السبت 18 يوليو 2026
مخاطر ظاهرة “الالتهام الذاتي” وتأثيراتها السلبية على نماذج الذكاء الاصطناعي: أبحاث جديدة تكشف عن التحديات المجهولة
كيف يمكن أن تهدد البيانات الاصطناعية جودة الذكاء الاصطناعي؟ دراسة تكشف ظاهرة “الالتهام الذاتي” وتأثيراتها المستقبلية المقلقة.
البيانات الاصطناعية وتحديات “الالتهام الذاتي”: كيف قد تؤثر هذه الظاهرة على دقة نماذج الذكاء الاصطناعي في المستقبل؟
في ظل الإقبال المتزايد على استخدام الذكاء الاصطناعي، خصوصًا في مجالات معالجة النصوص والصور، تواجه شركات التكنولوجيا تحديات كبيرة تتعلق بتوافر البيانات. لذلك، يتم اللجوء بشكل متزايد إلى البيانات الاصطناعية، التي تقدم حلولًا فعالة من حيث التكلفة والموارد. ومع ذلك، توصل الباحثون إلى ظاهرة “الالتهام الذاتي” التي قد تضر بجودة النماذج التوليدية، مثل DALL-E 3 وMidjourney. هذه الظاهرة تنجم عن تدريب النماذج باستمرار على بيانات اصطناعية، مما يؤدي إلى تشويه دقة النماذج. ومن خلال دراسة جامعة رايس، تم التأكيد على أن استخدام البيانات الاصطناعية بشكل مستمر قد يؤدي إلى نتائج غير دقيقة، مما يتطلب اتخاذ تدابير وقائية لضمان استدامة الذكاء الاصطناعي وجودته في المستقبل.
التطورات المدهشة لنماذج الذكاء الاصطناعي: الحاجة إلى البيانات الضخمة
تعتبر نماذج الذكاء الاصطناعي الحديثة مثل GPT-4 من OpenAI وStabilityAI’s Stability Diffusion من أبرز الابتكارات التقنية التي حققت تقدماً لافتاً في مجال معالجة النصوص والصور والفيديوهات. وتتمتع هذه النماذج بقدرة فائقة على إنشاء محتوى جديد بشكلٍ مذهل، مما يجعلها خياراً مفضلاً في العديد من الصناعات. إلا أن هذه النماذج تتطلب تدريباً على كميات ضخمة من البيانات، وهو ما يفرض تحديات كبيرة على المطورين من حيث توافر هذه البيانات والموارد اللازمة لاستخدامها.
توجه الشركات نحو البيانات الاصطناعية لتعويض نقص البيانات الحقيقية
في ظل الصعوبات المرتبطة بالحصول على البيانات الكافية، بدأت الشركات التكنولوجية الكبرى في الاتجاه نحو استخدام البيانات الاصطناعية كحل فعال لمشاكل التدريب. تعتبر هذه البيانات خيارًا جذابًا للعديد من الأسباب: فهي أكثر توفيرًا من حيث التكلفة، وتتمتع بتوافر أكبر مقارنة بالبيانات الحقيقية. بالإضافة إلى أنها تساهم في تعزيز حماية الخصوصية، خاصة في المجالات الحساسة مثل الرعاية الصحية.
مخاطر البيانات الاصطناعية: تأثيرات “الالتهام الذاتي”
لكن، على الرغم من هذه الفوائد، لا يخلو استخدام البيانات الاصطناعية من المخاطر. اكتشف فريق من الباحثين في جامعة رايس ظاهرة غير متوقعة تعرف بـ “الالتهام الذاتي”، والتي قد تكون لها تأثيرات ضارة على دقة نماذج الذكاء الاصطناعي. ووفقاً لريتشارد بارانيوك، أستاذ الهندسة الكهربائية في الجامعة، تنشأ هذه الظاهرة عندما يتم تدريب النماذج بشكل مستمر على بيانات اصطناعية مما يؤدي إلى تدهور تدريجي في أداء النموذج على المدى الطويل.
ظاهرة “الالتهام الذاتي” وتأثيرها على جودة النموذج
تُعرف ظاهرة “الالتهام الذاتي” بتكرار استخدام البيانات الاصطناعية بشكل مستمر، مما يؤدي إلى تراجع جودة النماذج بشكل ملحوظ. هذا التدهور يمكن أن ينعكس سلبًا على النماذج التوليدية، مثل تلك المستخدمة في إنشاء الصور والنصوص. ويؤكد بارانيوك أن هذه الظاهرة تؤدي إلى “انهيار النموذج”، خاصة في ما يتعلق بالنماذج اللغوية الكبيرة التي تعتمد على البيانات لتوليد النصوص.
دراسات وأبحاث تكشف تأثيرات البيانات الاصطناعية على الذكاء الاصطناعي
وثَّق فريق البحث في جامعة رايس هذه الظاهرة في دراسة علمية قُدمت في المؤتمر الدولي لتمثيلات التعلم (ICLR) في مايو. وتستعرض هذه الدراسة تأثير استخدام البيانات الاصطناعية في نماذج الصور التوليدية مثل DALL-E 3 وMidjourney وStable Diffusion. وحذَّر الباحثون من أن استمرار استخدام هذه البيانات قد يؤدي إلى نماذج مشوهة وغير دقيقة بمرور الوقت.
نتائج مثيرة للقلق: تشويه الجودة وعدم دقة النماذج
من بين النتائج المثيرة للقلق التي توصل إليها فريق البحث، أن تدريب النماذج التوليدية على بيانات اصطناعية قد يؤدي إلى تشويه دقيق للبيانات مع مرور الوقت. على سبيل المثال، يمكن أن تتحول مجموعات بيانات الصور إلى صور غير واضحة أو مشوهة، بينما يمكن أن تتحول مجموعات بيانات النصوص إلى خربشات غير قابلة للقراءة. وهذا يعني أن الاعتماد طويل الأمد على البيانات الاصطناعية قد يقوض دقة النماذج على المدى البعيد.
تأثيرات طويلة الأمد: التأثيرات السلبية على الإنترنت والنماذج المستقبلية
من جانبه، أشار بارانيوك إلى أن استمرار هذه الظاهرة قد يساهم في تشويه جودة وتنوع البيانات على الإنترنت، مما يضع ضغطاً على نماذج الذكاء الاصطناعي المستقبلية. ومع تزايد الاعتماد على البيانات الاصطناعية، قد يتعذر الحفاظ على التنوع والموثوقية في هذه النماذج، مما يؤدي إلى نتائج غير دقيقة قد تؤثر في العديد من المجالات.
دعم الأبحاث: فريق من العلماء والتمويل الحكومي
ساهم في هذا البحث فريق من علماء جامعة رايس، حيث كان من بينهم سينا المحمد، وخوسيه كاسكو-رودريغيز، وأحمد امتياز همايون، وغيرهم. وقد تم تمويل هذه الدراسة من قبل مجموعة من المؤسسات مثل المؤسسة الوطنية للعلوم، ومكتب البحوث البحرية، ومكتب القوات الجوية الأمريكية للبحث العلمي، ووزارة الطاقة.
التأثيرات الضارة: الحاجة إلى التدابير الوقائية
في الختام، يشير الباحثون إلى ضرورة اتخاذ تدابير وقائية لضمان عدم استمرار هذه الظاهرة السلبية. فقد يكون من الضروري تطوير أساليب تدريب جديدة أو تحسين طرق استخدام البيانات لضمان استدامة الذكاء الاصطناعي في المستقبل.
