الصناعة غير المرئية التي تجعل من ChatGPT و Stable Diffusion وكل أنظمة الذكاء الاصطناعي الحديثة الأخرى ممكنة

‍

أفضل سر مخفي في الذكاء الاصطناعي

عندما تستخدم ChatGPT لكتابة رسالة بريد إلكتروني أو توليد صورة باستخدام برنامج Midjourney، نادراً ما تفكر فيما يكمن وراء "سحر" الذكاء الاصطناعي. ولكن وراء كل استجابة ذكية وكل صورة تم إنشاؤها تكمن صناعة بمليارات الدولارات لا يتحدث عنها سوى القليل من الناس: سوق بيانات تدريب الذكاء الاصطناعي.

‍

هذا القطاع، الذي سيصل حجمه وفقاً لشركة MarketsandMarkets إلى 9.58 مليار دولار بحلول عام 2029 بمعدل نمو يبلغ 27.7% سنوياً، هو المحرك الحقيقي للذكاء الاصطناعي الحديث. ولكن كيف تعمل هذه الأعمال الخفية بالضبط؟

‍

النظام البيئي غير المرئي الذي يحرك المليارات

الشركات التجارية العملاقة

يهيمن عدد قليل من الشركات على عالم بيانات تدريب الذكاء الاصطناعي التي لم يسمع بها معظم الناس من قبل:

‍

شركة Scale AI، وهي أكبر شركة في هذا المجال بحصة سوقية تبلغ 28%، وقد بلغت قيمتها مؤخرًا 29 مليار دولار بعد استثمار Meta. ويدفع عملاء الشركة من الشركات ما بين 100,000 دولار وعدة ملايين من الدولارات سنوياً للحصول على بيانات عالية الجودة.

‍

تُدير شركة Appen، ومقرها أستراليا، شبكة عالمية تضم أكثر من مليون متخصص في 170 دولة يقومون بتعليم البيانات يدوياً وتنظيمها للذكاء الاصطناعي. وتستخدم شركات مثل Airbnb وJohn Deere وProcter & Gamble خدماتها "لتعليم" نماذج الذكاء الاصطناعي الخاصة بها.

‍

عالم المصادر المفتوحة

وفي موازاة ذلك، هناك نظام بيئي مفتوح المصدر تقوده منظمات مثل LAION (شبكة الذكاء الاصطناعي المفتوحة على نطاق واسع)، وهي منظمة ألمانية غير ربحية أنشأت LAION-5B، وهي مجموعة البيانات التي تضم 5.85 مليار زوج من الصور والنصوص التي جعلت الانتشار المستقر ممكناً.

‍

يقوم Common Crawl بإصدار تيرابايت من بيانات الويب الخام المستخدمة لتدريب GPT-3 و LLaMA والعديد من النماذج اللغوية الأخرى على أساس شهري.

‍

التكاليف الخفية للذكاء الاصطناعي

ما لا يعرفه الجمهور هو مدى ارتفاع تكلفة تدريب نموذج حديث للذكاء الاصطناعي. فوفقًا لشركة Epoch AI، زادت التكاليف بمعدل 2-3 مرات سنويًا على مدار السنوات الثماني الماضية.

‍

أمثلة على التكاليف الحقيقية:

• Google Gemini 1.0 Ultra: حوالي 192 مليون دولار
• GPT-4: تقدر بأكثر من 100 مليون دولار
• التوقعات المستقبلية: أكثر من 1 مليار دولار أمريكي بحلول عام 2027

الرقم الأكثر إثارة للدهشة؟ وفقاً لموقع AltIndex.com، ارتفعت تكاليف التدريب على الذكاء الاصطناعي بنسبة 4,300% منذ عام 2020.

‍

التحديات الأخلاقية والقانونية التي تواجه القطاع

مشكلة حقوق الطبع والنشر

تتعلق إحدى أكثر القضايا إثارة للجدل باستخدام المواد المحمية بحقوق الطبع والنشر. في فبراير 2025، حكمت محكمة ديلاوير في قضية Thomson Reuters ضد ROSS Intelligence في فبراير 2025، بأن تدريب الذكاء الاصطناعي يمكن أن يشكل انتهاكًا مباشرًا لحقوق الطبع والنشر، رافضةً دفاع "الاستخدام العادل".

‍

نشر مكتب حقوق النشر الأمريكي تقريرًا من 108 صفحات خلص فيه إلى أن بعض الاستخدامات لا يمكن الدفاع عنها كاستخدام عادل، مما يمهد الطريق لتكاليف ترخيص ضخمة محتملة لشركات الذكاء الاصطناعي.

الخصوصية والبيانات الشخصية

كشف تحقيق أجرته مجلة MIT Technology Review أن DataComp CommonPool، وهي واحدة من أكثر مجموعات البيانات استخداماً، تحتوي على ملايين الصور لجوازات السفر وبطاقات الائتمان وشهادات الميلاد. ومع وجود أكثر من مليوني عملية تنزيل في العامين الماضيين، فإن هذا يثير مشاكل كبيرة تتعلق بالخصوصية.

‍

المستقبل: الندرة والابتكار

مشكلة بيانات الذروة

ويتوقع الخبراء أنه بحلول عام 2028 سيتم استخدام غالبية النصوص العامة التي تم إنشاؤها بواسطة البشر والمتاحة على الإنترنت. ويقود سيناريو "ذروة البيانات" هذا الشركات نحو حلول مبتكرة:

• البيانات الاصطناعية: التوليد الاصطناعي لبيانات التدريب
• اتفاقيات الترخيص: الشراكات الاستراتيجية مثل الشراكة بين OpenAI و Financial Times
• البيانات المتعددة الوسائط: مزيج من النصوص والصور والصوت والفيديو

لوائح جديدة ستصدر قريباً

سيطلب قانون الشفافية في الذكاء الاصطناعي في كاليفورنيا من الشركات الإفصاح عن مجموعات البيانات المستخدمة في التدريب، بينما يطبق الاتحاد الأوروبي متطلبات مماثلة في قانون الذكاء الاصطناعي.

‍

الفرص المتاحة للشركات الإيطالية

بالنسبة للشركات التي ترغب في تطوير حلول الذكاء الاصطناعي، فإن فهم هذا النظام البيئي أمر بالغ الأهمية:

خيارات مناسبة للميزانية:

• عناق الوجه: أكثر من 50,000 مجموعة بيانات مجانية
• مجموعات البيانات مفتوحة المصدر: Common Crawl، و LAION، و MS COCO للمشاريع التجريبية

الحلول المؤسسية:

• الذكاء الاصطناعي ومقاييس Appen للمشاريع ذات المهام الحرجة
• الخدمات المتخصصة: مثل Nexdata للبرمجة اللغوية العصبية أو FileMarket AI للبيانات الصوتية

الاستنتاجات

تبلغ قيمة سوق بيانات التدريب في مجال الذكاء الاصطناعي 9.58 مليار دولار أمريكي، وتنمو بنسبة 27.7% سنوياً. هذه الصناعة غير المرئية ليست فقط محرك الذكاء الاصطناعي الحديث، ولكنها تمثل أيضًا أحد أكبر التحديات الأخلاقية والقانونية في عصرنا.

‍

في المقالة التالية سنستكشف كيف يمكن للشركات الدخول بشكل ملموس إلى هذا العالم، مع دليل عملي للبدء في تطوير حلول الذكاء الاصطناعي باستخدام مجموعات البيانات والأدوات المتاحة اليوم.

‍

بالنسبة لأولئك الذين يرغبون في معرفة المزيد الآن، قمنا بتجميع دليل مفصل مع خارطة طريق للتنفيذ والتكاليف المحددة ومجموعة الأدوات الكاملة - يمكن تنزيله مجانًا مع الاشتراك في newsletter.

‍

روابط مفيدة للبدء على الفور:

‍

• بيئة التطوير: Google Colab (مجانًا مع وحدة معالجة الرسومات)
• مجموعات البيانات مفتوحة المصدر: مجموعات بيانات تعانق الوجوه
• أداة الشرح: استوديو التسمية (مجاناً)
• النشر السريع: غراديو + مساحات الترددات العالية
• الدورات التدريبية العملية: Fast.ai (مجاناً، عملياً)

المصادر التقنية:

• توثيق وجه المعانقة
• دروس PyTorch التعليمية
• أدلة تينسورفلو
• الأوراق ذات الرموز (نماذج SOTA + مجموعات البيانات)
• ‍

لا تنتظر "ثورة الذكاء الاصطناعي". ابتكرها. بعد شهر من الآن يمكن أن يكون لديك أول نموذج عملي لك، بينما لا يزال الآخرون يخططون.