على الرغم من التحذيرات، يقوم أصحاب رأس المال المغامرون (VCs) بضخ مليارات الدولارات في شركات النماذج اللغوية الكبيرة (LLMs) مدفوعين بالخوف من فقدان فرصة ازدهار تكنولوجي محتمل للذكاء الاصطناعي. ومع ذلك، يتجاهلون إمكانية أن تكون هذه النماذج قد بلغت ذروتها بالفعل، مما يعرضهم لخطر فقدان خسائر كبيرة مع بلوغ التكنولوجيا حدودها. تعتبر النماذج اللغوية الكبيرة مبتكرة، لكنها تظهر عيوبًا كبيرة. فهي تعمل كمحددات نمط متقدمة تم تدريبها على مجموعات بيانات ضخمة لكنها تفتقر إلى الفهم الحقيقي، مما يؤدي إلى مشكلات مثل الهلوسة حيث تنتج بثقة معلومات خاطئة. وعلى الرغم من قدرتها على محاكاة الحوار البشري، إلا أنها لا تمتلك مهارات التفكير النقدي أو القدرة على معالجة المشكلات المعقدة. تدريب النماذج اللغوية الكبيرة يعتبر مكلفًا للموارد، حيث يتطلب كميات هائلة من الطاقة الحاسوبية والبيانات، مما يجعل توسيع نطاقها غير فعال. الجهود لزيادة حجمها أو مدخلات البيانات تفشل في معالجة القيود الأساسية، كما ذُكر في ورقة حديثة لشركة Apple. الإدراك بأن هذه النماذج محدودة، وهو ما يعترف به خبراء الذكاء الاصطناعي بما في ذلك Gary Marcus، الذين وصفوها بأنها "رائعة لكنها غبية" بسبب مخرجاتها المذهلة المترافقة مع افتقاد الفهم العميق. العائدات المتناقصه من إصدارات النماذج اللغوية الجديدة تشير إلى اقترابنا من ذروة التطور التكنولوجي لهذه النماذج. لكن الذكاء الاصطناعي نفسه ليس في انحدار، بل يمر بتطور طبيعي.

وهذا يتماشى مع منحنى S للابتكار، حيث تبدأ التكنولوجيا في التقدم ببطء، يتبعه ابتكار سريع قبل أن تستقر عندما تصل إلى حدودها. رأينا نماذج مشابهة مع تقنيات أخرى، مثل الإنترنت والهواتف الذكية، التي واجهت التشكيك لكنها في النهاية حولت الصناعات. أحد الاتجاهات الواعدة للذكاء الاصطناعي هو الذكاء الاصطناعي العصبي الرمزي، الذي يدمج بين التعرف النمطي للشبكات العصبية مع المنطق الرمزي لتمكين التفكير الحقيقي. يمكن أن يساهم هذا النهج في تمكين حل المشكلات المتقدمة أكثر من مجرد إعادة إنتاج اللغة. بالإضافة إلى ذلك، يتم العمل حاليًا على إنشاء نماذج ذكاء اصطناعي أكثر كفاءة، مع التركيز على تعزيز الذكاء بدلاً من مجرد توسيع النماذج الحالية. لا يزال الذكاء الاصطناعي الواعي بالسياق محط التركيز، بهدف تحسين التماسك والأهمية للتفاعلات. أيضًا، يتم معالجة التحديات الأخلاقية المرتبطة بالنماذج اللغوية الكبيرة، مثل التحيز والمعلومات الخاطئة، بنشاط وهذا أمر حاسم لاعتماد الذكاء الاصطناعي في قطاعات مثل الرعاية الصحية والتعليم. بينما تتضمن المستحدثات التكنولوجية المبكرة في الغالب إحباطات وتعثرات، فإن الاختراقات تظهر عند نقاط الالتفاف. تعد الموجة التالية من ابتكارات الذكاء الاصطناعي بتجاوز كبير للتكنولوجيا الحالية، مما يشير إلى بداية ثورة جديدة لأولئك الذين يلاحظون هذه التطورات. في المجمل، يتطابق الحماس الحالي حول النماذج اللغوية الكبيرة مع تحديات أساسية، لكن البحوث المستمرة في الذكاء الاصطناعي العصبي الرمزي والاعتبارات الأخلاقية تشير إلى مستقبل واعد للذكاء الاصطناعي يمكن أن يعيد تعريف قدراته.