نماذج الذكاء الاصطناعي الفكرية: الرمزي مقابل الاتصالي
فلسفتان متنافستان
تاريخ الذكاء الاصطناعي (AI) جدل امتد عقودًا بين مدرستين. يرى الذكاء الاصطناعي الرمزي أن الذكاء هو معالجة رموز صريحة: رمّز القواعد والمنطق والأنطولوجيا، وسيتبعها الاستدلال. ويرى الذكاء الاصطناعي الاتصالي أن الذكاء ينبثق من وحدات بسيطة كثيرة تعدّل روابطها استجابةً للبيانات — لا تكتب القواعد، بل تعلّمها. الحقبة الحالية انتصار حاسم للنهج الاتصالي، لكن الجدل لم يُحسم بقدر ما انقلب: السؤال المفتوح اليوم هو مقدار البنية الرمزية التي ينبغي إعادة تركيبها على الأنظمة المتعلِّمة. وفهم سبب إخفاق الذكاء الاصطناعي الرمزي في التوسّع — وما كان يجيده حقًا — يشحذ تفكيرك في حدود النماذج الحالية.
- الرمزي: قواعد وقواعد معرفة مصمّمة يدويًا — دقيقة، قابلة للتفسير بطبيعتها، هشّة عند الأطراف
- الاتصالي: تمثيلات متعلَّمة من البيانات — متينة أمام المدخلات الفوضوية، قابلة للتوسّع، صندوق أسود افتراضيًا
- تبادلت المدرستان الهيمنة خمسين عامًا قبل أن تحسم الحوسبة المسألة
لماذا اصطدم الذكاء الاصطناعي الرمزي بجدار
كانت الأنظمة الخبيرة في الثمانينيات ذروة الذكاء الاصطناعي الرمزي تجاريًا: آلاف القواعد المكتوبة يدويًا ترمّز معرفة متخصص. نجحت في مجالات ضيقة ومستقرة وانهارت في كل ما عداها. كان الإخفاق الجوهري هو عنق زجاجة اكتساب المعرفة — فكل قاعدة تتطلب خبيرًا بشريًا ومهندس معرفة، فتتوسّع القدرة خطيًا مع عدد الموظفين بينما تتوسّع حالات العالم الحقيقي الحدّية توسّعًا توافقيًا. وتبيّن أن معرفة الحس السليم يكاد يستحيل حصرها يدويًا. وكان «شتاء الذكاء الاصطناعي» الذي تلا ذلك في معظمه إخفاقًا للذكاء الاصطناعي الرمزي في الوفاء بوعوده: انهار التمويل حين عجزت أنظمة أبهرت في العروض التوضيحية عن التعامل مع غموض الواقع التشغيلي. وهذا النمط من الإخفاق — عرض مبهر ونشر هشّ — جدير بأن تحمله عدسةً تحذيرية تنظر بها إلى أي نظام ذكاء اصطناعي، بما في ذلك أنظمة اليوم.
- عنق زجاجة اكتساب المعرفة: كل قدرة تتطلب تأليفًا بشريًا صريحًا
- الهشاشة: لا تدهور تدريجي — المدخلات خارج القواعد لا تنتج شيئًا مفيدًا
- كان «شتاء الذكاء الاصطناعي» انهيارًا في التمويل سببه الفجوة بين العرض التوضيحي والتشغيل الفعلي
عودة النهج الاتصالي
رُفضت الشبكات العصبية (Neural networks) مرتين — مرة في الستينيات بعد إثبات حدود البيرسبترون، ومرة في التسعينيات حين اعتُبرت فضولًا علميًا متواضع الأداء. ما تغيّر لم يكن الفكرة الجوهرية؛ فالانتشار العكسي (Backpropagation) يعود إلى الثمانينيات. ما تغيّر هو الحجم. جعلت وحدات GPU التدريب واسع النطاق عمليًا، ووفّر الإنترنت بيانات لم يملكها أي جيل سابق، وجعلت نتيجة ImageNet عام 2012 تفوّق التعلّم العميق (Deep Learning) أمرًا لا يمكن إنكاره. الدرس الذي ينبغي للممارسين استيعابه: لم ينتصر النهج الاتصالي لأنه أكثر أناقة، بل لأن التعلّم من البيانات يتوسّع مع الحوسبة بينما كتابة القواعد تتوسّع مع البشر. هذا اللاتماثل، أكثر من أي معمارية بعينها، هو محرّك الحقبة الحالية.
- وُجد الانتشار العكسي عقودًا قبل أن توجد الحوسبة اللازمة لاستثماره
- كان AlexNet (2012) نقطة التحول في المجال — لم يعد التعلّم العميق رأيًا مخالفًا للسائد
- القواعد تتوسّع مع البشر؛ والتعلّم يتوسّع مع الحوسبة — هذا هو اللاتماثل الحاسم
حقبة الهجين العملي
النماذج اللغوية الكبيرة (LLM) الحديثة اتصالية تمامًا، لكن الأنظمة المبنية حولها رمزية-عصبية في صمت. حين يستدعي وكيل ذكي (Agent) آلة حاسبة، أو يستعلم قاعدة بيانات، أو ينفّذ كودًا، أو يتحقق من المخرجات مقابل مخطط JSON، فإن نموذجًا متعلِّمًا يفوّض إلى آليات رمزية — دقيقة، قابلة للتحقق، قابلة للتفسير — تحديدًا حيث يكون الحدس المتعلَّم في أضعف حالاته. هذه أفكار الذكاء الاصطناعي الرمزي وقد بقيت بنيةً تحتية لا ذكاءً جوهريًا. ومبدأ التصميم للبُناة هو: استخدم النموذج فيما يجيده التعلّم (الإدراك، واللغة، والتعميم الضبابي)، والأدوات الرمزية فيما تجيده القواعد (الحساب، واسترجاع الحقائق الدقيقة، وفرض القيود). ومعظم مشكلات الموثوقية في التشغيل الفعلي تنشأ من الخطأ في هذا التقسيم للعمل.
- استخدام الأدوات (Tool use) تصميم رمزي-عصبي تطبيقي: موجّه متعلِّم ومنفّذون رمزيون
- قيود المخرجات المنظّمة (المخططات والقواعد النحوية) تعيد فرض ضمانات رمزية على التوليد المتعلَّم
- لم يعد سؤال التصميم أيّ النموذجين يفوز، بل أين نرسم الحد بينهما