لسنوات، كان مفتاح تطوير الذكاء الاصطناعي الأسهل هو مجرد زيادة حجمه. لكن ماذا يحدث عندما يتوقف هذا المفتاح عن العمل؟ إذا سمعت الحديث بين الخبراء في مجال بناء الذكاء الاصطناعي، سترى أن نبرة الحديث عن التقدم تغيرت. في فترة قصيرة وقوية، بدا أن الطريق إلى تحسين الذكاء الاصطناعي واضحًا وواضحًا، وكأنه قاعدة طبيعية. فكانت تحسينات الذكاء الاصطناعي تبدو كأنها مجرد توسعة في الحجم. الانجازات بين إصدارات النماذج كانت مذهلة، مثل الانتقال من نموذج GPT-2 إلى GPT-3، ثم إلى GPT-4. لم تكن هذه التحسينات مجرد تطور بسيط، بل كانت تغييرًا جذريًا في طبيعة الأنظمة. هذا أدى إلى إيمان قوي في الصناعة بأن الأداء يمكن التنبؤ به بشكل مباشر من خلال زيادة البيانات وزيادة قوة الحساب. لكن هذه الفترة من النمو المتوقع والمتزايد تبدو أنها انتهت. لم تعد التحسينات تظهر بشكل كبير وواضح كما كانت في السابق. المنحنى الذي كان الجميع يعتمدون عليه بدأ في التسطيح. لم يعد التقدم يسير بسرعة مذهلة. كان مفهوم "قوانين التوسع" هو المفتاح الذي اعتمد عليه الجميع. وبناءً على أبحاث مُلهمة، كان يُعتقد أن زيادة حجم النموذج وكمية البيانات التي يُدرب عليها ستؤدي بشكل مؤكد إلى تحسينات كبيرة في الأداء. لكن الآن، يبدو أن هذه العلاقة بدأت تفقد فعاليتها، ما يدفع الخبراء إلى البحث عن طرق جديدة لتحسين الذكاء الاصطناعي.