باختصار: ثلاث من أكثر الشخصيات تأثيراً في مجال الذكاء الاصطناعي — Dario Amodei من Anthropic، وDemis Hassabis من DeepMind، والعالم السابق في Meta يعني Yann LeCun — منقسمون علناً حول متى وكيف وما إذا كان الذكاء الاصطناعي بمستوى البشر سيتحقق. خلافاتهم تكشف أكثر من مجرد آراء شخصية؛ إنها تُظهر رؤى مختلفة جذرياً لماهية الذكاء نفسه. وقد وضع LeCun أمواله حيث يضع كلامه، بمغادرته Meta لبناء البديل.
أهم خلاف في عالم التكنولوجيا
عندما يعجز ثلاثة من أكثر الأشخاص مسؤولية عن تشكيل مسار الذكاء الاصطناعي عن الاتفاق على ما إذا كان الذكاء الاصطناعي بمستوى البشر سيتحقق خلال عامين أم عقدين، فإن بقيتنا أمام مشكلة حقيقية. ليس لأننا بحاجة إلى تاريخ دقيق، بل لأن قرارات استثمارية بتريليونات الدولارات، واستراتيجيات وطنية للذكاء الاصطناعي، وتخطيط القوى العاملة — كلها مرهونة بالجدول الزمني الذي تؤمن به.
في يناير 2026، انتقل جدل الجدول الزمني للذكاء الاصطناعي العام (AGI) من تكهنات المؤتمرات إلى ما يشبه المحاسبة العلنية. في المنتدى الاقتصادي العالمي بدافوس، جلس الرئيس التنفيذي لشركة Anthropic يعني Dario Amodei والرئيس التنفيذي لشركة DeepMind يعني Demis Hassabis مع رئيسة تحرير The Economist يعني Zanny Minton Beddoes في جلسة بعنوان “اليوم التالي بعد الذكاء الاصطناعي العام” وعرضا توقعات مختلفة بشكل لافت. في المقابل، حضر Yann LeCun — الذي غادر Meta في نوفمبر 2025 بعد اثني عشر عاماً ليؤسس AMI Labs — إلى دافوس ليس كعالم في شركة بل كمؤسس شركة ناشئة، مقدماً أقوى حجة حتى الآن بأن نموذج النماذج اللغوية الكبيرة (LLM) بأكمله طريق مسدود نحو الذكاء بمستوى البشر.
ما يلي ليس ملخصاً للانطباعات. إنه محاسبة دقيقة لما ادعاه كل قائد فعلياً، والمنطق وراء مواقفهم، وما تكشفه هذه الخلافات عن الوجهة الحقيقية للذكاء الاصطناعي.
Amodei: الذكاء الاصطناعي يحل محل مهندسي البرمجيات خلال عام
أصبح Dario Amodei الصوت الأكثر جرأة في التيار الرئيسي بشأن الجداول الزمنية القريبة للذكاء الاصطناعي العام — وهو موقف لافت لشخص يحذر في الوقت ذاته وبصوت عالٍ من مخاطر سلامة الذكاء الاصطناعي.
في دافوس، صرّح Amodei بوضوح أن نماذج الذكاء الاصطناعي ستحل محل عمل جميع مطوري البرمجيات خلال عام، وستصل إلى مستوى البحث العلمي الحائز على جائزة Nobel في مجالات متعددة خلال عامين. وذهب أبعد من ذلك: خلال خمس سنوات، سيختفي خمسون بالمائة من الوظائف المكتبية.
أسّس Amodei هذا الادعاء ليس على حجج نظرية بل على ما يراه داخل فرق الهندسة في Anthropic. وصف مهندسين في الشركة توقفوا فعلياً عن كتابة الكود بأنفسهم، معتمدين بدلاً من ذلك على نماذج الذكاء الاصطناعي للتعامل مع التنفيذ بينما يقوم البشر بالمراجعة والإصلاح والتحسين. تقديره: خلال ستة إلى اثني عشر شهراً، ستكون نماذج الذكاء الاصطناعي قادرة على أداء معظم ما يفعله مهندس البرمجيات من البداية إلى النهاية.
هذا ليس توقعاً حول إنجاز بحثي بعيد. إنه بيان حول السرعة الحالية. يراقب Amodei تحول قوته العاملة في الوقت الفعلي ويستقرئ من معدل التغيير المُلاحظ.
المنطق مغرٍ في بساطته. إذا كانت النماذج قادرة بالفعل على كتابة معظم الكود في أحد أكثر مختبرات الذكاء الاصطناعي تطوراً في العالم، وإذا لم يُظهر معدل التحسن أي علامات على التباطؤ، فإن الفجوة بين القدرات الحالية وشيء يشبه الذكاء العام تبدو أضيق مما يفترض معظم المراقبين الخارجيين.
لكن هناك افتراض جوهري مضمّن في إطار Amodei: أن المسار من “ممتاز في البرمجة” إلى “ذكي بشكل عام” هو منحدر متواصل وليس سلسلة من المنحدرات الحادة. البرمجة مجال ذو مواصفات واضحة، ومخرجات قابلة للاختبار، وبيانات تدريب ضخمة. أما الذكاء بمعناه الأوسع، فيعمل في مجالات لا تتوفر فيها أي من هذه الخصائص.
Hassabis: احتمال خمسين بالمائة بحلول نهاية العقد
قدّم Demis Hassabis، الرئيس التنفيذي لشركة Google DeepMind والحائز على جائزة Nobel في الكيمياء لعام 2024 عن إنجاز AlphaFold في التنبؤ ببنية البروتينات، معايرة مختلفة بشكل ملحوظ. تقديره: احتمال خمسين بالمائة بأن نظاماً قادراً على إظهار جميع القدرات المعرفية التي يمتلكها البشر سيوجد بحلول نهاية العقد. وهذا يضع الجدول الزمني الوسيط لديه حول 2029 أو 2030 — أبعد بشكل ملموس مما يوحي به إطار Amodei.
كما رفض Hassabis مباشرة فكرة أن الأنظمة الحالية قريبة، قائلاً إن الذكاء الاصطناعي اليوم “لا يقترب إطلاقاً” من الذكاء الاصطناعي العام بمستوى البشر وأن الوصول إليه سيتطلب “اختراقاً أو اختراقين إضافيين.”
التمييز الذي رسمه Hassabis حاسم ويكشف عن فهم أعمق لنقاط الضعف الفعلية للأنظمة الحالية. البرمجة والرياضيات، كما جادل، أسهل نسبياً في الأتمتة تحديداً لأنها قابلة للتحقق. يمكنك التحقق مما إذا كان الكود يعمل. يمكنك التحقق مما إذا كان البرهان صحيحاً. حلقة التغذية الراجعة محكمة وغير غامضة.
العلوم الطبيعية مختلفة. فهم البيولوجيا والكيمياء والفيزياء على مستوى يُشكّل ذكاءً حقيقياً يتطلب القدرة على تصميم وتقييم التجارب في العالم المادي. لا يمكنك التحقق من فرضية حول ديناميكيات طي البروتين من خلال توليد النصوص فحسب. تحتاج إلى مختبرات رطبة وأدوات قياس والقدرة على التفكير في السببية الفيزيائية بطرق لا تستطيعها النماذج الحالية. أكد Hassabis أن طرح السؤال أو النظرية أصعب بكثير من حل المشكلات القائمة — وأن توليد اختراقات علمية أصلية لا يزال خارج نطاق الذكاء الاصطناعي الحالي.
هذا ليس تمييزاً حرفياً تافهاً. إنه حجة بنيوية حول حدود توسيع نطاق النماذج اللغوية. يقول Hassabis إن المجالات التي يبدو فيها الذكاء الاصطناعي أكثر إثارة للإعجاب الآن — الكود والرياضيات والنص — هي تحديداً المجالات التي يكون فيها التحقق أرخص. المشكلة الأصعب هي بناء أنظمة يمكنها التفكير بشكل موثوق في العالم الحقيقي الفوضوي وغير المنظم والمعقد سببياً.
من الجدير بالذكر أن Hassabis ليس متشككاً. فاحتمال خمسين بالمائة للذكاء الاصطناعي بمستوى البشر خلال أربع إلى خمس سنوات هو ادعاء جريء للغاية وفقاً للمعايير التاريخية. لكن إطاره يُلمّح إلى أن الميل الأخير — الانتقال من الأداء الخارق الضيق في المجالات القابلة للتحقق إلى الإدراك العام الحقيقي — قد يكون الامتداد الأصعب على الإطلاق.
إعلان
LeCun: النماذج اللغوية الكبيرة طريق مسدود — وقد غادر Meta ليثبت ذلك
يحتل Yann LeCun الموقف الأكثر مخالفة للتيار السائد بين الثلاثة، وفي أواخر 2025 فعل شيئاً لم يفعله Amodei ولا Hassabis: راهن بمسيرته المهنية على ذلك. بعد اثني عشر عاماً في Meta — خمسة منها كمدير مؤسس لأبحاث الذكاء الاصطناعي في Facebook وسبعة كعالم رئيسي للذكاء الاصطناعي — أعلن LeCun عن مغادرته في نوفمبر 2025 لتأسيس AMI Labs (Advanced Machine Intelligence)، وهي شركة ناشئة تستهدف تقييماً بقيمة 3.5 مليار دولار قبل الإطلاق. يقع مقرها في باريس، مع مكاتب مخططة في مونتريال ونيويورك وسنغافورة، ويدير العمليات الرئيس التنفيذي Alex LeBrun (المؤسس المشارك السابق لشركة Nabla للذكاء الاصطناعي في مجال الصحة).
جادل الحائز على جائزة Turing طوال عام 2025 ومطلع 2026 بأن النماذج اللغوية الكبيرة، بغض النظر عن الحجم، لن تحقق أبداً ذكاءً بمستوى البشر. ليس لأنها تفتقر إلى بيانات أو قدرة حسابية كافية، بل لأنها تفتقر إلى البنية المعمارية الصحيحة.
يتمحور نقد LeCun حول قيد جوهري: تعمل النماذج اللغوية الكبيرة بالكامل في فضاء اللغة. تتنبأ بالرموز اللغوية (tokens). لا تبني نماذج داخلية لكيفية عمل العالم المادي. الطفل الذي لم يقرأ كتاباً قط يفهم أن الأشياء غير المدعومة تسقط، وأن دفع الكرة يجعلها تتدحرج، وأن الأوعية تحتوي السوائل. هذه الفيزياء الحدسية — ما يسميه علماء النفس التنموي المعرفة الأساسية — ليست شيئاً يمكن اكتسابه من النصوص. النماذج اللغوية الكبيرة، في رأيه، هي كومة من الارتباطات الإحصائية تفتقر إلى الحس السليم والعلاقات السببية.
البديل الذي يقترحه هو بنية التنبؤ بالتمثيل المشترك (Joint Embedding Predictive Architecture) أو JEPA، وهو إطار عرضه في ورقة بحثية عام 2022. تتعلم JEPA من خلال التنبؤ بالتمثيلات المجردة للمدخلات الحسية بدلاً من إعادة بناء البيانات الخام بكسل بعد بكسل. على عكس النماذج اللغوية الكبيرة، يمكن لـ JEPA معالجة البيانات متعددة الوسائط — الفيديو والصور وتغذيات الحساسات — والتنبؤ بالتغييرات في الحالات المجردة بدلاً من الكلمة التالية. الهدف هو بناء أنظمة تطور نوع نماذج العالم التي يستخدمها الذكاء البيولوجي: تمثيلات مضغوطة ومجردة وسببية لكيفية عمل الأشياء.
يجادل LeCun بأن الذكاء الاصطناعي يحتاج إلى التطور عبر مسار مشابه لما سلكه الذكاء البيولوجي — مرتكزاً على التفاعل المادي والتجربة الحسية والقدرة على التخطيط في فضاءات التمثيل المجرد. اللغة، في رأيه، قدرة متأخرة الظهور تتراكب فوق آليات معرفية أعمق بكثير. بناء الذكاء على اللغة وحدها يشبه محاولة بناء منزل بدءاً من السقف.
هذا الموقف يضع LeCun في تناقض جوهري مع كل من Amodei وHassabis. حيث يتجادلان حول الجداول الزمنية — هل يصل الذكاء الاصطناعي بمستوى البشر خلال عامين أم خمسة — يتساءل LeCun عما إذا كان النهج الحالي قادراً على الوصول إلى هناك أصلاً، بغض النظر عن الجدول الزمني. هو لا يقول إن الذكاء الاصطناعي العام بعيد. يقول إن الصناعة تقود بثقة نحو الوجهة الخطأ. ومع AMI Labs، يبني الآن الطريق إلى ما يعتبره الوجهة الصحيحة.
ما يكشفه هذا الخلاف فعلياً
القراءة السطحية هي أن ثلاثة أشخاص أذكياء يختلفون حول تاريخ. القراءة الأعمق هي أنهم يختلفون حول ماهية الذكاء.
إطار Amodei يتعامل ضمنياً مع الذكاء باعتباره مجموعة من أداءات المهام. إذا استطاع النموذج البرمجة والتفكير والكتابة وتحليل البيانات وإجراء البحوث، فإنه يقترب من الذكاء العام. هذه رؤية عملية تركز على القدرات. وهي أيضاً الرؤية الأكثر توافقاً مع الحوافز التجارية: إذا كان منتجك مساعداً ذكياً، فإن الذكاء الاصطناعي العام هو كل ما يجعل ذلك المساعد مفيداً بأقصى درجة.
يضيف Hassabis قيداً حاسماً: يجب أن يشمل الذكاء القدرة على التفكير في العالم المادي بطرق لا يمكن التحقق منها عبر النص وحده. وهذا يعكس خلفيته العلمية وسجل DeepMind مع أنظمة مثل AlphaFold، حيث كان الدليل في التحقق التجريبي وليس في أداء المقاييس المعيارية.
يذهب LeCun أبعد، مجادلاً بأنه بدون نماذج عالمية مؤسسة، لا يشكل أي قدر من القدرة اللغوية ذكاءً. هذا الموقف الأكثر صرامة أكاديمياً، لكنه أيضاً الأكثر إزعاجاً تجارياً، لأنه يعني أن الاستثمار بمئات المليارات من الدولارات في توسيع نطاق النماذج اللغوية الكبيرة قد يكون انعطافاً تكنولوجياً بدلاً من مسار نحو الذكاء الاصطناعي العام. حقيقة أن LeCun يجمع الآن مئات الملايين لبناء البديل تجعل هذا أكثر من مجرد حجة أكاديمية — إنه إشارة سوقية.
الرهانات وراء الجدل
بالنسبة لصانعي القرار — سواء في الحكومة أو المؤسسات أو تخطيط القوى العاملة — فإن التداعيات العملية لهذه المواقف تتباعد بشكل كبير.
إذا كان Amodei محقاً، فأمام المنظمات اثنا عشر إلى أربعة وعشرين شهراً لإعادة هيكلة كيفية إنجاز العمل المعرفي جذرياً. سيكون التحول سريعاً ومزعزعاً.
إذا كان Hassabis محقاً، فهناك نافذة من أربع إلى خمس سنوات حيث تستمر قدرات الذكاء الاصطناعي في التوسع بشكل مثير للإعجاب لكنها تظل محدودة بمشكلة قابلية التحقق. ينبغي للمنظمات الاستثمار بكثافة لكن التخطيط لتحول أطول.
إذا كان LeCun محقاً، فإن الجيل الحالي من النماذج اللغوية الكبيرة سيصل إلى مستوى ثابت بطرق تفاجئ أكثر المؤيدين حماساً، وستأتي الاختراقات الحقيقية من نموذج معماري مختلف — نماذج العالم أو JEPA أو شيء لم يُخترع بعد — قد يحتاج عقداً أو أكثر لينضج.
الإجابة الصادقة هي أن لا أحد يعرف. لكن شكل الخلاف يخبرنا بشيء مهم: الأشخاص الذين يبنون هذه الأنظمة لا يتشاركون فهماً مشتركاً لما يبنون نحوه. هذا الغموض بحد ذاته إشارة إلى أن علينا جميعاً أن نكون متشككين بعمق تجاه أي شخص يدّعي اليقين بشأن الجداول الزمنية للذكاء الاصطناعي العام — بمن فيهم الأشخاص الذين يبنون النماذج.
ما يجب مراقبته
ثلاثة مؤشرات ستساعد في توضيح أي رؤية أقرب إلى الواقع خلال الاثني عشر شهراً القادمة.
أولاً، راقب مرحلة استقرار البرمجة. إذا كان Amodei محقاً، فإن الكود المُولّد بالذكاء الاصطناعي يجب أن ينتقل من “يكتب الدوال جيداً” إلى “يصمم أنظمة كاملة بشكل مستقل” خلال 2026. إذا توقف التقدم عند مستوى الدوال، فإن الاستقراء ينهار.
ثانياً، راقب مقاييس التفكير العلمي المعيارية. إذا بدأت أنظمة الذكاء الاصطناعي في تقديم مساهمات جديدة حقيقية في العلوم التجريبية — ليس مجرد تحليل البيانات الموجودة بل تصميم تجارب تنتج معرفة جديدة — فإن جدول Hassabis يكتسب مصداقية.
ثالثاً، راقب AMI Labs. شركة LeCun الناشئة تتمتع بمصداقية الحائز على جائزة Turing وما يقارب 600 مليون دولار من التمويل المستهدف خلفها. إذا أظهر فريقه أنظمة ذات تفكير مادي أفضل بشكل ملموس من النماذج اللغوية الكبيرة بحجم مماثل، تصبح الحجة المعمارية أصعب في التجاهل. إذا بقيت الأنظمة القائمة على JEPA في المختبر بينما تستمر النماذج اللغوية الكبيرة في التحسن، فإن موقف LeCun يضعف بغض النظر عن أناقته النظرية.
جدل الذكاء الاصطناعي العام ليس تمريناً فلسفياً مجرداً. إنه أهم سؤال في التنبؤ التكنولوجي في هذا العقد. الأشخاص الثلاثة الأقرب إلى الخطوط الأمامية لا يتفقون. هذا الخلاف يستحق اهتمامك أكثر من أي توقع منفرد.
الأسئلة الشائعة
ما المقصود بـ The AGI Timeline Debate؟
يتناول هذا المقال الجوانب الأساسية لهذا الموضوع، ويستعرض الاتجاهات الحالية والجهات الفاعلة الرئيسية والتداعيات العملية على المهنيين والمؤسسات في عام 2026.
لماذا يُعد هذا الموضوع مهمًا؟
يكتسب هذا الموضوع أهمية كبيرة لأنه يؤثر بشكل مباشر على كيفية تخطيط المؤسسات لاستراتيجيتها التقنية وتخصيص مواردها وتموضعها في مشهد سريع التطور.
ما أبرز النقاط المستخلصة من هذا المقال؟
يحلل المقال الآليات الرئيسية والأطر المرجعية والأمثلة الواقعية التي تشرح كيفية عمل هذا المجال، مستندًا إلى بيانات حديثة ودراسات حالة عملية.
المصادر والقراءات الإضافية
- AI Luminaries at Davos Clash Over How Close Human-Level Intelligence Really Is — Fortune
- The Day After AGI: Dario Amodei and Demis Hassabis — World Economic Forum
- Meta Chief AI Scientist Yann LeCun Is Leaving to Create His Own Startup — CNBC
- Yann LeCun’s New Venture Is a Contrarian Bet Against Large Language Models — MIT Technology Review
- Who’s Behind AMI Labs, Yann LeCun’s World Model Startup — TechCrunch
- A Path Towards Autonomous Machine Intelligence — Yann LeCun (2022)
