لماذا توقّفت عن الوثوق بالذكاء الاصطناعي وبدأت أبني حَكَمًا مُثبِتًا بدلًا منه
وصلت الرسالة الإلكترونية في الساعة 11:47 مساءً من يوم ثلاثاء. كانت إحدى شركات تصنيع البطاريات التي كنا نتحدث معها قد سحبت للتو شحنة من الخلايا من خط الإنتاج. لا لأنها رسبت في اختبار — بل لأن أداة فرز المواد المدعومة بالذكاء الاصطناعي لديها قد أجازت إلكتروليتًا مرشّحًا تبيّن، حين أجرى كيميائي بشري الحسابات في النهاية، أنه غير مستقر ديناميكيًا حراريًا فوق 150°م. كانت المادة ستتحلل داخل حزمة البطارية. وكان التحلل سيُطلق حرارة. وكانت الحرارة ستُشعل ما تسمّيه الصناعة تلطّفًا بـ"الانفلات الحراري" — وما نسمّيه نحن البقية حريقًا.
لم يُصَب أحد بأذى. لكنني جلست إلى مكتبي أحدّق في تلك الرسالة وأفكّر في كلمة "معقول". لم يكن الذكاء الاصطناعي مخطئًا بأي شكل واضح. بدت البنية الجزيئية التي أوصى بها منطقية. وكانت طاقة التكوين التي تنبّأ بها ضمن النطاق الصحيح تقريبًا. لقد كان معقولًا لكنه لم يكن صحيحًا.
هذا التمييز — بين المعقول والصحيح — هو خط الصدع الممتد عبر صناعة الذكاء الاصطناعي بأكملها في الوقت الراهن. وهو السبب في أنني بنيت VeriPrajna.
اقتصاد الأغلفة يعاني مشكلة في الحقيقة
إليك ما لا يدركه معظم الناس بشأن الموجة الحالية من منتجات الذكاء الاصطناعي: الغالبية العظمى منها ليست سوى طبقات واجهة رقيقة — "أغلفة" — تجلس فوق نماذج لغوية كبيرة عامة الأغراض. يتنبّأ النموذج اللغوي الكبير بالرمز (token) الأرجح التالي. والغلاف يجعله يبدو كأنه تطبيق. يفترض المستخدم أنه يحصل على إجابات. لكنه يحصل على احتمالات.
بالنسبة لكتابة النصوص التسويقية أو تلخيص محاضر الاجتماعات، هذا جيد. الاحتمالات كافية بما يكفي. لكن الشركات التي أعمل معها لا تملك ترف "الاكتفاء بما يكفي". فهي تصنع بطاريات تدخل في المركبات الكهربائية. وتنتج محتوى صوتيًا يُبثّ عالميًا. بالنسبة لها، فإن إجابة معقولة بنسبة 99% لكنها مستحيلة فيزيائيًا بنسبة 1% ليست خطأ تقريب. إنها حدث حراري أو دعوى قضائية تتعلق بحقوق النشر.
حين يكون ذكاؤك الاصطناعي مسؤولًا عن شيء قد يشتعل أو يعرّضك للمقاضاة، فإن "المرجّح إحصائيًا" لا يعني "الصحيح".
بدأت أسمّي هذا انقسام الذكاء الاصطناعي. على جانب، اقتصاد الأغلفة — سريع، سهل المنال، مبنيّ على التنبؤ العشوائي. وعلى الجانب الآخر، ما نفعله في VeriPrajna: الذكاء الاصطناعي العميق، حيث يُتحقَّق من كل مُخرَج مقابل قواعد ثابتة قبل أن يراه أي إنسان. الفيزياء. المنطق. المصدر والأصل. تلك الأشياء التي لا تأبه بتوزيع بيانات تدريبك.
ماذا يحدث حين يتنبّأ الذكاء الاصطناعي بكيمياء لا يفهمها؟
دعني أوضّح هذا بمثال ملموس عبر مشكلة البطارية، لأنها تطاردني.
تفشل بطاريات الليثيوم-أيون عبر تسلسل حتمي من التحللات الكيميائية. يبدأ الأمر عند نحو 80–100°م حين تتحلل الطبقة الواقية على القطب السالب — المسمّاة الطور البيني الصلب للإلكتروليت (Solid Electrolyte Interphase). وعند 110–135°م، ينصهر الفاصل ويبدأ الإلكتروليت في التفكك إلى غازات قابلة للاشتعال. وفوق 200°م، ينهار القطب الموجب ويُطلق الأكسجين، فيحدث الاحتراق.
الإلكتروليت هو المتغيّر الحاسم. الإلكتروليتات السائلة التقليدية — وهي عادة سداسي فلورو فوسفات الليثيوم المذاب في مذيبات كربونية — غير مستقرة كيميائيًا عند درجات الحرارة المرتفعة. إنها حرفيًا مصدر الوقود في حدث الاحتراق. لمنع الانفلات الحراري، خاصة في التطبيقات عالية الجهد أو عالية الحرارة، نحتاج إلى إلكتروليتات ذات طاقات تحلل تبقيها مستقرة إلى ما هو أبعد بكثير من عتبة الـ200°م تلك.
المشكلة هي إيجادها. يحتوي الفضاء الكيميائي للبلورات غير العضوية الممكنة على ما يُقدَّر بـ10^100 تركيبة. طوال عقود، استكشف علماء المواد هذا الفضاء بالطريقة التي اختبر بها إديسون الشعيرات: افتراض بنية، وتصنيعها في المختبر، واختبارها، وانتظار النتائج أشهرًا. والحدس البشري يحيزنا نحو تعديلات على العائلات المعروفة — العقيق (garnets)، والبيروفسكيت (perovskites) — بدلًا من المغامرة في أرض تركيبية جديدة حقًا.
لذا لجأت الصناعة إلى الذكاء الاصطناعي. وهذا منطقي. لكن هنا حدث الخطأ لدى فرق كثيرة: وجّهوا نموذجًا لغويًا كبيرًا نحو المشكلة. نموذج لغوي كبير "قرأ" ملايين الأوراق البحثية الكيميائية كان بإمكانه التنبؤ بالبنى الجزيئية — لكنه يتنبّأ بـرموز (tokens)، لا بكثافات الإلكترونات. ليس لديه أي مفهوم لقواعد التكافؤ، ولا فهم للقوى الميكانيكية الكمّية. يمكنه أن يهلوس ببنية بلورية تبدو صحيحة على الورق لكنها تنتهك قوانين الفيزياء بطرق لا تظهر إلا حين تحاول بناءها.
هذا ما حدث مع تلك الرسالة الإلكترونية في وقت متأخر من الليل. اقترح الذكاء الاصطناعي مرشّحًا. كان المرشّح معقولًا. لكنه لم يكن حقيقيًا.
معمارية الحَكَم المُثبِت (Oracle): كيف نحلّ هذا فعليًا
بعد تلك الحادثة، أجريتُ أنا وفريقي محادثة طويلة وغير مريحة حول ما نبنيه حقًا. هل كنا نبني ذكاءً اصطناعيًا يولّد الإجابات؟ أم ذكاءً اصطناعيًا يكتشف الحقيقة؟
اخترنا الحقيقة. والحقيقة تتطلّب حَكَمًا مُثبِتًا.
تجمع معماريتنا لاكتشاف المواد بين GNoME من Google DeepMind — أي شبكات الرسوم البيانية لاستكشاف المواد (Graph Networks for Materials Exploration) — والتحقق الصارم بنظرية الكثافة الدالية (Density Functional Theory). والفكرة الجوهرية هي: نحن لا نستخدم الذكاء الاصطناعي كي يُجيب عن السؤال. بل نستخدم الذكاء الاصطناعي كي يقترح مرشحات من فضاء بحث شاسع، ثم نتحقق من كل واحدة منها مقابل قوانين الفيزياء قبل أن تذهب إلى أي مكان.
يعامل GNoME البنى البلورية بوصفها رسومًا بيانية — الذرات عُقَد، والروابط الكيميائية حواف. وخلافًا لنموذج لغوي كبير يعالج نصًا خطيًا، يفهم GNoME الهندسة الثلاثية الأبعاد والطوبولوجيا. وهو مبنيّ ليكون ما يسمّيه الفيزيائيون E(3)-equivariant (متساوي التغاير)، بمعنى أن تنبؤاته لا تتغيّر إذا أدرت البلورة في الفضاء. هذه ليست ميزة تُضاف لاحقًا. إنها قيد رياضي مغروس في المعمارية. النموذج لا يستطيع أن ينتهك التماثل الدوراني.
لكن حتى GNoME احتمالي. فهو يتنبّأ بطاقات التكوين — الطاقة اللازمة لتجميع بلورة من عناصرها — لكن تلك التنبؤات تحمل قدرًا من عدم اليقين. قد تبدو بلورة مستقرة بالنسبة للشبكة العصبية ومع ذلك تكون غير قادرة على المنافسة ديناميكيًا حراريًا مقابل أطوار ممكنة أخرى.
لذا بنينا طبقة الحَكَم المُثبِت.
لماذا يهمّ التحقق بواسطة DFT لسلامة البطاريات؟
نظرية الكثافة الدالية (Density Functional Theory) هي طريقة ميكانيكية كمّية تقارب حلّ معادلة شرودنغر. تحسب كثافة الإلكترونات والطاقة الكلية بدقة عالية. وهي مكلفة حسابيًا — قد يستغرق حساب واحد مئات من ساعات المعالج — لكنها لا تهلوس. إنها تحلّ معادلات. والجواب إما صحيح أو أنه خطأ عددي يمكنك تحديد مقداره وحصره.
نتّبع استراتيجية تحقّق متدرّجة. تتولّى حقول القوى القائمة على تعلّم الآلة الاسترخاء الهندسي الأولي — بترشيح المرشحات المكسورة على نحو بديهي. ثم تُجري حسابات على مستوى PBE فرزًا عالي الإنتاجية. أما الناجون فيُتحقَّق منهم بـr²SCAN، وهي دالة meta-GGA تتنبّأ بدقة بثوابت الشبكة البلورية وطاقات التكوين للأنظمة قوية الترابط. وتحصل المعادن الانتقالية على تصحيح Hubbard U إضافي للتعامل مع أخطاء التفاعل الذاتي في المدارات d.
أدرك أنني للتو أغرقتك بكثير من المصطلحات الفيزيائية. لكن الفكرة أبسط من التفاصيل: لدينا طبقات متعددة من المحاكاة الفيزيائية المتزايدة التكلفة والدقة، وكل مرشّح يجب أن ينجو منها جميعًا قبل أن نوصي به يومًا لبطارية.
المقياس الأهم هو ما نسمّيه "المسافة إلى الغلاف" (Distance to Hull). تخيّل رسم كل مادة ممكنة في فضاء تركيبي معيّن على مخطط — التركيب على محور، والطاقة على الآخر. تُشكّل المواد المستقرة حدًا سفليًا، "غلافًا محدَّبًا" (convex hull). وأي شيء فوق ذلك الغلاف سيتحلل تلقائيًا إلى المواد الموجودة عليه. المادة ذات المسافة صفر إلى الغلاف هي الحالة الأرضية الديناميكية الحرارية. أما المادة ذات المسافة الأكبر من 100 meV/ذرة فمن شبه المؤكد أنها ستتفكك — وفي البطارية، التفكك يعني إطلاق حرارة.
الغلاف المحدَّب لا يأبه بدرجة ثقة شبكتك العصبية. المادة إما أن تكون مستقرة ديناميكيًا حراريًا أو لا تكون.
دولاب الموازنة الذي يزداد ذكاءً بين عشية وضحاها
ما يجعل هذا أكثر من مجرد خط أنابيب أحادي الطلقة هو حلقة التعلّم النشط. يولّد GNoME آلاف البنى المرشّحة. نختار تلك التي يعتقد النموذج أنها الأكثر وعدًا و تلك التي يكون فيها الأكثر عدم يقين — الاستغلال والاستكشاف في آنٍ واحد. تذهب هذه إلى عنقود DFT. تعود الطاقات الحقيقية وتُغذَّى في مجموعة تدريب GNoME. يُعاد تدريب النموذج. وتُصحَّح فيزياؤه الداخلية.
أتذكّر أول مرة شاهدنا فيها معدل الإصابة يتسلّق — أي نسبة المواد التي اقترحها الذكاء الاصطناعي وتبيّن فعلًا أنها مستقرة بعد التحقق بـDFT. البحث العشوائي التقليدي يقبع تحت 1%. وتعلّم الآلة القياسي يوصلك إلى نحو 50% ربما. وبعد عدة دورات من التعلّم النشط، كان خط أنابيبنا المدفوع بـGNoME يتجاوز 80%.
نظر شريكي المؤسّس إلى لوحة المعلومات وقال: "إنه لم يعد يخمّن. إنه يتعلّم الاستقرار — ما الذي يعنيه." تلك كانت اللحظة التي عرفت فيها أننا نملك شيئًا. ليس لأن الرقم كان مبهرًا بمعزل عن سياقه، بل لأن النظام كان يتقارب نحو الواقع الفيزيائي عبر التكرار، لا عبر الحفظ.
كتبت عن هذه المعمارية بمزيد من العمق في النسخة التفاعلية من بحثنا، إن كنت تريد رؤية سير العمل الكامل.
النوع الآخر من الانفجار: حقوق النشر في الصوت التوليدي
والآن دعني أحدّثك عن مجال مختلف تمامًا حيث أنقذتنا الفلسفة المعمارية نفسها — الاقتراح ثم التحقق — من نوع مختلف من الكوارث.
تواصلت معنا شركة إعلامية بشأن توليد محتوى صوتي على نطاق واسع. كانت تملك مكتبة ضخمة من الموسيقى والتسجيلات الصوتية المرخّصة. أرادت استخدام الذكاء الاصطناعي لإنشاء محتوى جديد من هذه المكتبة — تعليقات صوتية مُوطّنة، ومقطوعات موسيقية مُعاد مزجها، وما شابه ذلك. وكانت قد جرّبت أدوات صوتية توليدية جاهزة.
طرحت سؤالًا واحدًا: "هل يمكنك أن تُثبت، لأي مُخرَج بعينه، أي المصادر المرخّصة بالضبط أسهمت فيه؟"
صمت.
هذه هي مشكلة الصندوق الأسود في الوسائط التوليدية. نماذج الانتشار (Diffusion models) — المعمارية وراء معظم مولّدات الصوت والصور بالذكاء الاصطناعي — تُدرَّب على مجموعات بيانات ضخمة مُنتزَعة من الإنترنت. وحين تولّد مُخرَجًا، تجتاز فضاءً كامنًا عالي الأبعاد لتخليق شيء جديد. والمُخرَج مزيج رياضي من بيانات التدريب. لا يمكنك تتبّع أي أمثلة التدريب أثّرت في أي أجزاء من النتيجة.
بالنسبة لمستهلك يعبث بأدوات الموسيقى بالذكاء الاصطناعي، هذا مجرد فضول. أما بالنسبة لشركة إعلامية عالمية، فهو خطر قانوني وجودي. فإذا احتوى مقطع صوتي مولَّد على حلقة من أربع مقاطيع مطابقة لأغنية محمية بحقوق النشر، فإن الشركة مسؤولة عن الانتهاك — حتى لو لم يقصده أحد. والمحاكم تتقاضى بنشاط حول ما إذا كان التدريب على بيانات محمية بحقوق النشر يُعدّ استخدامًا عادلًا (Andersen v. Stability AI، New York Times v. OpenAI). فأي مؤسسة يعتمد خط إنتاج محتواها على هذه الأدوات قد تستيقظ صباح يوم لتجد مكتبة أصولها بأكملها ملوّثة قانونيًا.
الشركة الإعلامية التي لا تستطيع إثبات مصدر محتواها المولَّد بالذكاء الاصطناعي تبني على رمال — رمال قانونية تتحرّك في كل مرة تُصدر فيها محكمة حكمًا.
كيف تبني صوتًا بالذكاء الاصطناعي قادرًا على إثبات براءته؟
رفضنا نموذج "التوليد من الضوضاء" رفضًا تامًا. وبدلًا من ذلك، بنينا ما أعتبره توليدًا معزَّزًا بالاسترجاع (Retrieval-Augmented Generation) للصوت — النقلة المفاهيمية نفسها التي جلبها RAG إلى النص، لكن مطبَّقة على الصوت.
يتألف خط الأنابيب من طورين: التفكيك وإعادة البناء.
للتفكيك، نستخدم Hybrid Transformer Demucs — وهو نموذج لفصل المصدر يأخذ صوتًا مختلطًا ويعزله إلى مقاطع صوتية مفردة: الأصوات الغنائية، والطبول، والباص، والآلات الأخرى. المعمارية عبارة عن U-Net بوصلات تخطّي (تحافظ على التفاصيل عالية التردد التي كانت ستضيع لولا ذلك في الضغط) ومُرمِّز Transformer عند عنق الزجاجة يستخدم الانتباه الذاتي لتحليل التسلسل الصوتي بأكمله. يعالج الصوت في آنٍ واحد في مجال الزمن ومجال التردد، مازجًا المعلومات من كليهما.
شغّلنا Demucs عبر أرشيف العميل المرخّص بأكمله. آلاف الساعات من الصوت المختلط، مفصولة إلى مقاطع صوتية نظيفة ومعزولة، كلٌّ منها موسوم ومفهرَس حسب السمات الصوتية — الجَرْس، ودرجة الصوت، والإيقاع. حوّلنا فهرسهم القديم من مجموعة أغانٍ مكتملة إلى مكتبة ضخمة من اللبنات الأساسية.
لإعادة البناء — وتحديدًا للمحتوى الصوتي الكلامي — نستخدم تحويل الصوت القائم على الاسترجاع (Retrieval-Based Voice Conversion). وهذا مختلف اختلافًا جوهريًا عن تحويل النص إلى كلام أو توليد الصوت القائم على الانتشار. فـRVC يعمل من كلام إلى كلام: يأخذ تسجيلًا مُدخَلًا (لنقل، مدير إبداعي يقرأ نصًا على هاتفه) ويحوّل الجَرْس ليطابق صوتًا هدفًا مرخّصًا، مع الحفاظ على نبرة الأداء الأصلي وإيقاعه.
الآلية الحاسمة تكمن في الاسم: الاسترجاع. نستخدم HuBERT لاستخراج سمات محتوى مستقلة عن المتحدّث من المُدخَل. ثم، لكل إطار، نستعلم فهرس FAISS من متجهات السمات المشتقّة من تسجيلات الممثل الصوتي المرخّص. نحن نسترجع أقرب التفاصيل الصوتية تطابقًا — النَفَسية، والرنين، والجودة الصوتية المحدّدة — من تسجيلات مُصرَّح بها فعلية. يبدو المُخرَج كالصوت الهدف لأننا سحبنا نقاط بيانات محدّدة من فهرسهم المرخّص، لا لأن شبكة عصبية اختلقت تقريبًا.
لا يمكنني المبالغة في مدى أهمية هذا قانونيًا. في نموذج التزييف العميق (deepfake)، يعيش الصوت الهدف بوصفه أوزان شبكة عصبية غامضة. أما في نظامنا، فكل تفصيل صوتي يعود إلى تسجيل مرخّص محدّد ومختوم بطابع زمني. وسلسلة الملكية غير منقطعة.
الأوراق الثبوتية التي ترافق الصوت
توليد صوت نظيف المصدر ضروري لكنه غير كافٍ. فالأصل يحتاج إلى حمل دليله الخاص. نطبّق معيار C2PA — ائتلاف مصدر المحتوى وأصالته (Coalition for Content Provenance and Authenticity) — الذي يُضمّن بيانات مصدر تكشف العبث مباشرة داخل ملفات الوسائط باستخدام تشفير المفتاح العام.
كل ملف صوتي نولّده يُشحن مع بيان موقَّع: تجزئة مسار التوجيه المُدخَل، ومعرّف نموذج الصوت المرخّص، والتسلسل الكامل لإجراءات المعالجة، وإصدار الأداة. وأي مستخدم لاحق — منصة بث، أو جهة إذاعية — يمكنه التحقق من التوقيع وتأكيد أن الأصل بُني بالكامل من مصادر مُصرَّح بها.
كما كيّفنا مؤشر التشابه البنيوي (Structural Similarity Index) للتحكم في جودة الصوت. فبمقارنة المخططات الطيفية للتوجيه المُدخَل والمُخرَج، نلتقط الحالات التي شوّه فيها الذكاء الاصطناعي الأداء — تخطّى كلمة، أو غيّر الإيقاع، أو هلوس بوقفة. وأي شيء دون عتبة 0.95 من SSIM يُوسم للمراجعة البشرية تلقائيًا.
للاطّلاع على التفصيل التقني الكامل لكلٍّ من معماريتي المواد والصوت، انظر ورقتنا البحثية.
ماذا عن مجرد استخدام مطالبات أفضل؟
يعترض الناس على هذا النهج. يقولون لي إننا نبالغ في هندسة المشكلة. "فقط استخدم نموذجًا أفضل." "فقط اضبط النموذج على بيانات مجالك." "فقط أضف إخلاء مسؤولية."
قال لي أحد المستثمرين بصراحة تامة: "فقط استخدم GPT مع مطالبة نظام جيدة ووفّر على نفسك تكلفة البنية التحتية." سألته إن كان سيضع عائلته في مركبة كهربائية اختارت مطالبة نظام إلكتروليت بطاريتها. فغيّر الموضوع.
الاعتراض الأعمق يتعلق بالتكلفة والتعقيد. نعم، تشغيل حسابات DFT على عنقود حوسبة عالية الأداء أكثر كلفة من استدعاء واجهة برمجة تطبيقات. ونعم، بناء قاعدة بيانات مقاطع مفهرسة بـFAISS مع توقيع C2PA أصعب من توجيه نموذج انتشار نحو مطالبة نصية. لكن السؤال ليس ما إذا كان التحقق الحتمي أكثر كلفة من التوليد الاحتمالي. السؤال هو ما إذا كان أكثر كلفة من سحب البطاريات. أو من دعوى حقوق نشر تُبطل مكتبة محتواك بأكملها.
ويسأل آخرون ما إذا كان هذا النهج قابلًا للتوسّع. إنه كذلك — ولهذا وُجد دولاب موازنة التعلّم النشط. يزداد النظام كفاءة مع كل دورة. يتسلّق معدل الإصابة. وتنخفض التكلفة لكل مرشّح مُتحقَّق منه. وتنمو قاعدة بيانات المقاطع. أنت لا تحلّ مشكلة اليوم فحسب؛ بل تبني محرّكًا يتراكم أثره.
نهاية سياحة الذكاء الاصطناعي
أعتقد أننا عند نقطة انعطاف. فحقبة التجريب بالذكاء الاصطناعي — روبوتات محادثة في الردهة، ومساعدون آليون في الشريط الجانبي، وأغلفة على كل شيء — تقترب من نهايتها. لا لأن تلك الأدوات غير مفيدة، بل لأن المؤسسات الأكثر أهمية تحاول الآن وضع الذكاء الاصطناعي في صميم عملياتها. في مختبر البحث والتطوير. في استوديو الإنتاج. في الأنظمة التي يُقاس فيها الفشل بأحداث حرارية ودعاوى قضائية، لا باستجابات روبوت محادثة محرجة.
في تلك البيئات، تسامح الهلوسة صفر. ليس منخفضًا. صفر.
المعمارية التي بنيناها في VeriPrajna — للبطاريات، وللصوت، ولكل مجال تكون فيه الحقيقة غير قابلة للتفاوض — ترتكز على مبدأ واحد: يجب أن تكون القوة التوليدية للشبكة العصبية خاضعة خضوعًا صارمًا للقوة المُتحقِّقة للحَكَم المُثبِت. الذكاء الاصطناعي يقترح. والفيزياء تقرّر. الذكاء الاصطناعي يجمّع. والمصدر يُثبت. القدرة الإبداعية لهذه النماذج استثنائية. لكن الإبداع بلا مساءلة ليس سوى تخمين متطوّر.
بالنسبة لمُصنّع البطاريات، الهلوسة حريق. وبالنسبة للشركة الإعلامية، الهلوسة دعوى قضائية. والمعمارية الوحيدة القابلة للتطبيق تقيّد التوليد بالتحقق — في كل مرة، دون استثناء.
لا أعتقد أن مستقبل الذكاء الاصطناعي ملك للنماذج التي تولّد أكثر المُخرَجات إقناعًا. أعتقد أنه ملك للأنظمة القادرة على أن تُثبت أن مُخرَجاتها صحيحة. القيود لا تحدّ من الذكاء. بل تصنع الواقع.