انتقال OpenAI's Astra من التركيز على الإجابة إلى تنفيذ المهام طويلة الأجل

ما يستحق الاهتمام حقًا في Astra ليس مدى جودة حلها لمسألة رياضية واحدة، بل أن OpenAI تُحوّل النماذج المتقدمة من "أنظمة الإجابة الفورية" إلى أنظمة تنفيذية قادرة على الاستمرار لساعات أو أكثر، وتفكيك المهام تلقائيًا والتفاعل مع البرمجيات الواقعية.

كاتب المقال، المصدر: 0x9999in1، ME News



• ما يستحق الاهتمام حقًا في Astra ليس مدى جودة حلها لمسألة رياضية واحدة، بل أن OpenAI تُحوّل النماذج المتقدمة من "أنظمة الإجابة الفورية" إلى أنظمة تنفيذية قادرة على الاستمرار لساعات أو أكثر، وتفكيك المهام تلقائيًا والتفاعل مع البرمجيات الواقعية.
• تُظهر العروض التوضيحية لـ 16 عاملًا يعملون معًا لإثبات مسائل رياضية، والتحكم المباشر في الكمبيوتر، و"متدرب أبحاث الذكاء الاصطناعي" تغييرًا واحدًا: إن مؤشر المنافسة في الذكاء الاصطناعي ينتقل من جودة الإجابة الواحدة إلى القدرة على تحمل سلاسل مهام طويلة ومعقدة بشكل مستقل.
• إذا تم تثبيت هذه القدرة بشكل مستقر، فسيتغير منطق شراء الشركات للذكاء الاصطناعي: في الماضي، كانت تشتري مقاعد البرمجيات وCopilot، لكن في المستقبل، قد تصبح أكثر قربًا من شراء "القوى العاملة الرقمية" وكمية المعالجة المطلوبة.
• لكن العرض الداخلي ليس بيئة إنتاجية. لم يتم إصدار Astra رسميًا بعد، و所謂 "متدرب بحثي" هو مصطلح داخلي قياسي في OpenAI، والعرض الرياضي يقدم أدلة مرشحة، وليس اعتمادًا مستقلًا على صحتها العلمية.
• الأكثر إثارة للقلق أن تحسين القدرات بدأ يقيّد بدوره سرعة البحث والتطوير الخاصة بـ OpenAI. فقد اعترفت OpenAI في أغسطس أن Astra قد وصلت إلى حدود قدراتها الأمنية السيبرانية الأعلى مستوى "حرجة"، وبالتالي أوقفت أنشطة التدريب والتقييم الجزئية.
• لذلك، فإن الجدل حول ما إذا كانت Astra AGI أم لا الآن له معنى محدود. لقد أصبح السؤال الحقيقي المهم هو: ماذا سيحدث للنماذج الاقتصادية للشركات وسوق العمل وشركات الذكاء الاصطناعي عندما تُمنح الذكاء الاصطناعي فرصة أولى للارتقاء من "الإجابة على أسئلتك" إلى "إتمام عملك باستمرار، وحتى مساعدتك في البحث عن الذكاء الاصطناعي من الجيل التالي".

إذا نظرت فقط إلى السطح، فمن السهل تفسير العرض المغلق لـ Astra على أنه مجرد حملة تسويقية قبل إصدار النموذج التالي.

وصل عدد من كبار المسؤولين لدى عملاء مهمين في OpenAI إلى مبنى MB0 الجديد في سان فرانسيسكو. خارج الباب، لا يزال المحتجون الذين يحملون لافتات "أوقف سباق الذكاء الاصطناعي" متواجدين؛ داخل الباب، تم دفع جدار كامل من النباتات إلى أمام الزجاج لحجب الرؤية بين الطرفين. عاد سام ألتمان للتو من واشنطن، حيث سبق أن قدم عرضاً لمسؤولين حكوميين أمريكيين حول عائلة النماذج التي لم تُعلن عنها بعد.

هذه الصورة تلخص صناعة الذكاء الاصطناعي اليوم بدقة أكبر من أي مؤتمر صحفي: فالرأسمال والعملاء والحكومات جميعهم ينتظرون استمرار التقدم، بينما يبدأ آخرون في القلق من أن التقدم يحدث بسرعة مفرطة.

لكن المكان الحقيقي المهم في Astra ليس "كم تحسّن النموذج ببضع نقاط مئوية".

أول عرض مباشر كان يشمل 16 وكيلًا ذكيًا يواجهون مشكلة رياضية على مستوى البحث. قاموا بتفكيك المشكلة تلقائيًا إلى عدة مشكلات فرعية، وحاولوا كل منها على حدة، وتنسيق النتائج، ثم دمجها لإنتاج دليل افتراضي. يجب توضيح كلمتي "افتراضي" هنا:这不是 مبرهنة رياضية جديدة تم التحقق منها علنًا، ولا يمكن اعتبار عمل 16 وكيلًا في نفس الوقت مساويًا تلقائيًا لفريق بحثي مكون من 16 رياضيًا ممتازًا. من المحتمل جدًا أن تشارك نماذج متعددة نفس الخطأ، وزيادة عدد الوكلاء لا تعني تلقائيًا ارتفاعًا خطيًا في دقة النتائج.

But it is still important.

لأننا في الماضي كنا نقيس النماذج الكبيرة بالتركيز على سؤال واحد: هل يمكنها الإجابة عنه؟

تحاول أسترا تغيير السؤال إلى آخر: هل يمكنها تنظيم عملها بنفسها واستمرار تنفيذ مهمة معقدة؟

يبدو أن بينهما خطوة واحدة فقط، لكن الدلالة التجارية قد تختلف بين عصرين.

الطريقة التفاعلية الأكثر شيوعًا في الإصدارات المبكرة من ChatGPT كانت أن يطرح الإنسان سؤالًا وتُجيب الآلة؛ ثم بدأ Copilot في الدخول إلى عمليات البرمجة والمكتب والإبداع، حيث يُعطي الإنسان تعليمات مستمرة وتُقدم الذكاء الاصطناعي مساعدة مستمرة. أما Agent فتذهب أبعد من ذلك، مما يعني أن الإنسان يحتاج فقط إلى تحديد الهدف، بينما تقرر الآلة الخطوات بنفسها، وتحدد الأدوات، وتتحقق من النتائج الوسيطة، ثم تستمر في التقدم.

لذلك، فإن العرض الثاني يستحق من كبار المسؤولين التنفيذيين في الشركات أن ينظروا إليه بجدية أكثر من مسألة رياضية.

تقوم Astra بتشغيل الكمبيوتر مباشرة، والتبديل بين برامج سطح المكتب الشائعة متعددة، وإنشاء المحتوى وتعديله، وإكمال العمليات بسرعة فائقة. وصف ألتمان مشاهدة النموذج يستخدم الكمبيوتر بـ"طريقة خارقة وسريعة جدًا" كأحد أكثر الأمور إثارة للاندهاش بين موظفي OpenAI مؤخرًا.

Why is operating a computer so important?

لأن معظم الأعمال في عالم الشركات ليست سؤالاً جميلاً يمكن وضعه في مربع دردشة.

تنتشر المهام الحقيقية عبر المتصفح وExcel والبريد الإلكتروني ومستودعات الكود وERP وCRM وبرامج التصميم وقواعد البيانات الداخلية وأنظمة الموافقة. ولا تكمن قيمة الموظف فقط في "معرفة الإجابة"، بل في القدرة على نقل المعلومات بين عشرات الأنظمة، واتخاذ القرارات، وتعديل الملفات، ودفع العمليات، وأخيرًا إنجاز المهام.

طالما لا يستطيع الذكاء الاصطناعي تجاوز هذا الحد، فإنه لا يزال أداة معرفية أساسية.

بمجرد عبوره، يبدأ لأول مرة في الاقتراب من "القوى العاملة".

المنتج الأساسي الذي رسمه ألتمان لأسترا هو الوكلاء المستمرون — وكلاء يعملون باستمرار على المدى الطويل.

هذه الكلمة لا تبدو مثيرة مثل AGI، لكنها قد تكون أقرب إلى ما سيؤثر حقًا على قائمة أرباح وخسائر الشركات في السنوات القادمة.

قال العالم الرئيسي في OpenAI، جاكوب باشوكسي، لـ TIME إن Astra حققت معيار "متدرب بحث الذكاء الاصطناعي الآلي" الداخلي للشركة: أعطها فكرة تجربة، وستتمكن من الدخول إلى قاعدة كود OpenAI الخاصة بها لتنفيذ الحل، وتشغيل التجربة، وعودة النتائج؛ أعطها ورقة بحثية، وستتمكن من تنفيذ العمل التالي الذي كان قد يستغرق باحثًا بشريًا حوالي أسبوع.

ما زال هذا مجرد تقييم داخلي من OpenAI، دون التحقق من طرف ثالث مستقل، ولا يمكن استنتاجه ببساطة أن "أسترا قادرة بالفعل على استبدال الباحثين". لكن الإشارة التي أرسلتها كافية بوضوح: الوحدة التي تسعى إليها OpenAI تنتقل من الرموز والإجابات والحوار إلى مدة المهمة.

هذا الاتجاه ليس سردًا أنشأه OpenAI فجأة.

لقد حاولت جهة التقييم المستقلة METR على مدار السنوات الماضية قياس قدرة الوكلاء باستخدام "أفق زمني لإكمال المهمة": وليس السؤال عما إذا كان النموذج قادرًا على حل نوع معين من المسائل، بل مراقبة المدة التي يحتاجها لإنجاز المهمة بنسبة نجاح معينة، وهي المدة التي يتطلبها الخبراء البشريون لإكمالها.

لا تزال بيانات METR بعد التحديث لعام 2026 تُظهر اتجاهًا واضحًا جدًا للتحسين الأسي. على المدى الطويل، يضاعف وقت البرمجيات ومهام البحث للنماذج الرائدة تقريبًا كل 6 إلى 7 أشهر؛ وإذا نظرنا فقط إلى البيانات منذ عام 2023، فإن معدل النمو أسرع حتى. بحلول مايو من هذا العام، وصلت بعض أحدث النماذج المنشورة إلى قرب أو حتى تجاوز نطاق القياس الفعال البالغ حوالي 16 ساعة لمجموعات الاختبار الحالية، لدرجة أن METR حذرت بشكل خاص من أنه لا ينبغي تفسير البيانات التي تتجاوز هذا الطول بشكل مفرط.

هذا بالضبط يفسر سبب ظهور Astra.

عندما تزداد المهام التي يمكن للنموذج إكمالها بثبات من دقائق إلى ساعات، ثم من ساعات إلى يوم أو أكثر، سيتغير شكل المنتج بالتأكيد. لن تحتاج بعد الآن إلى البقاء بجانب نافذة الدردشة لتصحيحه، بل ستبدأ في تكليفه كزميل قائلًا: "احصل على تفاصيل هذه المشكلة، اختبر ثلاثة حلول، نظّم البيانات، وأعطني النتائج غدًا."

ما يُسمى بـ"الزميل الافتراضي"، فإن الحد الفاصل الحقيقي لم يكن أبدًا مدى قدرته على التحدث كإنسان.

لكن هل سيستمر في العمل بعد مغادرتك؟

هذا أيضًا أصغر معنى مالي لـ Astra يتم تقليله.

على مدار السنوات الثلاث الماضية، كان النموذج السائد لشراء الشركات للذكاء الاصطناعي التوليدي ما زال امتدادًا للنموذج التقليدي للبرمجيات كخدمة: إضافة مقعد ذكاء اصطناعي لكل موظف، ودفع بضعة عشرات من الدولارات إضافية شهريًا. هذا ينطبق على Microsoft Copilot، وإصدار ChatGPT للشركات، وعدد كبير من حلول الذكاء الاصطناعي كخدمة.

لكن بمجرد نضج الوكيل المستمر، ستبدو هذه المنطق التسعيري أكثر صعوبة.

لماذا؟

لأن الشركات لم تعد تشتري حق "استخدام الموظف للذكاء الاصطناعي"، بل قدرة الذكاء الاصطناعي نفسه على إنجاز المهام.

افترض أن فريقًا ماليًا كان يحتاج إلى 10 أشخاص لمعالجة تنظيم البيانات، ومسودات التقارير، والتحقق من الاستثناءات، وإدخال البيانات عبر الأنظمة المختلفة. قد تصبح المشكلة التي يواجهها المديرون في المستقبل ليست "هل أشتري Copilot واحدًا لكل من الأشخاص العشرة؟" بل "كم من حجم عمل Agent أحتاج لشرائه لإكمال هذه المهام؟"

في هذه المرحلة، لم يعد منافس الذكاء الاصطناعي هو ميزانية البرمجيات فقط.

إنه يبدأ في الدخول في ميزانية القوى العاملة.

بيانات مؤشر ستانفورد للذكاء الاصطناعي لعام 2026 قد أظهرت هذا التناقض. من ناحية، يستمر معدل اعتماد الذكاء الاصطناعي من قبل الشركات في الارتفاع بسرعة: في عام 2025، كانت 88% من المنظمات في الاستطلاع تستخدم الذكاء الاصطناعي على الأقل في مجال واحد، و70% تستخدم الذكاء الاصطناعي التوليدي؛ ومن ناحية أخرى، لا تزال نسبة الشركات التي نفذت فعليًا وكلاء في معظم الوظائف التجارية لا تتجاوز رقمًا واحدًا.

بعبارة أخرى، أصبح الناس مستعدين جدًا لـ"استخدام الذكاء الاصطناعي"، لكنهم لم يصبحوا مستعدين على نطاق واسع لـ"إسناد المهام إلى الذكاء الاصطناعي".

هذا هو الفجوة التي تحاول أسترا تجاوزها.

بمجرد تجاوز ذلك، لن يقتصر التأثير على الشركات التكنولوجية فقط. تُظهر إحصائيات ستانفورد أنه منذ عام 2024، انخفض التوظيف لدى مطوري البرمجيات في الولايات المتحدة الذين تتراوح أعمارهم بين 22 و25 عامًا بنسبة تقارب 20٪؛ في الوقت نفسه، يتوقع حوالي ثلث الشركات التي شملتها الاستطلاعات أن الذكاء الاصطناعي سيؤدي إلى تقليل عدد الموظفين خلال العام المقبل، بينما لا يزال سوق العمل العام بعيدًا عن ظهور بطالة شاملة بنفس الحجم.

هذا يشير إلى أن تأثير الذكاء الاصطناعي على سوق العمل من المرجح ألا يكون مفاجئًا مثل ضغط مفتاح رئيسي، بل يبدأ أولًا بتغيير الطلب الحدي على مداخل التوظيف، والوظائف المبتدئة، ووظائف المعرفة القياسية.

ولهذا السبب بالضبط، فإن مصطلح "متدرب أبحاث الذكاء الاصطناعي" يحمل دلالة دقيقة جدًا.

اليوم، قد تقوم أولاً بإنجاز تجارب تستغرق أسبوعًا ولكن أهدافها واضحة نسبيًا للمحللين؛ غدًا ستطلب الشركات: أين نموذج المحلل المالي الأولي؟ أين جمع المعلومات من قبل مستشاري الاستشارات؟ أين التطوير الروتيني للمبرمجين؟ أين التنفيذ عبر الأنظمة من قبل قسم التسويق؟

في الماضي، كنا نناقش دائمًا ما إذا كان الذكاء الاصطناعي سيستبدل مهنة ما.

عملية أكثر واقعية هي أن الذكاء الاصطناعي سيأخذ أولاً وحدات العمل في المهنة التي يمكن توحيدتها بسهولة، والتي يمكن التحقق منها بسهولة، والتي تستهلك الكثير من الوقت. لن تختفي الوظيفة فجأة في صباح يوم ما، لكن العمل الذي كان يتطلب سابقًا عشرة موظفين جدد في شركة ما، قد يصبح تدريجيًا مطلوبًا فقط من ستة أشخاص أو أربعة أشخاص، بالإضافة إلى مجموعة من الوكلاء.

ما يغيّر سوق العمل حقًا، عادةً ليس "أن الذكاء الاصطناعي فجأة يتقن كل شيء".

بل اكتشفت الشركات أنه يمكن تأجيل توظيف الموظف التالي.

إذا انتهى القصة هنا، فإن Astra مجرد منتج ذو خيال تجاري كبير.

المشكلة أن OpenAI أثبتت بنفسها أن الأمور ليست بهذه البساطة.

في 7 أغسطس، أعلنت OpenAI علنًا أنه وفقًا لأحدث التقييمات الداخلية، لم تعد الشركة قادرة على استبعاد وصول Astra إلى مستوى القدرة الأمنية السيبرانية "الحرج" في إطارات جاهزيتها.

هذا الحد الأدنى ليس "المقارنة النموذجية ستكتب الكود".

وفقًا لتعريف OpenAI الخاص، فإن المستوى الحرج يعني أن النموذج قد يبحث ويطور ثغرات صفرية بدرجات خطورة مختلفة في أنظمة حيوية مُعزَّزة بشكل كبير، دون تدخل بشري، أو يصمم وينفّذ تلقائيًا استراتيجيات هجوم جديدة من طرف إلى طرف مستهدفة لأهداف مُعزَّزة بناءً على هدف علوي واحد فقط.

تؤكد OpenAI أن هذا المستوى لا يُستبعد حاليًا فقط، وليس قد تم التأكيد نهائيًا أن Astra تمتلك جميع القدرات المذكورة أعلاه؛ كما أن Astra غير مرتبطة بأي حال بحادثة الأمان السابقة التي شملت OpenAI وHugging Face.

لكن رد فعل الشركة كافٍ للدلالة على الأمر.

عززت OpenAI العزل الشبكي، والصناديق الرملية، وحماية أوزان النموذج، والرصد الكامل للعملية، وعلقت أنشطة Astra التي لا تستوفي معايير الأمان الجديدة. وفي 18 أغسطس، كشفت الشركة عن مزيد من التفاصيل، موضحة أن تدريب التعلم المعزز لأحدث نموذج مُخطط لنشره تم تعليقه لمدة أسبوعين لتعزيز البيئة وتوسيع نطاق المراقبة، وأن أكبر تدريبات RL متقدمة لا تزال معلقة، كما لم تُستأنف بعد كم كبير من أعمال التدريب والتقييم المتعلقة بـ Astra.

حتى الأمن نفسه بدأ يصبح نفقة حسابية باهظة.

تشير OpenAI إلى أن نظام المراقبة هذا قد يستهلك حاليًا حوالي 20% من قوة الحوسبة الإضافية مقارنة بكمية الحوسبة المستخدمة في الاستدلالات المراقبة.

هذه الأرقام تستحق أن تتذكرها الأسواق المالية.

قصة صناعة الذكاء الاصطناعي على مدار السنوات القليلة الماضية كانت دائمًا: كلما أصبح النموذج أقوى، زادت قيمته التجارية، وبالتالي كان يستحق استثمار المزيد من وحدات معالجة الرسوميات ومراكز البيانات والطاقة. لكن أسترا بدأت تُظهر منحنى تكلفة مختلفًا — كلما أصبح النموذج أقوى، لم تعد تكاليف التدريب فقط تزداد، بل也开始 استهلاك الحوسبة من قبل الأمان، والعزل، والمراقبة، والحوكمة.

هذا يعني أن نموذج الاقتصاد للذكاء الاصطناعي من الجيل التالي لا يمكنه حساب "السعر لكل مليون رمز" فقط.

يجب أيضًا حساب مخاطر فقدان السيطرة، والزائد الأمني، وموافقة الإنسان، وعزل الصلاحيات، والخسائر الحقيقية الناتجة عن الأخطاء.

خطأ في نموذج يكتب البريد الإلكتروني لك قد يؤدي فقط إلى الإحراج.

خطأ في عامل يمتلك ذاكرة طويلة الأمد، وقدرة على تنفيذ التعليمات البرمجية، ووصول إلى الإنترنت، ويمكنه التشغيل الذاتي لأنظمة الشركات لساعات عديدة، يكون مختلفًا تمامًا من حيث الطبيعة.

كلما اقتربت القدرة من "الموظف"، يجب أن يكون إدارة الصلاحيات أقرب إلى "الموظف"; وعندما تتجاوز القدرة الموظف العادي، يجب أن تكون متطلبات الأمان حتى أعلى من الموظف.

لذلك، المكان الحقيقي الذي تتحدى فيه أسترا OpenAI قد لا يكون "هل يمكنها صنعه أم لا".

بل هل يمكن تحويل نظام كهذا إلى منتج تجرؤ الشركات على إدراجه في بيئة الإنتاج؟

أبعد ما قاله ألتمان في العرض التمهيدي المغلق كان توقعه أن أسترا قد تصبح أول نموذج قادر على "اختراع أشياء جديدة بطرق مهمة حقًا"، ووصف هذه القدرة بأنها "شيء شبيه جدًا بالذكاء العام الاصطناعي".

This sentence certainly has a strong Altman style.

لا توجد أي أدلة عامة اليوم تثبت أن أسترا قد أنشأت بشكل مستقر معرفة علمية جديدة مهمة خضعت للمراجعة من قبل الزملاء، كما أن OpenAI لم تُنشر نتائج اختبارات خارجية كافية بعد. لذلك، فإن وصف أسترا مباشرةً بأنها "لقد حان AGI" لا أساس له من الصحة ولا داعي له.

لكن لماذا شدّد ألتمن على "اكتشاف معرفة جديدة" يُستحق دراسة جادة.

لأن هذا هو المكان الحقيقي الذي قد يحدث فيه تغيير أسّي في صناعة الذكاء الاصطناعي.

إذا كان الذكاء الاصطناعي يساعد البشر فقط على تحسين كفاءة كتابة الكود، وإجراء التصاميم، وتحليل الملفات، فإن الصناعة بأكملها، حتى لو كانت متطرفة، لا تزال ثورة في أدوات الإنتاجية. يمكنه تحسين الكفاءة الاقتصادية بشكل كبير، لكنه لا يزال يعتمد بشكل أساسي على البشر لاتخاذ قرارات حول ما الذي يجب دراسته التالي، وكيفية تصميم التجارب، وكيفية إنشاء التقنيات من الجيل التالي.

إذا استطاع الذكاء الاصطناعي المشاركة في بحث الذكاء الاصطناعي نفسه، فسيتغير المنطق.

يمكن لوكيل قادر على قراءة الأوراق البحثية، واقتراح خطط تجريبية، وتعديل مكتبات كود كبيرة، وتشغيل التجارب بنفسه وتحليل النتائج، حتى لو وصل فقط إلى مستوى متدرب بحثي ممتاز، أن يوسع من القدرة البحثية الفعالة لمختبر رائد.

اليوم، يمكن لـ 100 باحث أن يُشغلوا ربما 500 عامل؛ في المستقبل، قد لا يعتمد عدد التجارب التي يمكن لكل باحث المضي قدمًا فيها يوميًا على 24 ساعة في اليوم، بل أكثر على القوة الحاسوبية وتكلفة التجارب وقدرة التحقق.

وهكذا، أصبح مفهوم كان مجردًا في الماضي — "مساعدة الذكاء الاصطناعي على تطوير ذكاء اصطناعي أفضل" — أكثر واقعية.

هذا هو الأمر الأكثر أهمية الذي يجب الانتباه إليه في أسترا، وأيضًا المكان الذي يجب التحلي بالاعتدال فيه.

لأنه لا يزال هناك فجوة هائلة بين "إكمال تجارب تم تصميمها من قبل آخرين" و"اقتراح اتجاهات بحثية جديدة ذات قيمة بشكل نشط"، وهي فجوة أكبر بين "توليد فكرة جديدة تبدو معقولة" و"إنتاج معرفة جديدة قابلة للتكرار والتحقق وتدفع حقًا تقدم العلم".

يمكن لـ 16 عميلًا العمل في نفس الوقت، لكن هذا لا يعني ابتكارًا بـ 16 ضعفًا.

تشغيل عشرة آلاف تجربة يوميًا لا يعني بالضرورة تحقيق اختراق واحد.

العلم لا ينقصه الافتراضات، بل النادر حقًا هو معرفة أي أسئلة تستحق الطرح، وما النتائج التي تهم حقًا.

لا يمكن لأحد أن يستنتج من عرض داخلي واحد ما إذا كانت أسترا عبرت هذه الخطوة.

لذلك، من السابق لأوانه الآن مناقشة ما إذا كانت Astra AGI أم لا.

تعريف مصطلح AGI غامض للغاية. التعريف الذي استخدمته OpenAI لفترة طويلة هو نظام عالي التحكم الذاتي قادر على تجاوز الإنسان في معظم المهام ذات القيمة الاقتصادية؛ بينما لدى مختبرات أخرى وعلماء وجمهور معايير مختلفة تمامًا لتقييمه.

بدلاً من الجدل حول تسمية، راقب ثلاثة أسئلة أكثر تحديدًا.

أولاً، ما مدى استمرارية المهام التي يمكن لـ Astra تحملها بشكل مستقل، وما هي نسبة موثوقيتها؟

ثانيًا، عندما يدخل بيئة إنتاج المؤسسة، كم من الوقت سيحتاج البشر للتحقق من الأخطاء وتصحيحها؟ إذا كان وكيل واحد يعمل لصالحك لمدة ثماني ساعات، لكنه يتطلب من المهندسين قضاء ثلاث ساعات إضافية للتحقق، فإن زيادة إنتاجيته الحقيقية ستكون شيئًا مختلفًا تمامًا عما يظهر في الفيديوهات التوضيحية.

ثالثًا، والأهم من ذلك: هل يمكنه دفع البحث الآلي من "تنفيذ التجارب" إلى "اكتشاف معرفة جديدة ذات قيمة حقيقية"؟

السؤالان الأولان يحددان ما إذا كانت أسترا عملًا ضخمًا.

السؤال الثالث هو ما يحدد ما إذا كان نقطة تحول في عصر ما.

من هذا المنظور، فإن جدار النباتات الأخضر الذي دُفع إلى مدخل MB0 يحمل دلالة رمزية. من جهة، هناك عشرات من كبار مديري العملاء الذين يشاهدون لأول مرة عوامل رقمية قد تعمل لصالحهم على المدى الطويل؛ ومن جهة أخرى، هناك محتجون يطالبون الصناعة بأكملها بوقف سباق الذكاء الاصطناعي. إن تقييم الطرفين للمستقبل مختلف تمامًا، لكنهما يعترفان في الواقع بنفس الشيء: أن هذه التقنية تكتسب قوة أكبر مما كانت عليه في الماضي.

لم يتم إصدار Astra للجمهور بعد، وقد تم اختبار قدراتها الداخلية بشكل محدود جدًا من الخارج. قد تواجه تأخيرًا، وقد تكشف عن عدد كبير من مشكلات الموثوقية في البيئات الحقيقية، وقد لا تصل في النهاية إلى المستوى الذي وصفه Altman من حيث AGI.

يجب الاحتفاظ بجميع هذه الاحتمالات.

لكن نقطة واحدة أصبحت أكثر وضوحًا.

في المرحلة السابقة من المنافسة في النماذج الكبيرة، كان المهم هو من يستطيع الإجابة بدقة على الأسئلة التي يعرفها العالم بالفعل؛ أما المرحلة التالية التي تمثلها Astra، فتبدأ في طرح سؤال من يستطيع اتخاذ إجراءات مستمرة، وإكمال مهام معقدة بشكل مستقل، ويساعد في النهاية البشرية على استكشاف الأسئلة التي لا يزال العالم لا يعرف إجاباتها.

من روبوت المحادثة إلى الزميل الافتراضي، تفصل أربع جدران عالية: الموثوقية، والأمان، والتكلفة، وثقة المنظمة.

ما يركّز عليه OpenAI حقًا الآن هو أن تتمكن Astra من تجاوز كل عقبة واحدة تلو الأخرى.

لكن إذا حدث ذلك حقًا، فعندما ينظر الناس إلى الوراء في عام 2026، ربما لن يكون المهم حقًا كم نقطة تقدم نموذج واحد على排行榜.

بل إن الآلة بدأت لأول مرة في اكتساب قدرة كانت تُعد سابقًا حكرًا على الإنسان: تلقي مهمة، ثم تنفذها بنفسها دون توقف.

1. أليكس هيث، "داخل إعادة تشغيل OpenAI"، TIME، 26 أغسطس 2026 (مُعاد نشره من قبل 雅虎科技). (雅虎科技)
2. OpenAI، "الرد على الحدود التالية للقدرات السيبرانية الحرجة"، 7 أغسطس 2026. (OpenAI)
3. OpenAI، "التحكم في تطوير النموذج في عصر القدرات الحاسمة سيبرانيًا"، 18 أغسطس 2026. (OpenAI)
4. كات زاكروفسكي، إيان دانكان، رايلي بيجين، "سام ألتمان يسعى لجذب واشنطن بينما تدفع OpenAI ذكاءً اصطناعيًا جديدًا قويًا"، واشنطن بوست، 2026年7月31日。(The Washington Post)
5. معهد ستانفورد للذكاء الاصطناعي المركّز على الإنسان، تقرير مؤشر الذكاء الاصطناعي 2026 — الاقتصاد، 2026年。(ستانفوردHAI)
6. METR، "آفاق زمنية لإكمال المهام لنماذج الذكاء الاصطناعي المتقدمة"، آخر تحديث في 8 مايو 2026. (METR)
7. METR، "Time Horizon 1.1"، 29 يناير 2026. (METR)
8. أوقف سباق الذكاء الاصطناعي، "احتل OpenAI / أوقف سباق الذكاء الاصطناعي"، 2026年。(stoptherace.ai)