تطلق OpenAI نموذج GPT-6 Astra، وتفوق قدرات الوكيل الذكي الحدود السابقة

أطلقت OpenAI نموذج GPT-6 Astra، مما يحقق التحول الأساسي للذكاء الاصطناعي من محرك إجابات إلى وكيل ذكي. يمتلك Astra الآن القدرة على تشغيل الحواسيب، وتصفح الويب، واستخدام البرامج، وكتابة وتشغيل الأكواد، وإنجاز سير عمل معقدة، وحقق نسبة 72.6% في اختبار OSWorld 2.0، متفوقًا على GPT-5 الذي بلغت نسبته 65.7%. وهذا يعني أن الذكاء الاصطناعي ينتقل من "الإجابة بشكل أفضل" إلى "إنجاز المهام بنجاح"، ليصبح أداة لا تقتصر على الإجابة عن الأسئلة فحسب، بل تصبح قوة عمل رقمية يمكن "توظيفها". سيتحول طلب التوكنات من النمو المستند فقط إلى عدد المستخدمين إلى تأثير مضاعف يعتمد على ثلاثة متغيرات متزامنة: عدد الوكلاء، وعدد المهام لكل وكيل، واستهلاك التوكنات لكل مهمة. ويتشكل الآن دورة تغذية راجعة للذكاء الاصطناعي تُعرف بـ "الإنسان + الذكاء الاصطناعي → التدريب → ذكاء اصطناعي أفضل"، حيث يصبح تحسين قدرات النموذج نفسه محركًا لنمو الطلب على قوة الحوسبة.

كاتب المقال، المصدر: مجموعات آراء الأقلية

يُعتقد أن معظم الناس يوافقون على العبارة التالية:

في عصر الذكاء الاصطناعي، سيهزمك الشخص أو الشركة التي تستخدم الذكاء الاصطناعي أسرع وأكثر فاعلية منك.

لكن بعد إطلاق OpenAI نموذج GPT-6 Astra الخاص بها، فإن الجملة أعلاه غير دقيقة تمامًا، أو خاطئة تمامًا. الآن، التصحيح الصحيح يجب أن يكون:

في عصر الذكاء الاصطناعي، لن يهزمك من يستخدمون الذكاء الاصطناعي بشكل أفضل منك أو شركاتهم، بل أولئك الذين يمتلكون وينشرون ويسيطرون بنشاط على وكلاء الذكاء الاصطناعي.

نود التذكير بأن "أنت" المذكور أعلاه يمكن أن يكون أيضًا شركة.

هل تتذكر؟ الشهر الماضي، ظهرت Astra من قبل، وكانت حينها نموذجًا سريًا داخليًا لـ OpenAI، وقدمت إجابات على مستوى أبحاث الرياضيات الرائدة (جائزة فيلدز) لعشرة أسئلة في الرياضيات وعلوم الحوسبة النظرية. وهذه المرة، أكبر إنجاز في Astra التي أطلقتها OpenAI رسميًا ليس فقط أنها أصبحت "أكثر ذكاءً (بقدرات رياضية وعلمية أقوى)"، بل إن Astra جعلت الذكاء الاصطناعي ينتقل من محرك إجابات إلى وكيل ذكاء اصطناعي حقيقي.

لذلك، في هذا الإصدار، لم تعد OpenAI مقتصرة على الحديث عن مدى تحسن أداء Astra في المعايير، بل قدمت من البداية وصفًا واضحًا جدًا لحدود قدرات Astra:

يمكن لأسترا الآن تشغيل الحواسيب، تصفح الويب، استخدام البرمجيات، كتابة وتشغيل الأكواد، إكمال سير العمل المعقدة، وتنفيذ مهام طويلة المدى في مجالات العلوم والأمن السيبراني والمهنية.

هذه الجملة تلخص الإنجاز الحقيقي لـ Astra. أي أن الذكاء الاصطناعي ينتقل فعليًا من "إنسان → ذكاء اصطناعي → إجابة" إلى "إنسان → وكيل ذكاء اصطناعي → مهمة → تنفيذ → نتيجة". لذا، فإن GPT-6 Astra يعني:

لم يعد الذكاء الاصطناعي أداةً للإجابة عن الأسئلة فحسب، بل بدأ يصبح قوة عمل رقمية يمكن "توظيفها" تعمل باستمرار دون استراحة.

The improvement in Astra's capability on long-range tasks is the most critical.

في OSWorld 2.0 (اختبار تم تقديمه من قبل فرق من CMU وستانفورد وغيرها، يقيّم قدرة وكلاء الذكاء الاصطناعي على إنجاز مهام معقدة مثل المهام المكتبية، وتصحيح أخطاء البرمجيات متعددة الملفات، وتكوين إعدادات أمنية للشبكة على مستوى النظام، ثم مقارنتها بأساسيات الخبراء البشريين)، حقق Astra 72.6٪، وهو أعلى من 65.7٪ لـ GPT-5.6 Sol؛ في الوقت نفسه، انخفض وقت المحاكاة لإكمال المهام من حوالي 75 دقيقة إلى حوالي 40 دقيقة.

هذا يعني أن أسترا تمر بتحول حاسم للغاية:

من "الإجابة بشكل أفضل" إلى "إتمام المهام بنجاح".

هذا سيغير تمامًا طريقة فهمنا لـ"مستوى انتشار الذكاء الاصطناعي" وحساب الطلب الكلي على الرموز. في الماضي، عندما كنا نقدر حجم سوق الذكاء الاصطناعي، كنا نسأل بشكل طبيعي: كم عدد الأشخاص الذين يستخدمون ChatGPT؟ كم عدد موظفي الشركات الذين يستخدمون Copilot؟ ما هو مستوى انتشار الذكاء الاصطناعي بين المبرمجين وموظفي خدمة العملاء والموظفين المكتبين والعلماء؟

ثم استخدم "عدد المستخدمين × ARPU" لتقدير حجم سوق الذكاء الاصطناعي. هذا المنطق لا يشكل مشكلة في عصر محركات الإجابة. لكن في عصر وكلاء الذكاء الاصطناعي، تظهر المشكلات:

• استخدام شخص واحد للذكاء الاصطناعي لا يعني أن كمية عمل الذكاء الاصطناعي تقتصر على شخص واحد؛ يمكن لشخص واحد إنشاء مهام متعددة للوكلاء؛ ويمكن لشركة واحدة نشر مئات أو آلاف الوكلاء في نفس الوقت. يمكن لوكييل واحد أن يعمل بشكل مستمر لساعات عديدة، وحتى على مدار 24 ساعة.

لذلك، هناك المتباينة التالية:

شخص واحد ≠ مستخدم ذكاء اصطناعي واحد ≠ كمية عمل ذكاء اصطناعي واحدة.

يمكن لعالم مواد تكوين عشرات الوكلاء الذكاء الاصطناعي دفعة واحدة لتنفيذ مهام بحثية في اتجاهات بحثية مختلفة. وبالتالي، فإن المتغيرات التي تحتاج إلى التركيز عليها حقًا تصبح:

• كم عدد وكلاء الذكاء الاصطناعي الذين يعملون في جميع أنحاء العالم؟
• كم عدد المهام التي ينفذها كل عامل ذكاء اصطناعي قيد التشغيل يوميًا؟ كم عدد الرموز التي تستهلكها؟

حاصل ضرب هذين العددين سيكون دالة الطلب الحقيقية للذكاء الاصطناعي.

بخصوص ما إذا كنت تستخدم الذكاء الاصطناعي، أو ما إذا كنت تلاحظ أصدقائك يستخدمون الذكاء الاصطناعي، أو ما إذا كانت شركتك تستخدم الذكاء الاصطناعي، فهذه الأمور لا تهم إطلاقًا بالنسبة لمستوى انتشار الذكاء الاصطناعي أو الطلب الكلي على الرموز المميزة. إذا لم تستخدم الذكاء الاصطناعي، فسيتم بالتأكيد استبدال ميزتك أو عملك بواسطة عوامل الذكاء الاصطناعي، ثم سيتم استبدالك وأنت وشركتك.

لذلك، نضيف هنا جملة خاصة:

في الوقت الحاضر، يجب على جميع الشركات المتوسطة والكبيرة على الأقل أن تولي اهتمامًا من مستوى مجلس الإدارة لبناء استراتيجية ذكاء اصطناعي خاصة بها، لأن هناك الكثير من الأشخاص الأذكياء الذين يراقبون أعمالك الربحية بعناية.

لذلك، أصبح تعريف انتشار الذكاء الاصطناعي ينتقل من "لكل إنسان" إلى "لكل وكيل". كان يُفترض في السابق أن الأمر كان كالتالي:

نسبة انتشار الذكاء الاصطناعي = عدد الأشخاص الذين يستخدمون الذكاء الاصطناعي / السكان المحتملين

وبعد Astra، فإن صيغة معدل نفاذية AI Agent هي كالتالي:

معدل نفاذ الوكيل = المهام الوظيفية التي تمت إدارتها بواسطة وكيل الذكاء الاصطناعي / المهام الوظيفية التي يمكن للوكيل تنفيذها

بالطبع، هناك فرق هائل في المستوى العددي بين المقامين في هاتين المعادلتين. فبما أن الوكيل لم يعد بحاجة إلى التوافق واحد لواحد مع عدد البشر، فقد يمتلك شخص واحد عدة وكلاء ذكاء اصطناعي شخصيين. أما بالنسبة لعدد "المهام التي يمكن للوكيل تنفيذها"، فأعتقد أن صفحة عرض Astra التي أطلقتها OpenAI تقدم إشارة إلى ذلك.

إن الصورة أعلاه هي خريطة نجمية قدمتها OpenAI في صفحة تقديم Astra، وجانب صغر البشرية بالنسبة للكون هو جهل البشر بالنسبة لعالم الكون، ويمكن لأي بحث عن هذا الجهل أن يصبح مهمة بحثية لوكيل ذكي، وبالتالي يمكن أن يكون عدد وكلاء الذكاء الاصطناعي لا نهائيًا تقريبًا.

لذلك، فإن "كم عدد الأشخاص حول العالم الذين بدأوا استخدام الذكاء الاصطناعي" و"كم عدد قوى العمل الرقمية التي تعمل حاليًا" هما رقمان مختلفان تمامًا من حيث المقياس.

أما الطلب الكلي على الرمز، فسيظهر مرونة طلب أكبر بكثير من "نمو عدد مستخدمي الوكلاء الذكاء الاصطناعي". لأن طلب الرمز في عصر الوكلاء لا ينمو فقط مع عدد المستخدمين، بل أيضًا مع "كمية عمل الذكاء الاصطناعي التي يتحملها كل وكيل".

وبالتالي، يمكن كتابة الطلب الكلي على الرمز كالتالي:

إجمالي طلب الرمز ≈ عدد وكلاء الذكاء الاصطناعي × عدد المهام لكل وكيل × استهلاك الرمز لكل مهمة

ويمكن أن تنمو هذه المتغيرات الثلاثة جميعًا بسرعة في نفس الوقت.

أولاً، زيادة عدد الوكلاء. في الماضي، قد يستخدم شخص واحد فقط ChatGPT واحدًا، لكن في المستقبل، قد يشغل الشخص نفسه عدة وكلاء في آنٍ واحد، مثل وكيل مساعد شخصي، وكيل برمجة، وكيل بحث، وكيل مالي، وكيل تسوق... بينما قد تتوسع الشركات من عشرات أو مئات الوكلاء إلى آلاف أو عشرات الآلاف.

ثانيًا، تزداد المهام التي ينفذها كل عامل. في الماضي، كان الأمر "ساعدني في تلخيص هذه المقالة"، وقد يتطلب فقط بضعة آلاف من الرموز، بينما في المستقبل سيكون "ابحث في هذا القطاع، اقرأ 500 مستند، قارن 50 شركة، أنشئ نموذجًا، اكتشف الشذوذ، أعد تقريرًا، ثم قدم اقتراحات استثمارية بناءً على التقرير"، وهنا تكمن أهمية Astra: كلما كان النموذج قادرًا على إنجاز مهام أكثر تعقيدًا، كلما شعر البشر بمزيد من الثقة في تفويض المهام المعقدة إلى العوامل.

ثالثًا، سيتحول العامل من "الاستدعاء العرضي" إلى "التشغيل المستمر". هذا هو أهم تغيير. في ChatGPT التقليدي، يُستدعى عند طرح سؤال من قبل الإنسان، ويُقدم إجابة ثم ينتهي. أما العامل الذكي الاصطناعي، فهو

استلام الهدف → التخطيط → البحث → التنفيذ → التحقق → التعديل → التنفيذ مرة أخرى → الإكمال.

إنه سلسلة حسابية تعمل باستمرار وتُنتج استدعاءات API باستمرار. وكلما زادت تعقيد المهمة، زاد طول التفكير، وزاد حجم السياق، وزاد عدد استدعاءات الأدوات، وزاد الإخراج، وبالتالي زاد استهلاك الرموز.

لذلك، لن يزيد وكيل الذكاء الاصطناعي من عدد مستخدمي الذكاء الاصطناعي فحسب، بل سيضاعف أيضًا طلب الرموز خلف كل مستخدم ذكاء اصطناعي.

لذلك، من الممكن تمامًا أن يحدث مثل هذا الوضع: حيث زاد عدد وكلاء الذكاء الاصطناعي بنسبة 20% فقط، لكن الطلب الكلي على الرموز زاد بنسبة 300%.

أسترا هي أكبر عملية تدريب حتى الآن من OpenAI، وتشير المعلومات المنشورة إلى أن حجم التدريب قد تجاوز 100,000 GPU. والأهم من ذلك، أن الذكاء الاصطناعي يشارك بشكل متزايد في عملية تدريب النماذج نفسها.

كان الماضي "إنسان→تدريب→ذكاء اصطناعي"، وينتقل تدريجيًا إلى:

إنسان + ذكاء اصطناعي → تدريب → ذكاء اصطناعي أفضل

هذا بالفعل الوضع الأساسي لـ RSI، حيث يمكن للنموذج المشاركة في توليد بيانات التدريب، واكتشاف المشكلات، وإجراء التقييم، وتقديم الملاحظات، وحتى مساعدة بعض أعمال الهندسة والبحث خلال عملية التدريب.

وبالتالي، سيتشكل سلسلة من تأثير العجلة المتطورة للغاية:

نموذج أقوى سيؤدي إلى قدرات أقوى لوكيل الذكاء الاصطناعي، ثم يمكن لوكيل الذكاء الاصطناعي إنجاز مهام أكثر في العالم الحقيقي، وتوليد المزيد من بيانات المهام عالية الجودة والتغذية الراجعة، مما يساعد بدوره على تدريب نماذج أقوى، والتي بدورها تُحسّن قدرات الوكيل مرة أخرى، مما يسمح له باستلام مهام أكثر...

هذا يعني أن تطور الذكاء الاصطناعي لن يكون مثل "التحديثات الإصدارية" للبرمجيات التقليدية، بل أكثر شبهاً بنظام إنتاجي يُسرّع ذاتياً. ونتيجة لذلك، فإن الطلب على الرموز سيشهد تأثيراً مضاعفاً يتوسع بمتغيرات متعددة في آن واحد، وكلما كان النموذج أقوى، زاد هذا التأثير المضاعف ووضوحه.

إذًا، سنرى بالتأكيد:

تحسين قدرات النموذج يصبح بحد ذاته محركًا لنمو الطلب على قوة الحوسبة الخاصة بالذكاء الاصطناعي، مما يؤدي إلى ظهور ملايين، ومئات الملايين، وعدد متزايد باستمرار من القوى العاملة الرقمية الخاصة بالذكاء الاصطناعي، ثم يتدفق الطلب على الرموز بشكل لا نهائي.

هذا هو أهمية إصدار GPT-6 Astra هذا.