إعداد

فريق عمل المركز

وحدة دراسات الذكاء الاصطناعي

مقدمة

يُعد “تقرير مؤشر الذكاء الاصطناعي” الصادر عن معهد ستانفورد للذكاء الاصطناعي المتمحور حول الإنسان (Stanford HAI) بمثابة البوصلة الأكثر دقة وشمولية لرصد وتوثيق مسار الذكاء الاصطناعي عالمياً. تأتي أهمية هذا التقرير من التزامه بمنهجية صارمة تستقي بياناتها من قواعد بحثية، تقارير صناعية، وإحصاءات حكومية، لتقديم قراءة موضوعية خالية من الانحيازات التجارية. وفي نسخة عام 2025، يضعنا التقرير أمام حقيقة لا يمكن تجاهلها: وهى أن لقد تجاوز الذكاء الاصطناعي مرحلة التجريب المعملي ليصبح بنية تحتية تكنولوجية تُعيد صياغة الاقتصاد، الرعاية الصحية، والجيوسياسة.

ولفهم هذه السردية المعقدة بشكل أعمق، ينبغي علينا أولاً تفكيك البنية التقنية والأداء الذي يقوم عليه هذا التقدم المذهل، وهو ما يقودنا مباشرة للغوص في تفاصيل المحور الأول من هذا العرض.

المحور الأول: التطور التقني وأداء النماذج

لم يعد تطور الذكاء الاصطناعي مقتصراً على تحسينات هامشية في سرعة المعالجة، بل أصبحنا أمام قفزات نوعية تتحدى طرقنا التقليدية في قياس الذكاء الآلي. في هذا المحور، نستعرض كيف اضطرت الأوساط العلمية إلى تغيير معاييرها التقييمية استجابةً للسرعة الفائقة التي تتطور بها النماذج، وكيف تتلاشى الفروق التاريخية بين الأنظمة المفتوحة والمغلقة، ويتجلى ذلك بوضوح في الظواهر التالية:

• تجاوز المعايير التقليدية والبحث عن تحديات جديدة: يوضح التقرير أن النماذج الرائدة قد وصلت إلى مرحلة التشبع (Saturation) في اجتياز الاختبارات المعيارية القديمة. ومواكبةً لذلك، صمم الباحثون معايير جديدة فائقة التعقيد، مثل معيار (MMMU) للوسائط المتعددة، ومعيار (GPQA) للأسئلة الأكاديمية بمستوى الدراسات العليا. والمفاجأة التي رصدها التقرير هي تمكن الذكاء الاصطناعي من تحطيم هذه المعايير الجديدة في غضون عام واحد فقط، محققاً قفزات بلغت عشرات النقاط المئوية، مما يؤكد أن وتيرة التعلم الآلي تتسارع بشكل أسي يفوق توقعات مطوريها.
• تقارب الأداء وتضييق الفجوات التقنية (Model Convergence): في سياق متصل بتطور الأداء، نلاحظ ظاهرة التقارب الشديد بين النماذج الرائدة. فوفقاً لمنصة التصنيف المعيارية (Chatbot Arena)، تقلص الفارق بين النموذج المتربع على القمة والنموذج الذي يحتل المرتبة العاشرة بشكل دراماتيكي مقارنة بالعام الماضي. هذا التقارب يشير أكاديمياً وتجارياً إلى أن تكنولوجيا النماذج اللغوية الكبيرة (LLMs) بدأت تتحول إلى تكنولوجيا سلعية متاحة لعدة جهات، ولم تعد حكراً حصرياً على كيان واحد.
• صعود النماذج مفتوحة الأوزان (Open-Weight): تزامناً مع هذا التقارب، تتلاشى الفجوة التاريخية التي كانت تميز النماذج المغلقة التابعة للشركات الكبرى (مثل OpenAI) عن النماذج مفتوحة المصدر أو مفتوحة الأوزان (مثل Llama من Meta). لقد تقلص الفارق بينهما إلى نسب ضئيلة جداً لا تتجاوز 1.7% في بعض المعايير، وهو ما يضفي طابعاً ديمقراطياً على هذه التكنولوجيا، ويمنح الباحثين المستقلين حول العالم أدوات بحثية متطورة للغاية.

[هذا الانتشار السريع للنماذج عالية الأداء، سواء المغلقة أو المفتوحة، يطرح تساؤلاً ملحاً حول طبيعة البنية التحتية القادرة على استيعاب وتشغيل هذه العقول الآلية المعقدة، وهو ما ينقلنا بسلاسة إلى مناقشة اقتصاديات وفيزياء الحوسبة.

المحور الثاني: هندسة الحوسبة، الأجهزة، وكفاءة الطاقة

إن العقل الآلي المذهل الذي ناقشناه في المحور السابق لا يعمل في فراغ مجرد، بل يعتمد بالأساس على بنية تحتية مادية بالغة التعقيد، تتطلب طاقة حوسبية وكهربائية هائلة. يسلط هذا القسم الضوء على الديناميكيات المادية لقطاع الذكاء الاصطناعي، بدءاً من متطلبات الحوسبة التي تتزايد بمعدلات خيالية، وصولاً إلى التحديات البيئية التي تفرضها، وهو ما يمكن تفصيله في النقاط الآتية:

• النمو الهائل والانفجاري في متطلبات الحوسبة (Compute Escalation): تشير البيانات بوضوح إلى أن الحوسبة اللازمة لتدريب النماذج الرائدة تتضاعف تقريباً كل خمسة أشهر، متجاوزة بذلك كل معدلات النمو التاريخية بما فيها “قانون مور”. هذا الانفجار يعني أن السباق نحو القمة التقنية بات مشروطاً بالقدرة المادية البحتة على حشد وتوصيل آلاف المعالجات الرسومية (GPUs) المتقدمة.
• انخفاض تكاليف الاستدلال والتشغيل (Inference Costs): على الجانب المشرق من تطور الأجهزة، وبينما ترتفع تكاليف “التدريب” بشكل جنوني، شهدت تكاليف “التشغيل والاستدلال” انخفاضاً هائلاً. يعرض التقرير حالة نموذجية توضح انخفاض تكلفة تشغيل نظام بمستوى (GPT-3.5) بأكثر من 280 ضعفاً خلال فترة وجيزة، مما يفسر سبب قدرة الشركات على تقديم خدمات الذكاء الاصطناعي للجمهور بأسعار زهيدة أو مجانية.
• المعضلة البيئية وتزايد البصمة الكربونية: رغم تحسن كفاءة استخدام الطاقة في شرائح المعالجة بنسبة 40% سنوياً، إلا أن الحجم الهائل لمراكز البيانات والنمو المستمر في عمليات تدريب النماذج يؤديان إلى زيادة مطردة في الانبعاثات الكربونية. هذه المفارقة تضع صناعة التكنولوجيا أمام مساءلة بيئية جادة، وتستدعي ابتكار خوارزميات “صديقة للبيئة” لحل معضلة استهلاك الطاقة.

[وبطبيعة الحال، فإن هذه البنية التحتية المكلفة وتطبيقاتها التي أصبحت رخيصة التشغيل، لم تعد شأناً بحثياً أو هندسياً فحسب، بل تحولت إلى ساحة خصبة للاستثمار ومحرك رئيسي للاقتصاد العالمي، مما يستدعي منا النظر في تأثيراتها الاقتصادية المباشرة.

المحور الثالث: الاقتصاد، الاستثمار، والتأثير على بيئة الأعمال

لم يعد الذكاء الاصطناعي مجرد قطاع واعد، بل أصبح القوة الدافعة الأساسية لنمو الاقتصاد الرقمي المعاصر وتشكيل استراتيجيات رأس المال الاستثماري. يستعرض هذا المحور كيف تعكس تدفقات الأموال خريطة الهيمنة العالمية، وكيف تحول قطاع الذكاء التوليدي إلى بوصلة جاذبة للمستثمرين، إلى جانب تأثيره الجذري على بيئة العمل ومستويات الإنتاجية:

• الهيمنة الأمريكية الساحقة في الاستثمارات الخاصة: لغة الأرقام في التقرير قاطعة؛ فالولايات المتحدة تبتلع حصة الأسد من الاستثمارات العالمية، حيث وصل حجم الاستثمار الخاص فيها إلى 109.1 مليار دولار، متفوقة بذلك على الصين بـ 12 ضعفاً. هذه الهيمنة التمويلية تضمن لأمريكا استمرار احتكارها لأفضل المواهب البحثية وأضخم البنى التحتية الحوسبية في العالم.
• الذكاء الاصطناعي التوليدي كقاطرة للاستثمار: ضمن هذا المشهد المالي، برز “الذكاء الاصطناعي التوليدي” (Generative AI) كحجر الزاوية لجذب رؤوس الأموال. فقد جذب هذا القطاع الفرعي وحده حوالي 33.9 مليار دولار، مما يعكس اقتناع المستثمرين بأن النماذج التوليدية تمتلك القدرة الفعلية على إحداث تعطيل إيجابي (Disruption) وإعادة هيكلة لقطاعات اقتصادية بأكملها.
• التسارع في تبني الشركات وإعادة تشكيل الإنتاجية: لم تكتفِ الشركات بضخ الأموال، بل سارعت لتبني هذه الأدوات في عملياتها التشغيلية؛ حيث أفادت 78% من المؤسسات العالمية باستخدامها للذكاء الاصطناعي. والأهم أكاديمياً هو إثبات الأبحاث أن هذه الأدوات تلعب دوراً حيوياً في “تضييق فجوة المهارات”، حيث تمكّن الموظفين المبتدئين من أداء مهام معقدة تقترب من مستوى الخبراء، مما يرفع الإنتاجية العامة ويغير ديناميكيات التوظيف المعتادة.

وهذا الاندفاع التجاري الهائل، المدفوع بالاستثمارات المليارية والسباق نحو رفع الإنتاجية، أدى بالضرورة إلى إحداث شرخ في العلاقة التقليدية بين الجامعات كمصدر للمعرفة والشركات كجهة تطبيق، مما يضعنا أمام تحول تاريخي في مصادر الابتكار.

المحور الرابع: القطاع الأكاديمي مقابل القطاع الصناعي

تاريخياً، كانت المختبرات الجامعية هي المهد الحقيقي والأول للثورات التكنولوجية، إلا أن المتطلبات المالية والحوسبية المهولة للذكاء الاصطناعي الحديث قد قلبت هذه المعادلة رأساً على عقب. نناقش في هذا القسم كيف انتقل مركز الثقل الابتكاري لصالح عمالقة التكنولوجيا، بينما تحاول الأوساط الأكاديمية جاهدة الحفاظ على دورها التنظيري وسط أزمة متصاعدة تتعلق بندرة البيانات المفتوحة:

• صعود الصناعة واحتكار النماذج الرائدة (Frontier Models): يؤكد التقرير انتقال الريادة بشكل شبه كامل إلى القطاع التجاري (الصناعي). فبسبب التكاليف الفلكية التي تعجز ميزانيات الجامعات عن تحملها، خرجت نحو 90% من نماذج الذكاء الاصطناعي البارزة خلال العام الماضي من أروقة الشركات التقنية الكبرى، تاركة القطاع الأكاديمي متأخراً في مساحة التطوير الميداني للنماذج الضخمة.
• الدور المستمر للأكاديميا في المعرفة الأساسية: على الرغم من هذا التراجع في إنتاج النماذج، يحافظ القطاع الأكاديمي على مكانته كحارس للمعرفة النظرية. الجامعات لا تزال تتصدر إنتاج الأوراق البحثية العلمية عالية الاستشهاد، مما يعني أن الابتكار في أساسيات الخوارزميات وهيكلتها لا يزال يولد في الجامعات، لتقوم الشركات لاحقاً بتضخيمه وتدريبه على نطاق تجاري واسع (Scaling).
• أزمة “انكماش المشاعات البيانية” (Shrinking Data Commons): يقرع التقرير جرس إنذار حقيقي للباحثين؛ فمع إدراك المنصات الرقمية لقيمة بياناتها، بدأت تحجب محتواها وتمنع روبوتات الذكاء الاصطناعي من قراءتها. نسبة البيانات المحجوبة على الويب قفزت بشكل هائل، مما يهدد استدامة تدريب النماذج المستقبلية ويضع الباحثين الأكاديميين تحديداً أمام أزمة خانقة في إيجاد بيانات مجانية ومفتوحة لتدريب نماذجهم.

ومع هذا التحول في قيادة الابتكار نحو القطاع التجاري وتوسع قواعد البيانات التدريبية، كان لزاماً أن تنعكس هذه الجهود على أرض الواقع، لتنتقل هذه التقنيات من شاشات المطورين إلى صميم حياتنا اليومية والتطبيقية.

المحور الخامس: التطبيقات العملية وتغلغل الذكاء الاصطناعي في الحياة اليومية

لقد غادر الذكاء الاصطناعي، بكل تأكيد، مساحات التنظير المعزولة والتجارب المحدودة ليصبح نسيجاً حيوياً في البنية التحتية للخدمات. يركز هذا المحور على رصد التطبيقات العملية التي تمس حياة الأفراد والمجتمعات بشكل مباشر، مع تسليط الضوء على القطاعات الحيوية التي تشهد ثورة حقيقية بفضل نضج تقنيات الرؤية الحاسوبية والتحليل التنبئي:

• القفزة الطبية والرعاية الصحية: يقدم القطاع الصحي المثال الأبرز لتبني الذكاء الاصطناعي المتخصص. يشير التقرير إلى أن إدارة الغذاء والدواء الأمريكية (FDA) توافق الآن على مئات الأجهزة الطبية المدعومة بالذكاء الاصطناعي سنوياً، مقارنة بأعداد لا تتجاوز أصابع اليد الواحدة قبل عقد من الزمان. هذه التقنيات باتت تعتمد عليها المستشفيات في أدوات التشخيص المبكر للأورام، تحليل الصور الطبية بدقة تتفوق أحياناً على الأطباء، ومراقبة الحالة الحيوية للمرضى بشكل استباقي.
• النقل ثنائي الأبعاد والقيادة الذاتية (Autonomous Vehicles): بعد سنوات من الوعود المعلقة والتجارب المتعثرة، يوثق التقرير دخول السيارات ذاتية القيادة مرحلة النضج التجاري. ففي شوارع الولايات المتحدة والصين، تنفذ أساطيل سيارات الأجرة الروبوتية (Robotaxis) مئات الآلاف من الرحلات الأسبوعية دون تدخل بشري، مما يؤكد أن أنظمة الاستشعار واتخاذ القرار اللحظي قد وصلت إلى مستويات من الأمان تسمح لها بالعمل وسط تعقيدات المرور اليومي.

إلا أن هذا التغلغل العميق للآلة في القرارات الطبية والمرورية، وفي صميم الحياة المجتمعية، لم يمر دون إثارة مخاوف الأنظمة الحاكمة والمشرعين، مما فتح الباب على مصراعيه أمام حراك تنظيمي وسباق جيوسياسي محتدم للسيطرة على هذه القوة التكنولوجية.

المحور السادس: السياسات، التشريعات، والمنافسة الجيوسياسية

مع تعاظم قدرات النماذج وتأثيراتها الواسعة، تحول الذكاء الاصطناعي من مجرد أداة تقنية بحتة إلى سلاح استراتيجي ومحور أساسي في صياغة السياسات العامة للدول. يعالج هذا المحور التحديات العميقة التي تواجه الحكومات في وضع معايير لتقييم وضبط هذه النماذج، بالإضافة إلى إلقاء نظرة فاحصة على رقعة الشطرنج الجيوسياسية التي تتنافس عليها القوى العظمى:

• الفجوات في التقييم والمعايير الأخلاقية (Responsible AI): رغم صدور العديد من التشريعات، يبرز التقرير إشكالية جوهرية تواجه المشرعين؛ وهي غياب أدوات التقييم المعيارية الموحدة والمتفق عليها لقياس “أمان وموثوقية” نماذج الذكاء الاصطناعي. فالمعايير التي تقيس حقيقة المعلومات وتقيم الانحيازات لا تزال هشة وتفتقر للاعتماد الواسع، مما يضع صناع السياسات أمام معضلة تنظيم تقنية تتطور أسرع من قدرتهم على قياس مخاطرها بدقة.
• المنافسة الجيوسياسية المشتعلة (الولايات المتحدة والصين): على الساحة الدولية، بينما تحافظ الولايات المتحدة على ريادتها كمركز عالمي لإنتاج النماذج المتطورة بفضل تفوقها المالي والتجاري، يكشف التقرير أن الصين تقود العالم فعلياً في عدد براءات الاختراع وحجم الأبحاث المنشورة، فضلاً عن تسجيلها معدلات نمو مذهلة في التطبيق والتبني المؤسسي الداخلي للذكاء الاصطناعي. هذا التنافس المحتدم يكرس لانقسام تكنولوجي عالمي، حيث يسعى كل طرف لبسط نفوذه الرقمي وبناء منظومته التكنولوجية المستقلة.

وعلى ضوء هذا الصراع الجيوسياسي والتحول الاقتصادي والتنظيمي، يصبح من الضروري أن نختتم قراءتنا بالوقوف على الأبعاد العميقة واستشراف مآلات هذه التحولات على مستقبل المعرفة البشرية والبحث العلمي ذاته.

المحور السابع: الأبعاد الأكاديمية العميقة والتداعيات المستقبلية

بعيداً عن الأرقام المجردة والإحصائيات المباشرة، يفرض علينا هذا المشهد وقفة تأملية عميقة. يتناول هذا القسم الأخير التداعيات الأكاديمية والفلسفية التي تتجاوز مجرد استخدام التقنية، لتصل إلى إعادة صياغة جوهر البحث العلمي والتعامل مع أزمات الموارد المعرفية في المستقبل، والتي تبرز بوضوح في الجوانب التالية:

• التحول المعرفي (الإبستمولوجي) في إنتاج البحث العلمي: يعترف معدو التقرير صراحةً بأنهم استخدموا أدوات الذكاء الاصطناعي في صياغة وإعداد التقرير ذاته. هذا الاعتراف يمثل نقطة تحول أكاديمية؛ فالآلة لم تعد مجرد أداة مساعدة للبحث، بل تحولت إلى “شريك فاعل” في إنتاج المعرفة. هذا التطور سيستدعي قريباً مراجعة جذرية لمفاهيم الملكية الفكرية، والنزاهة الأكاديمية، وآليات التحكيم العلمي (Peer review) في جميع المؤسسات التعليمية.
• المفارقة بين ديمقراطية الاستخدام ومركزية الابتكار: نعيش اليوم مفارقة أكاديمية فريدة؛ فمن جهة هناك “ديمقراطية” تتجلى في إتاحة النماذج المفتوحة وتراجع تكاليف استخدامها للجميع. ومن جهة أخرى، نرى “مركزية” مطلقة في عملية الابتكار الرائد، حيث باتت القدرة على اختراع وتدريب أجيال جديدة كلياً من النماذج محتكرة لعدد قليل جداً من الكيانات العملاقة التي تمتلك رأس المال ومراكز البيانات الكبرى.
• البدائل المستقبلية لأزمة البيانات والتعلم العميق: استجابةً لانكماش مشاعات البيانات (Data Commons) المفتوحة، يوجه التقرير بوصلة البحث العلمي نحو مسارات بديلة ومعقدة. تتسابق المختبرات الآن لتطوير تقنيات “البيانات الاصطناعية” (Synthetic Data) المولدّة آلياً لتدريب النماذج الجديدة، مع محاولة تجنب ظاهرة “انهيار النموذج” (Model Collapse). بالتوازي مع ذلك، ينشط البحث في خوارزميات “التعلم الفعال للبيانات”، والتي تهدف للوصول إلى استنتاجات دقيقة بأقل قدر ممكن من البيانات التدريبية، وهو ما قد يشكل الجيل القادم من الذكاء الاصطناعي.

خلاصة واستنتاجات العرض

يبرهن “تقرير مؤشر الذكاء الاصطناعي لعام 2025” بوضوح أكاديمي صارم أننا انتقلنا كلياً من مرحلة الإرهاصات وبناء القدرات، إلى عصر “التطبيق الشامل والهيمنة التشغيلية” للذكاء الاصطناعي.

تتجلى مخرجات هذا العرض في إدراكنا أن أداء الذكاء الآلي قد اخترق سقف التقييمات البشرية التقليدية، ليدخل في مرحلة تقارب سريع بين كبرى الشركات العالمية والبدائل مفتوحة المصدر. ورغم أن هذا التطور السريع أدى إلى تهميش الدور التنفيذي للجامعات لصالح هيمنة رأس المال المؤسسي الذي تتحكم فيه الولايات المتحدة، إلا أن انخفاض تكاليف تشغيل هذه النماذج أتاح تغلغلها السريع في شرايين الرعاية الصحية والمواصلات والمؤسسات التجارية في كافة أنحاء العالم.

إن التحدي الحقيقي الماثل أمامنا اليوم ليس تقنياً بحتاً، بل هو تحدٍ مركب يجمع بين حوكمة هذه العقول الآلية بفعالية، حماية الموارد البيئية من استهلاك الحوسبة الجشع، والتكيف المعرفي والأكاديمي مع واقع جديد تشاركنا فيه الآلة عبء التفكير، والتحليل، واتخاذ القرار.