في تصادم رائع بين عصور التكنولوجيا، برزت قصة تربط بين الأيام الأولى لانتشار الحوسبة المنزلية وأحدث ما توصلت إليه تكنولوجيا الذكاء الاصطناعي. سلط Marc Andreessen، وهو شخصية بارزة في عالم التكنولوجيا والمؤسس المشارك لشركة رأس المال الاستثماري المؤثرة Andreessen Horowitz، الضوء مؤخرًا على إنجاز لافت: تم تشغيل نسخة مدمجة من نموذج الذكاء الاصطناعي Llama التابع لشركة Meta بنجاح على جهاز كمبيوتر يعمل بنظام التشغيل العريق Windows 98، ومجهز بذاكرة وصول عشوائي (RAM) تبلغ 128 ميغابايت فقط. يعد هذا الكشف بمثابة تذكير قوي بالإمكانيات التكنولوجية ويثير تساؤلات مثيرة للاهتمام حول المسار التاريخي للحوسبة.
إن فكرة تشغيل ذكاء اصطناعي متطور، حتى لو كان نسخة مصغرة منه، على جهاز يعود تاريخه إلى أكثر من ربع قرن تبدو شبه متناقضة. عادةً ما يرتبط الذكاء الاصطناعي التوليدي الحديث، وهو التكنولوجيا التي تشغل أدوات مثل ChatGPT و Copilot الخاص بشركة Microsoft، بمعالجات قوية، وتخصيصات ذاكرة كبيرة، وغالبًا، ببنية تحتية قائمة على السحابة. استثمرت Microsoft نفسها بكثافة في دمج قدرات الذكاء الاصطناعي، لا سيما مساعدها Copilot، بعمق في أحدث نظام تشغيل لها، Windows 11، وجيل جديد من الأجهزة يطلق عليه Copilot+ PCs، المصمم خصيصًا مع وضع أعباء عمل الذكاء الاصطناعي في الاعتبار. هذا التناقض يجعل تجربة Windows 98 أكثر إثارة للدهشة. إنها تتحدى افتراضاتنا حول الموارد الضرورية حقًا لوظائف معينة للذكاء الاصطناعي وتقدم لمحة عن جدول زمني تكنولوجي بديل.
إحياء الماضي: الجهد الجبار وراء التجربة
بينما لفت Andreessen انتباهًا أوسع لهذا الإنجاز، يبدو أن العمل التقني الشاق ينبع من عمل سابق، لا سيما من قبل الفريق في Exo Labs. لم تكن رحلتهم لإقناع ذكاء اصطناعي حديث بالعمل على مثل هذه الآلات القديمة مباشرة؛ لقد كانت تمرينًا في علم الآثار الرقمي وحل المشكلات الإبداعي، مما يسلط الضوء على الاختلافات الشاسعة بين الحوسبة آنذاك والآن.
كانت العقبة الأولى تتعلق باللوجستيات الأساسية وتوافق الأجهزة. إن العثور على أجهزة وظيفية من عصر Windows 98 يمثل تحديًا كافيًا. ولكن بخلاف مجرد تشغيل الجهاز، احتاج الفريق إلى أجهزة طرفية. لم تكن واجهات USB الحديثة، المنتشرة في كل مكان اليوم، قياسية في أوج عصر Windows 98. استلزم ذلك البحث عن أجهزة إدخال متوافقة تستخدم موصلات PS/2 الأقدم - لوحات مفاتيح وفئران ربما لم يصادفها العديد من عشاق التكنولوجيا الأصغر سنًا.
بمجرد معالجة الإعداد المادي، كانت العقبة الهامة التالية هي نقل البيانات. كيف يمكنك الحصول على ملفات نموذج الذكاء الاصطناعي الضرورية وأدوات التطوير على جهاز يفتقر إلى خيارات الاتصال الحديثة مثل منافذ USB عالية السرعة أو التكامل السلس للشبكة؟ من المحتمل أن يكون هذا قد تضمن اللجوء إلى طرق أقدم وأبطأ، ربما نسخ الملفات على أقراص مضغوطة (CDs) أو استخدام بروتوكولات الشبكة المحدودة في ذلك الوقت، مما يحول عملية نسخ ملف بسيط إلى عملية قد تستغرق وقتًا طويلاً.
ومع ذلك، يكمن التحدي التقني الأساسي في ترجمة (compiling) الكود الحديث لبيئة قديمة. تم بناء نموذج الذكاء الاصطناعي، القائم على بنية Llama من Meta، باستخدام ممارسات ولغات برمجة معاصرة. لجعل هذا الكود مفهومًا وقابلًا للتنفيذ بواسطة Windows 98، تطلب الأمر مترجمًا (compiler) - وهو برنامج يترجم الكود المصدري إلى لغة الآلة - يمكن تشغيله على نظام التشغيل القديم و التعامل مع تعقيدات كود الذكاء الاصطناعي.
لجأ فريق Exo Labs في البداية إلى Borland C++ 5.02، وهو بحد ذاته قطعة من تاريخ البرمجيات - بيئة تطوير متكاملة (IDE) ومترجم يبلغ عمره 26 عامًا ويعمل أصلاً على Windows 98. مثل هذا الاختيار جسرًا محتملاً بين قاعدة الكود الحديثة ونظام التشغيل القديم. ومع ذلك، كان المسار محفوفًا بالتعقيدات. أثبتت تعقيدات معايير ومكتبات C++ الحديثة صعوبة التوفيق بينها وبين قدرات وقيود مترجم Borland وبيئة Windows 98. ظهرت مشكلات التوافق، مما أجبر الفريق على تغيير المسار.
تضمن حلهم الرجوع إلى إصدار أقدم من لغة البرمجة C. بينما تعد C لغة أساسية وسابقة لـ C++، فإن استخدام معيار C أقدم يعني التضحية ببعض التجريدات والميزات عالية المستوى في C++. تطلب هذا عملية ترميز أكثر شاقة، وإدارة يدوية لعناصر مثل الوظائف والمتغيرات التي تتعامل معها C++ بأناقة أكبر. كان التقدم أبطأ حتمًا، ويتطلب اهتمامًا دقيقًا بالتفاصيل لتجنب الأخطاء التي قد لا تكتشفها أدوات التطوير الأقدم بسهولة.
ضغط الذاكرة: ترويض Llama للموارد المحدودة
ربما كان القيد الأكثر صعوبة هو ذاكرة الوصول العشوائي (RAM) المحدودة للغاية. كان الجهاز المستهدف يمتلك 128 ميغابايت فقط من ذاكرة الوصول العشوائي. لوضع هذا في المنظور الصحيح، يتم شحن الهواتف الذكية الحديثة بشكل روتيني بـ 8 أو 12 أو حتى 16 جيجابايت من ذاكرة الوصول العشوائي (الجيجابايت تساوي تقريبًا 1000 ميغابايت). غالبًا ما تتميز أجهزة الكمبيوتر المتطورة المصممة للألعاب أو العمل الاحترافي بـ 32 جيجابايت أو 64 جيجابايت أو أكثر. إن تشغيل تطبيق معقد مثل نموذج الذكاء الاصطناعي ضمن مثل هذه البصمة الصغيرة للذاكرة يشبه إجراء جراحة معقدة في خزانة مكانس.
تعتبر عائلة نماذج Llama من Meta، على الرغم من اعتبارها بشكل عام أكثر كفاءة في استخدام الموارد من النماذج العملاقة مثل GPT-4 من OpenAI، لا تزال تشمل إصدارات بمليارات المعلمات (parameters). تتضمن بنية Llama 2، على سبيل المثال، نماذج تصل إلى 70 مليار معلمة. تتطلب هذه النماذج الأكبر قوة حاسوبية كبيرة، والأهم من ذلك، كميات هائلة من الذاكرة لتحميل أوزان النموذج وإدارة العمليات الحسابية المتضمنة في معالجة المعلومات وتوليد الاستجابات. سيكون نموذج Llama 2 القياسي غير قادر تمامًا على العمل ضمن قيود 128 ميغابايت.
لذلك، اعتمد نجاح التجربة على استخدام أو تطوير نسخة محسّنة للغاية وأصغر بكثير من بنية Llama. كان يجب تصميم هذه النسخة المتخصصة خصيصًا للعمل في ظل قيود شديدة على الأجهزة. من المحتمل أنها تضمنت تقنيات مثل تكميم النموذج (model quantization) (تقليل دقة الأرقام المستخدمة في حسابات النموذج) والتقليم (pruning) (إزالة الأجزاء الأقل أهمية من الشبكة العصبية) لتقليص بصمتها في الذاكرة والحوسبة بشكل كبير. أتاحت Exo Labs نسختها المعدلة على GitHub، لعرض التعديلات المحددة المطلوبة.
هذا الذكاء الاصطناعي الصغير، الذي يعمل على أجهزة قديمة، لن يمتلك المعرفة الواسعة أو القدرات الحوارية الدقيقة لنظرائه الأكبر حجمًا الذين يعملون على السحابة. ستكون قدراته مقيدة. ومع ذلك، فإن حقيقة أنه يمكن تشغيله وأداء المهام التوليدية الأساسية تمثل إنجازًا تقنيًا كبيرًا. إنه يوضح أن المفاهيم الأساسية لنماذج اللغة الكبيرة يمكن، من حيث المبدأ، تقليصها بشكل كبير، حتى لو كانت الفائدة العملية محدودة في مثل هذه الظروف القصوى.
استفزاز Andreessen: جدول زمني مفقود للحوسبة الحوارية؟
استغل Marc Andreessen هذا العرض التقني لطرح نقطة أوسع وأكثر استفزازًا حول تاريخ ومستقبل الحوسبة المحتمل. لم يكن تفكيره مجرد فضول تقني حول تشغيل برامج جديدة على أجهزة قديمة؛ لقد كان تأملاً في تاريخ بديل محتمل للتفاعل بين الإنسان والحاسوب.
لقد أوضح ذلك من خلال الإشارة إلى أن التشغيل الناجح لـ Llama على جهاز كمبيوتر Dell عمره 26 عامًا يعني فرصة ضائعة امتدت لعقود. افترض Andreessen قائلاً: “كل تلك الحواسيب القديمة كان يمكن أن تكون ذكية حرفيًا طوال هذا الوقت”. “كان بإمكاننا التحدث إلى أجهزة الكمبيوتر الخاصة بنا لمدة 30 عامًا حتى الآن.”
يدعونا هذا البيان إلى تخيل عالم تلاقى فيه مسار تطوير الذكاء الاصطناعي بشكل مختلف مع صعود الحوسبة الشخصية. بدلاً من أن تكون أجهزة الكمبيوتر في المقام الأول أدوات للحساب وإنشاء المستندات، وفي النهاية، الوصول إلى الإنترنت، ربما كان بإمكانها التطور إلى شركاء حواريين في وقت أبكر بكثير. الصورة التي تستحضرها هي صورة المستخدمين الذين يتفاعلون مع أجهزتهم التي تعمل بنظام Windows 95 أو 98 أو حتى أقدم من خلال اللغة الطبيعية، ويطرحون الأسئلة، ويحصلون على المساعدة، وينخرطون في حوار بطريقة لم تصبح حقيقة سائدة إلا مع ظهور المساعدين الرقميين الحديثين ونماذج اللغة الكبيرة (LLMs) المتطورة.
بالطبع، هذه قفزة افتراضية كبيرة. الذكاء الاصطناعي التوليدي، كما نفهمه اليوم، باعتماده على مجموعات البيانات الضخمة، وبنى الشبكات العصبية المتطورة (مثل بنية Transformer التي تقوم عليها نماذج Llama و GPT)، والقوة الحاسوبية الهائلة للتدريب، هو ظاهرة حديثة نسبيًا. ركزت أبحاث الذكاء الاصطناعي في الثمانينيات والتسعينيات، على الرغم من طموحها، على نماذج مختلفة، مثل الأنظمة الخبيرة والتفكير الرمزي. كانت أجهزة تلك الحقبة، على الرغم من قدرتها على تشغيل نسخة Llama المصغرة التي أظهرتها Exo Labs، أقل قوة بمراتب من أنظمة اليوم، ولم تكن مجموعات البيانات الرقمية الضخمة اللازمة لتدريب نماذج توليدية قادرة موجودة ببساطة في شكل يمكن الوصول إليه.
أقر Andreessen بهذا السياق، مشيرًا إلى تفاؤل طفرة الذكاء الاصطناعي في الثمانينيات: “اعتقد الكثير من الأشخاص الأذكياء في الثمانينيات أن كل هذا سيحدث حينها”. شهدت تلك الحقبة استثمارات وأبحاثًا كبيرة في الذكاء الاصطناعي، لكنها أدت في النهاية إلى “شتاء الذكاء الاصطناعي” - وهي فترة انخفض فيها التمويل والاهتمام عندما فشلت التكنولوجيا في الوفاء بوعودها الأكثر طموحًا. كانت القيود في القوة الحاسوبية وتوافر البيانات والمناهج الخوارزمية عميقة.
لذلك، ربما يُفهم تعليق Andreessen بشكل أفضل ليس كادعاء حرفي بأن الذكاء الاصطناعي المتطور الشبيه بالبشر كان ممكنًا على أجهزة التسعينيات بالطريقة التي نختبرها الآن، ولكن كتجربة فكرية. إنه يسلط الضوء على الإمكانات التي ربما تم إطلاقها لو اتبعت أولويات البحث والاختراقات الخوارزمية وتطوير الأجهزة مسارًا مختلفًا. إنه يؤكد فكرة أن اللبنات الأساسية لشكل ما من التفاعل الذكي ربما كانت قابلة للتحقيق تقنيًا، حتى لو كانت النتيجة أبسط بكثير من الذكاء الاصطناعي اليوم.
مقارنة العصور: من أحلام الاتصال الهاتفي (Dial-Up) إلى الواقع المشبع بالذكاء الاصطناعي
تعتبر تجربة Windows 98 بمثابة نقطة تباين صارخة مع المشهد الحالي لتكامل الذكاء الاصطناعي. اليوم، ينتقل الذكاء الاصطناعي بسرعة من كونه خدمة تتمحور حول السحابة إلى كونه مدمجًا بعمق داخل نظام التشغيل وحتى الأجهزة نفسها.
تجسد دفعة Microsoft مع Copilot و Copilot+ PCs هذا الاتجاه. يتميز Windows 11 بالعديد من نقاط الدخول لـ Copilot، حيث يقدم مساعدة الذكاء الاصطناعي لمهام تتراوح من تلخيص المستندات وصياغة رسائل البريد الإلكتروني إلى إنشاء الصور وضبط إعدادات النظام. تتطلب مواصفات Copilot+ PC الجديدة تضمين وحدة معالجة عصبية (NPU) - وهي شريحة سيليكون متخصصة مصممة لتسريع حسابات الذكاء الاصطناعي بكفاءة. يشير هذا إلى تحول أساسي حيث أصبحت معالجة الذكاء الاصطناعي وظيفة أساسية للكمبيوتر الشخصي، يتم التعامل معها محليًا بدلاً من الاعتماد فقط على الخوادم البعيدة.
يفترض هذا النهج الحديث، ويستفيد من، الموارد الوفيرة. تتطلب أجهزة Copilot+ PCs ذاكرة وصول عشوائي (RAM) لا تقل عن 16 جيجابايت وتخزينًا سريعًا بالحالة الصلبة (SSD)، وهي مواصفات تتجاوز بكثير 128 ميغابايت المتواضعة لجهاز Windows 98. نماذج الذكاء الاصطناعي المستخدمة، على الرغم من تحسينها للتنفيذ من جانب العميل، أكثر تعقيدًا وقدرة بكثير من نسخة Llama المصغرة المستخدمة في التجربة. إنها تستفيد من عقود من التحسين الخوارزمي، ومجموعات بيانات التدريب الضخمة، والأجهزة المصممة خصيصًا لاحتياجاتها.
يسلط التباين الضوء على عدة نقاط:
- تحسين البرامج مقابل التضخم (Bloat): تعد تجربة Exo Labs شهادة على التحسين الشديد، مما يجبر الخوارزميات الحديثة على العمل في بيئة مقيدة للغاية. إنها تنتقد ضمنيًا ميل البرامج الحديثة إلى افتراض موارد أجهزة متزايدة باستمرار، مما يؤدي أحيانًا إلى عدم الكفاءة أو “التضخم”.
- تطور الأجهزة: الفرق الهائل في القوة الحاسوبية والذاكرة بين جهاز كمبيوتر نموذجي لعام 1998 وجهاز Copilot+ PC لعام 2024 مذهل، ويمثل أجيالًا متعددة من قانون مور (Moore’s Law) والابتكار المعماري.
- إمكانية الوصول إلى البيانات: يعتمد تدريب نماذج اللغة الكبيرة الحديثة على مجموعات بيانات بحجم الإنترنت لم يكن من الممكن تصورها في عصر Windows 98. كان الكون الرقمي ببساطة صغيرًا جدًا وغير متصل في ذلك الوقت.
- الاختراقات الخوارزمية: كان تطوير بنى مثل نموذج Transformer في عام 2017 لحظة محورية، مما مكن من التوسع والأداء الذي نراه في الذكاء الاصطناعي التوليدي اليوم. كانت مناهج الذكاء الاصطناعي السابقة لها قيود أساسية.
بينما يحلم Andreessen بأجهزة كمبيوتر ناطقة قبل 30 عامًا، فإن الواقع هو أن التقاء قوة الأجهزة وتوافر البيانات والابتكار الخوارزمي المطلوب لتجربة الذكاء الاصطناعي اليوم لم يحدث إلا في وقت أقرب بكثير.
ماذا يعني كل هذا؟ تأملات تتجاوز الحنين إلى الماضي
هل يعد النشر الناجح لنموذج Llama على Windows 98 مجرد اختراق ذكي، أو حيلة حنين لعشاق التكنولوجيا؟ أم أنه يحمل أهمية أعمق؟ يمكن القول إنه يخدم عدة أغراض:
- إظهار قابلية التوسع القصوى: يثبت أن المبادئ الأساسية وراء نماذج اللغة الكبيرة يمكن تكييفها للعمل في ظل قيود موارد شديدة للغاية. هذا له آثار محتملة لنشر الذكاء الاصطناعي على الأنظمة المدمجة منخفضة الطاقة، وأجهزة إنترنت الأشياء (IoT)، أو الأجهزة القديمة التي لا تزال قيد الاستخدام في أجزاء مختلفة من العالم.
- تسليط الضوء على قوة القيود: غالبًا ما يفرض العمل ضمن قيود شديدة الابتكار والكفاءة. كان على فريق Exo Labs إيجاد حلول إبداعية وتحسين لا هوادة فيه، وهي مهارات قيمة حتى في البيئات الغنية بالموارد.
- تحدي الافتراضات: إنه يدفع إلى التفكير فيما إذا كانت كل القوة الحاسوبية والذاكرة التي تستخدمها التطبيقات الحديثة ضرورية تمامًا للقيمة التي تقدمها. هل يمكن أن تكون بعض البرامج أخف وزنا وأكثر كفاءة؟
- توضيح احتمالية المسارات التكنولوجية: نادرًا ما يتبع التاريخ خطًا مستقيمًا. حقيقة أن بعض الذكاء الاصطناعي البدائي ربما كان ممكنًا على الأجهزة القديمة تؤكد كيف أن الخيارات المختلفة أو اتجاهات البحث أو حتى الاكتشافات العرضية كان يمكن أن تقودنا إلى مسار تكنولوجي مختلف.
لا تعيد هذه التجربة كتابة التاريخ، ولا تعني أن تجارب الذكاء الاصطناعي المتطورة لعام 2024 كانت قابلة للتحقيق بطريقة ما في عام 1998. تظل الفجوة في التقنيات التمكينية - قوة المعالجة، والذاكرة، والبيانات، والخوارزميات - هائلة. ومع ذلك، فإنها توفر نقطة بيانات رائعة، وشهادة على البراعة الهندسية، وحافزًا للتفكير في الطريق المتعرج للتقدم التكنولوجي. إنها تذكرنا بأن قيود الأمس يمكن أحيانًا التغلب عليها بمعرفة اليوم، مما يؤدي إلى نتائج مفاجئة ويدفعنا إلى إعادة النظر فيما قد يكون ممكنًا، الآن وفي المستقبل. يهمس الشبح في الآلة القديمة ليس فقط بما كان، ولكن ربما أيضًا بالإمكانات غير المستغلة الكامنة في البساطة والكفاءة.