هل يمكن للعلماء أخيراً فهم ما يحدث داخل نماذج الذكاء الاصطناعي، بعدما ظلت آليات عملها أشبه بصندوق أسود يصعب تفسيره؟ هذا السؤال أثار نقاشاً واسعاً في وادي السيليكون، عقب نشر باحث بارز أطروحة تتحدى أحد التصورات الأساسية عن الشبكات العصبية، وتطرح احتمال أن تكون هذه الأنظمة أكثر قابلية للفهم والتنبؤ مما اعتقد الخبراء سابقاً. وتناولت صحيفة "ذا أتلانتيك" خلال شهر تشرين الأول/أكتوبر 2026 الجاري، وموقع Futurism في 19 من الشهر نفسه، أطروحة الباحث نيك كاماراتا، التي تمتد إلى نحو 26 ألف كلمة، وأثارت حماس شخصيات بارزة في قطاع التكنولوجيا، بينها الرئيس التنفيذي لشركة "أوبن إيه آي" سام ألتمان. ووصف أحد الباحثين في الشركة العمل بأنه "لحظة كبرى في تاريخ العلم"، فيما رأى آخرون أنه قد يفتح طريقاً جديدة لفهم سلوك أنظمة الذكاء الاصطناعي والحد من مخاطرها. تعتمد نماذج الذكاء الاصطناعي الحديثة على شبكات عصبية تتألف من طبقات مترابطة من الوحدات الحسابية، تُعرف بالعصبونات الاصطناعية، وتتفاعل لمعالجة المعلومات وإنتاج الاستجابات. ورغم قدرة الباحثين على تدريب هذه الأنظمة وتطويرها، فإن فهم الأسباب الدقيقة وراء استجاباتها لا يزال تحدياً علمياً؛ فالنماذج المتقدمة تضم عشرات المليارات من المعايير، ما يجعل تتبع عملياتها الداخلية بالغ التعقيد. ولهذا تُوصف غالباً بأنها "صناديق سوداء"، إذ يمكن ملاحظة المدخلات والنتائج، من دون امتلاك تفسير كامل للعمليات التي تربط بينهما. لكن كاماراتا، الموظف السابق في "أوبن إيه آي"، والعامل حالياً في شركة Goodfire المتخصصة في أبحاث الذكاء الاصطناعي، يرى أن هذا التصور قد يكون مبالغاً فيه. والمفارقة التي أبرزتها "ذا أتلانتيك" أن الباحث نفسه ساهم قبل سنوات في تطوير الفهم العلمي الذي جعل الشبكات العصبية تبدو شديدة الغموض، قبل أن يعود اليوم ليشكك في أحد افتراضاته الأساسية. تتمحور أطروحة كاماراتا حول وظيفة العصبونات الاصطناعية، وكيفية استجابتها للصور والمعلومات المختلفة. فقد أظهرت أبحاث سابقة أن العصبون الواحد قد يستجيب لمفاهيم تبدو غير مترابطة، مثل وجوه القطط وأرجلها ومقدمات السيارات، ما جعل تحديد وظيفته الدقيقة أمراً صعباً. وكان أحد التفسيرات البارزة لهذه الظاهرة مفهوم "التراكب" (Superposition)، الذي يفترض أن الشبكات العصبية قد تمثل خصائص متعددة ضمن المكونات الحسابية نفسها، عندما يتجاوز عدد الخصائص المطلوب تمثيلها عدد الأبعاد المتاحة داخل الشبكة. وبموجب هذا التصور، يمكن للعصبون الواحد أن يؤدي وظائف مختلفة، من دون وجود رابط واضح بينها. لكن كاماراتا يقترح تفسيراً آخر، مفاده أن هذه الاستجابات قد تكون مرتبطة بخصائص مشتركة لم يلاحظها الباحثون سابقاً. ويضرب مثالاً بعصبون يستجيب لوجه قطة ومقدمة سيارة، وهما صورتان تبدوان مختلفتين. ووفق تحليل كاماراتا، فإن الرابط بين الاستجابتين يتمثل في نمط بصريّ مشترك يشبه حرف V. وفق تفسيره، فإن العصبون لا يتعرّف بالضرورة على القطة والسيارة بوصفهما مفهومين منفصلين، بل يستجيب لهذا النمط البصريّ المشترك. وأشارت "ذا أتلانتيك" إلى أن العصبون نفسه يستجيب لأشكال أخرى مشابهة، بينها ألسنة لهب وتيارات مياه تتخذ شكل V. بذلك يرى كاماراتا أن بعض العصبونات قد تمتلك وظائف أكثر اتساقاً ووضوحاً مما توحي به التفسيرات السابقة، وأن الشبكات العصبية ليست بالضرورة مجموعات معقدة من الوظائف المتشابكة التي يستحيل فهمها. لا تقتصر أهمية الأطروحة على تفسير كيفية معالجة الصور، بل تمتد إلى أحد أبرز تحديات تطوير الذكاء الاصطناعي، وهو ضمان توافق سلوك الأنظمة مع الأهداف والضوابط البشرية. ويُعرف هذا التحدّي باسم "مواءمة الذكاء الاصطناعي"(AI Alignment)، ويهدف إلى تقليل احتمالات تصرف النماذج بطرق غير متوقعة أو ضارّة. فإذا تمكن الباحثون من فهم العمليات الداخلية لهذه الأنظمة، فقد يصبح من الممكن تفسير أسباب تجاوز روبوتات المحادثة ضوابطَ السلامة، أو انخراط وكلاء الذكاء الاصطناعي المستقلّين في محاولات اختراق إلكتروني. كما قد يساعد هذا الفهم في دراسة الحالات التي تنتج فيها النماذج استجابات مضلّلة، أو تبدو كأنها تخدع الباحثين الذين يختبرونها. ونقلت "ذا أتلانتيك" عن الباحث في "أوبن إيه آي" آدم مجمدار وصفه الأطروحة بأنها واحدة من أبرز دواعي التفاؤل منذ سنوات. لكن هذه الاحتمالات تظلّ مرتبطة بصحة النتائج وإمكانية تطبيقها على أنظمة أكثر تعقيداً. رغم الاهتمام الكبير بالأطروحة، لا يزال هناك خلاف بشأن دلالاتها العلمية. وأوضحت "ذا أتلانتيك" بأن أبرز التجارب التي استند إليها كاماراتا ركّزت على نماذج الرؤية الحاسوبية، وهي عموماً أبسط وأكثر قابلية للفهم من النماذج اللغوية. وتناول الباحث كذلك تجارب على نماذج لغوية، من دون أن يعني ذلك إثبات