشرية.
خلال السنوات القليلة الماضية، اكتشف العلماء كيفية جعل هؤلاء الأمناء أكبر بكثير ومنحهم "دماغاً" يمكنه التعلم من مجرد أمثلة قليلة، دون الحاجة إلى نظارات جديدة لكل مهمة على حدما. فجأة، أصبحت هذه الحواسيب قادرة على الدردشة، وكتابة الأكواد البرمجية، وحل الألغاز. ولكن هنا يبرز السؤال الكبير الذي يتساءل عنه الجميع: هل يصبحون أكثر ذكاءً كل يوم، أم أنهم فقط يصبحون أفضل في حفظ أسئلة الاختبار؟ وإذا كانوا يصبحون أكثر ذكاءً، فهل يعني ذلك أنهم يصبحون أكثر تكلفة، أم أنهم يصبحون صفقة رابحة؟ تغوص هذه الورقة في هذا الغموض تحديداً، وتستعرض الرحلة الجامحة لتقدم الذكاء الاصطناعي من عام 2018 إلى تاريخ مستقبلي في عام 2026 لترى ما يحدث حقاً تحت الغطاء.
من نظارات القراءة إلى الحواسيب الخارقة: الأفعوانية الممتدة لثماني سنوات
هذه الورقة تشبه قصة محقق يسافر عبر الزمن، يتتبع حياة الذكاء الاصطناعي من 2018 إلى 2026. وهي تطرح ثلاثة أسئلة كبيرة: كيف انتقلنا من حواسيب بالكاد تستطيع كتابة جملة إلى حواسيب يمكنها إصلاح أخطاء البرمجيات وحل مسائل أولمبياد الرياضيات؟ ما مدى سرعة انخفاض سعر هذه "القوة الذهنية"؟ والأهم من ذلك، هل نحتاج إلى حاسوب خارق واحد ضخم ومكلف للقيام بكل شيء، أم أن المستقبل هو في الواقع فريق من الخبراء المتخصصين؟
العصور الأربعة لنمو الذكاء الاصطناي
يقسم المؤلف السنوات الثماني الماضية إلى أربعة فصول متميزة، مثل مواسم في لعبة فيديو:
- عصر "نظارات القراءة" (2018–2019): بدأ الأمر بنماذج مثل BERT. فكر في هذه النماذج كطلاب بارعين في قراءة كتاب والإجابة على أسئلة حوله، ولكن إذا طلبت منهم كتابة قصة، فإنهم يتجمدون. كانوا يحتاجون إلى "ضبط دقيق" (fine-tuning) خاص (مثل معسكر تدريبي خاص) لكل مهمة على حدة.
- عصر "الدماغ الكبير" (2020–2021): ثم جاءت نماذج مثل GPT-3. كانت هذه مثل مكتبات ضخمة قرأت كل شيء تقريباً على الإنترنت. وبدلاً من الحاجة إلى تدريب خاص، يمكنك فقط إعطاؤهم بضعة أمثلة في نافذة دردشة، وسوف يفهمون النمط. كانوا مذهلين، لكنهم كانوا لا يزالون يختلقون الحقائق ولا يستطيعون دائماً اتباع التعليمات بشكل مثالي.
- عصر "المساعد المهذب" (2022–2023): علم العلماء هذه الأدمغة الكبيرة كيف تكون مهذبة وتتبع الأوامر باستخدام تقنية تسمى "المحاذاة" (alignment). وفجأة، أصبحوا مثل ChatGPT وأصدقائه—بارعين في الدردشة، وكتابة رسائل البريد الإلكتروني، واتباع قواعد معقدة.
- عصر "الوكيل" (2024–2026): هنا تصبح الأمور مثيرة. توقفت النماذج عن مجرد الكلام وبدأت في الفعل. أصبحوا "وكلاء" (agents) يمكنهم استخدام الأدوات، وإصلاح الأكواد المعطلة على GitHub، وحل مسائل الرياضيات من خلال التفكير عبر خطوات. وبحلول عام 2026، كانت النماذج الأفضل تحل مسائل أولمبياد الرياضيات الدولية وتصلح مشاريع برمجية كاملة.
سرعة التقدم: لغز رياضي
تقيس الورقة مدى سرعة تحسن هذه النماذج في إصلاح أخطاء البرمجيات في العالم الحقيقي (باستخدام اختبار يسمى SWE-bench). والنتيجة مذهلة: احتمالية نجاح النموذج في إصلاح خطأ ما تنمو بنحو 5.8 مرة كل عام. إنه يشبه إذا أصبح العداء أسرع بـ 5.8 مرة في كل عام؛ فسيكون أسرع من الصوت في غضون سنوات قليلة. ومع ذلك، تشير الورقة أيضاً إلى أن "اختبارات المعرفة" القديمة (مثل MMLU) قد وصلت إلى سقف. النماذج أصبحت جيدة جداً فيها الآن لدرجة أن الاختبارات أصبحت غير مفيدة للتمييز بينها. لقد انتقل المجال إلى تحديات أصعب وأكثر عملية.
انهيار الأسعار: مفاجأة "الفئة الاقتصادية"
إليك الجزء الأكثر إثارة في القصة: لقد انهار تكلفة هذا الذكاء.
- في عام 2020، كان الحصول على مليون كلمة من تفكير الذكاء الاصطناعي يكلف 60 دولاراً.
- بحلول عام 2026، النسخة "الاقتصادية" من الذكاء الاصطناعي تكلف دولاراً واحداً فقط لنفس القدر من التفكير.
هذا انخفاض قدره 60 ضعفاً في السعر.
لكن الأمر يصبح أفضل. وجدت الورقة أن النماذج "الاقتصادية" الرخيقة من عام 2026 هي في الواقع بنفس جودة النماذج "الرائدة" (flagship) باهظة الثمن من قبل بضعة أشهر فقط. إنه يشبه إذا كانت سيارة بقيمة 100 دولار اليوم يمكنها القيادة بنفس جودة سيارة بقيمة 500 دولار من العام الماضي. لقد اختفت "المنطقة الوسطى" من السوق؛ فإما أن تحصل على الفئة الاقتصادية الذكية الرخيصة أو الفئة الممتازة فائقة الغلاء. المنطقة الوسطى تلاشت.
فريق "المتخصصين" مقابل "الجوكر"
لفترة طويلة، اعتقد الناس أن نموذجاً واحداً ضخماً سيكون الأفضل في كل شيء في النهاية. تجادل الورقة بأنه في عام 2026، هذه الفكرة قد ماتت. "الحدود" (أفضل ذكاء اصطنا-ي) أصبحت الآن مجزأة.
- إذا كنت تريد بناء موقع إلكتروني، فإن Claude Opus 5 هو البطل.
- إذا كنت بحاجة إلى إصلاح مستودع أكواد ضخم، فإن Claude Fable 5 هو الفائز.
- إذا كنت بحاجة إلى كمبيوتر يعمل كبشر في واجهة الأوامر (terminal)، فإن GPT-5.6 Sol هو الزعيم.
- إذا كنت بحاجة إلى حل نوع جديد من ألغاز المنطق، فإن Opus 5 هو صاحب الرقم القياسي.
لا يوجد نموذج واحد يفوز في كل شيء. تقترح الورقة أن أذكى طريقة لاستخدام الذكاء الاصطناعي الآن هي أن تكون "موجهًا" (router)—أي شرطي مرور يرسل الوظائف المختلفة إلى النموذج الخبير المحدد الأنسب لتلك المهمة. نظام بسيط يقوم فقط بالتبديل بين نموذجين يمكنه في الواقع التغلب على أفضل نموذج منفرد من خلال اختيار الخبير المناسب للوظيفة.
هل يمكننا جعل النموذج الثابت أكثر ذكاءً؟
أجرى الباحث أيضاً تجربة صغيرة لمعرفة ما إذا كان بإمكانهم جعل نموذج أصغر وثابت أكثر ذكاءً بمجرد تغيير طريقة طرح الأسئلة عليه، دون تغيير النموذج نفسه.
- طلبوا من نموذج صغير (Qwen2.5-1.5B) حل مسائل رياضية.
- عندما سألناه مرة واحدة (الطريقة "الجشعة" أو greedy)، حصل على 58% صحيحة.
- عندما سألناه أربع مرات واخترنا الإجابة الأكثر شيوعاً (تقنية تسمى "التصويت" أو voting)، حصل على 62% صحيحة.
- "السقف" (إذا تمكنوا سحرياً من اختيار أفضل إجابة من بين المحاولات الأربع) كان 79%.
يشير هذا إلى أن النموذج يعرف الإجابة الصحيحة في معظم الأوقات، لكنه يحتاج فقط إلى طريقة أفضل لاستخراجها. كما قامت الورقة ببناء "كاشف ثقة" (confidence detector) يمكنه تخمين الإجابات التي من المرجح أن تكون صحيحة. ووجدت أنه إذا وثقت فقط في الإجابات التي كان الكاشف أكثر تأكداً منها، يمكنك الحصول على دقة بنسبة 94% في تلك المجموعة. وهذا يشير إلى أنه في المستقبل، قد لا نحتاج إلى نماذج أكبر؛ بل قد نحتاج فقط إلى طرق أفضل للتحقق من عملهم واختيار الأفضل منهم.
الخلاصة
تخلص الورقة إلى أن عصر "النموذج الواحد الذي يحكم الجميع" قد انتهى. نحن ننتقل إلى عصر التخصص والتوجيه. النماذج أصبحت جيدة للغاية في وظائف محددة، والسعر ينخفض بسرعة، وأذكى طريقة لاستخدامها هي معاملتها كفريق من المتخصصين بدلاً من كونها عقلاً فائقاً واحداً. وبينما تصبح النماذج مذهلة، تحذر الورقة من أنها تصبح أيضاً جيدة جداً في "التلاعب" بالاختبارات، لذا يجب أن نكون حذرين بشأن ما نثق به. المستقبل ليس مجرد عقول أكبر؛ بل يتعلق بطرق أذكى لاستخدام العقول التي نمتلكها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.