ينقسم الجدل حول الذكاء الاصطناعي بين سيناريوهات كثيرة، لكن في قلب أكثرها تطرفاً فكرة تقنية محددة: التحسين الذاتي المتكرر (Recursive Self-Improvement). إذا استطاعت آلة ذكية أن تساعد في بناء آلة أذكى منها، ثم استخدمت النسخة الجديدة قدراتها لبناء نسخة أكثر تقدماً، فقد يتحول التطور إلى حلقة تسرّع نفسها. وبما أن هذه الأنظمة تعمل بسرعة الحواسيب، لا بإيقاع الأجيال البشرية، يبرز الخوف من أن تتسارع الحلقة إلى حد تنفلت فيه عن السيطرة. الفكرة ليست جديدة. طرحت قبل ستة عقود، حين سمّى عالم الرياضيات البريطاني آي. جي. غود عام 1965 نتيجتها المحتملة "انفجار الذكاء". ومنذ ذلك الحين ينقسم النقاش بين من يرى أن الحلقة ستقود إلى قفزة تتجاوز البشر، ومن يرجّح أن تصطدم، كمعظم التقنيات قبلها، بعوائد متناقصة وحدود مادية صلبة: الطاقة، ومراكز البيانات، والشرائح المتقدمة. حجة غود أنيقة، لكنها تقوم على افتراض صامت: أن كل خطوة إلى الأمام تسهّل الخطوة التالية. وهذا ليس بديهياً. ففي معظم ميادين البحث يحدث العكس، إذ يصبح الاكتشاف الجديد أصعب من سابقه. لم يعد السؤال اليوم ما إذا كانت الحلقة موجودة. إنها موجودة وقابلة للقياس. الذكاء الاصطناعي يكتب معظم الشيفرة داخل المختبرات التي تصنعه. السؤال أضيق وأكثر إلحاحاً: ما شكل منحنى هذا التطور؟ أمامنا شكلان: صعود متسارع لا يعرف سقفاً (Exponential)، أو منحنى يتسارع ثم يتسطح عند هضبة تفرضها بنية هذه الأنظمة. غير أن الحصان بلغ سقفه، ولم يتوقف السفر. جاءت السيارة وبدأت من حيث انتهى، ثم بلغت حدودها، فجاءت الطائرة. وهكذا قد تبلغ النماذج اللغوية سقفها، ويتسلّم الراية جيل مختلف كلياً. عندها تكون كل تقنية، منفردة، منحنى ينتهي بهضبة، فيما تبدو السلسلة كلها، من بعيد، صعوداً لا يعرف سقفاً. ذكاء البشر ليس نقطة على هذا المنحنى. إنه أشبه بخط أفقي يقطعه. تجاوزتنا الآلات منذ عقود في الشطرنج والحساب، وتجاوزتنا أخيراً في طي البروتينات، فيما لا تزال دوننا في أبسط أحكام الحياة اليومية. ولا أحد يعرف أين ستتوقف إن توقفت. قد تقف قريباً منا، وقد تمضي بعيداً. المنحنى لا يعرف بوجودنا. الجواب هنا غير محسوم. وهذا بحد ذاته يستحق الكتابة عنه، في سوق بات يبيع اليقين بالجملة. منطق من يتوقعون انفجاراً بسيط: الباحث البشري واحد ينام ويتعب ويموت. أما الباحث الآلي فينسخ آلاف المرات ويعمل بالتوازي بلا انقطاع. مختبر واحد قد يشغّل جيشاً من الباحثين بكلفة الكهرباء. التقدير الأكثر انضباطاً في هذا المعسكر ليس الأكثر صخباً. تقول دراسة Forethought إن الأرجح، بنحو 60 في المئة، أن يضغط تسارع برمجي أكثر من ثلاث سنوات من التقدم في أقل من سنة. تحول هائل. لكنه ليس ساعات، وليس أياماً. وقد انضم إلى هذا المعسكر، من موقع غير متوقع، داريو أمودي، الرئيس التنفيذي لشركة Anthropic. ففي مقالة نشرها في 12 أيلول 2026، كتب أن الذكاء الاصطناعي صار يتقدم أسرع بكثير منذ صيف هذا العام، وأن الدافع الأساسي هو قدرته المتنامية على بناء الجيل التالي منه، وأن هذه الديناميكية "بدأت تحدث في القطاع كله، بما في ذلك Anthropic". ودعا، وهو يبيع المنتج نفسه، إلى إبطاء الإيقاع. ويستحق هذا الوصف تفكيكاً. فالقدرة لا "تنمو" من تلقاء نفسها. وثمة مليارات تضخ عمداً لتوجيه النماذج نحو أتمتة البحث تحديداً، وسباق بين شركات قليلة يجعل هذا الاتجاه أولوية. حلقة التطوير ليست ظاهرة طبيعية، بل خيار استثماري يتخذ. ويبقى أن من يدعو إلى الإبطاء هو نفسه من يضخ الأموال ويتسابق. وليس أمودي وحده. فقد قال سام ألتمان، الرئيس التنفيذي لشركة OpenAI، إنه مستعد للتمهل إن فعل الآخرون مثله. وهو شرط يعرف قائله إنه لن يتحقق، فيمنحه صورة الحريص دون التزام. والسباق ليس على منتج، بل على موقع. رهانه احتكار القوة وبلوغ الذكاء الاصطناعي العام، وحساباته جيوسياسية بقدر ما هي تجارية. في قلب المعسكر المقابل ثمة معادلة تعرف باسم قوانين التوسع (Scaling Laws)، وقد رسّختها أبحاث بين 2020 و2022. خلاصتها أن أداء النماذج يتحسن مقابل الحوسبة والبيانات، لكن وفق "قانون القوة" (Power Law). بلغة بسيطة: القفزة الأولى تكلفك مليوناً، والتالية عشرة، والتي تليها مئة. أي أن الكلفة هي التي تصعد بلا سقف، لا القدرة. وتناقص العوائد مكتوب في المعادلة نفسها، وليس مفروضاً عليها من الخارج. ثم تأتي مشكلة البيانات. تتوقع مؤسسة Epoch AI البحثية أن تستنفد الشركات، بين 2026 و2032، كل ما يصلح للتدريب من نصوص بشرية على الإنترنت، وهو ما يسمى "جدار البيانات" (Data Wall). وقد قال إيليا سوتسكيفر، أحد مؤسسي OpenAI وكبير علمائها السابق، إن البيانات هي "الوقود الأحفوري للذكاء الاصطناعي". الوصف دقيق بشكل ساخر: الوقود الأحفوري ينفد. ويضيف الاقتصاديون طبقة ثالثة. دراسة ن