«هاجينغ فيس» تحذر من فوضى التقييم: أداة الربط تتفوق على النماذج الرائدة

تبني مختبرات الذكاء الاصطناعي سمعتها وتمايزها التجاري على لوحات التقييم القياسية، معتبرة نتائج الاختبارات مقياسا محايدا ودقيقا يحدد تفوق منتج على آخر. غير أن المنهجيات الكامنة خلف هذه التقييمات برمتها معقدة ولم تبلغ مرحلة النضج بعد، بحسب ما أكدته إيرين سليمان، رئيسة قطاع السياسات في شركة «هاجينغ فيس»، خلال نقاش في مؤتمر «تيك كرنش ديسربت». ترى سليمان أن عمليات الاختبار تحتاج إلى التحول نحو علم متسق إن أراد القطاع الاعتماد عليها مستقبلا، مشككة في جدوى الاعتماد على المقاييس الراهنة التي تصدرها الشركات تباعا.

تضع سليمان مفهوم الثقة أمام اختبار عملي محدد: هل يستطيع المطورون والمؤسسات إعادة إنتاج نتائج التقييمات المنشورة؟ هذه القدرة ترتبط مباشرة بمستوى الوصول المتاح إلى النموذج نفسه، وهنا تبرز أهمية الأوزان المفتوحة بوصفها ركيزة أساسية للتحقق والشفافية. يظل غياب القدرة على تكرار النتائج معضلة مزمنة في مقارنات الأداء، يضاف إليها عجز الصناعة عن مقارنة الاختبارات المختلفة ببعضها مقارنة ذات دلالة واضحة، إذ تفقد هذه الاختبارات فاعليتها بسرعة، في ظل غياب منظومة بيئية مزدهرة توفر معايير موحدة تحدد من يملك أهلية التقييم وفق المهام المطلوبة.

الاستعانة بمراقبين مستقلين داخل مختبرات الذكاء الاصطناعي لا تمثل حلا سهلا، بل تحولت إلى مسار دفاعي لتفادي القوانين الحكومية الصارمة. شاع هذا التوجه خلال الأشهر الأخيرة في ظل مواجهة المختبرات لحوادث سلامة متلاحقة أثارت المخاوف من أضرار التكنولوجيا، وكانت «هاجينغ فيس» نفسها هدفا لإحدى تلك الحوادث. لجأت المختبرات إلى فكرة زرع أطراف ثالثة محايدة داخل مقارها لتجاوز الحاجة إلى تشريعات رقابية نشطة، إلا أن التساؤلات تحيط بمدى استقلالية هؤلاء المقيّمين وجدواهم. ظهر هذا الخلل بوضوح حين أثار قرار شركة «أنثروبيك» الاستعانة بشركة «أكسنتشر» بصفتها أول مقيِّم لها موجة من الانتقادات والسخرية، إثر التشكيك في كفاءة شركة استشارات عامة للقيام بفحص فني دقيق.

يتجاوز التحدي فكرة التدقيق الخارجي إلى صلب المعمارية التقنية؛ إذ تنتقل الاختبارات من تقييم النموذج بمفرده إلى قياس النظام الشامل المحيط به، وتحديدا أداة الربط والتشغيل (harness) والوكيل الذكي. تؤثر أداة الربط، وهي الوسيلة التي يعتمد عليها المستخدم للوصول إلى النموذج وتوظيفه، تأثيرا حاسما في مخرجات الأداء، إلى درجة أن نموذجا أقل قدرة قد يتفوق ميدانيا على أقوى النماذج الرائدة إذا اقترن بأداة ربط وتشغيل متقدمة. لم يعد التقييم محصورا في وزن النموذج، بل في جودة الوسيط البرمجي، وتوضح سليمان أن اختبارات الوكلاء الأذكياء بالغة الصعوبة وعالية التكلفة، وما زالت الصناعة تفتقر إلى تقييمات كافية لحزم الربط والوكلاء المتكاملين، على الرغم من أن القيمة الحقيقية للمستخدمين تتولد من هذا النظام الكلي.

القيمة التشغيلية للأنظمة الذكية تتشكل في جودة أدوات الربط الداخلي وليس في نتائج لوحات التقييم النظرية. هذا الواقع يحمل دلالات استراتيجية لفرق التقنية والمؤسسات في الخليج ومصر والمنطقة، ولا سيما المصارف والجهات الخدمية التي تخصص ميزانيات ضخمة للتعاقد مع واجهات النماذج الرائدة المغلقة. الاعتماد الساذج على جداول التقييم الغربية لشراء وصول باهظ الثمن إلى أحدث النماذج دون الاستثمار المكافئ في هندسة أدوات الربط والتشغيل يعد إنفاقا في غير موضعه، فبناء حزام برمجي متقن حول نموذج مفتوح الأوزان قد يمنح المؤسسة تفوقا حقيقيا بتكلفة تشغيلية أقل. كما أن سعي المؤسسات الإقليمية للاستعانة ببيوت الاستشارات الإدارية التقليدية لتقييم حلول الذكاء الاصطناعي يكرر إخفاقات السوق الدولية، ما يفرض تأهيل كوادر تدقيق برمجية تفهم بنية الوكلاء وتختبر المخرجات في بيئات العمل الحية.

تشهد ساحة تقييم الذكاء الاصطناعي حالة عشوائية تفتقد المعايير المرجعية، ما يجعل المقارنات التسويقية الحالية غير صالحة لاتخاذ قرارات حاسمة. الحفاظ على جدوى القياس يتطلب بناء مسار علمي موحد يشمل الصناعة بأكملها، وينقل التركيز من أرقام النماذج المجردة إلى فحص المنظومة التفاعلية الشاملة التي تبني عليها المؤسسات أعمالها الفعلية.