يتزايد الجدل حول شركة آبل وقفزتها الكبيرة القادمة في مجال الذكاء الاصطناعي، وقد بات مصطلح "AppleLLM" يتردد بقوة في أروقة كوبرتينو. فبين التسريبات الموثوقة، والتطورات التي حققتها آبل في مجال الذكاء الاصطناعي، والتحول الجذري الذي يشهده نظام سيري ، تشير كل الدلائل إلى أن نموذج اللغة الخاص بآبل بات أقرب من أي وقت مضى إلى أن يصبح واقعًا ملموسًا ومكونًا أساسيًا في استراتيجيتها.
بعيدًا عن الضجيج، تتراكم البيانات التقنية وقرارات المنتج وحتى الانتقادات الأكاديمية، مما يرسم صورة معقدة. تفتح آبل منصتها للمطورين، وتعد بخصوصية قابلة للتحقق، وتستكشف شراكات مع جهات خارجية ، مع إقرارها في الوقت نفسه بصعوبة التحدي: فبرامج الماجستير في القانون الحالية تتعثر عندما تصبح المهام معقدة، ولا تُغني عن الخوارزميات الكلاسيكية المصممة جيدًا.
AppleLLM: ما نعرفه ولماذا يأتي الآن
بحسب مصادر بلومبيرغ التي استشهد بها مارك غورمان، تُجري آبل حاليًا اختبارات داخلية على نموذج التعلم الآلي المدمج في مساعدها الصوتي، حيث يقدم الموظفون ملاحظاتهم مباشرةً للفريق. يندرج هذا الجهد ضمن مشروع أجاكس وما يُعرف باسم AppleGPT ، وهو مسار يسمح لسيري بتقييم الاستفسارات وإحالتها إلى نموذج ثانٍ عند الحاجة.
تُشير خارطة الطريق التي كشفت عنها هذه التسريبات إلى مرحلتين رئيسيتين: الأولى هي تطوير سيري في الجيل الحالي من الأنظمة، والثانية هي تطوير نسخة أكثر طموحًا في المستقبل. سنرى أولًا سيري تفهم السياق وتسلسل الطلبات دون الحاجة إلى إعادة تشغيل غير ضرورية ، وقادرة على قراءة الرسائل أو رسائل البريد الإلكتروني لاستخراج بيانات مفيدة باستخدام صلاحيات محلية؛ ثم ستأتي نسخة تتضمن نظام إدارة التعلم الخاص بها كبنية أساسية للمحادثة.
يتوقع غورمان حدوث نقلة نوعية كبيرة أخرى في ربيع عام 2026، بالتزامن مع إصدار نظام iOS 19، ما لم تطرأ أي تغييرات في اللحظات الأخيرة. ولن تكون هذه المرة الأولى التي تستعرض فيها آبل رؤيتها في مؤتمر WWDC ثم تُنفذها بعد أشهر ، كما حدث مع سيري، التي أُعلن عنها مبدئيًا في عام 2024 ولكن تم تأجيلها لمزيد من التطوير.
ذكاء Apple اليوم: البنية والحجم والتخصص
بينما لا تزال منصة AppleLLM في طور النضج، تُشغّل الشركة بالفعل Apple Intelligence كمجموعة من النماذج التي تُركّز بشكل كبير على المهام اليومية. يوجد نموذج مُدمج على الجهاز يحتوي على حوالي 3.000 مليارات مُعامل، ونموذج أكبر يعمل على السحابة ، ويعتمد على خوادم Apple Silicon التي تعمل بالطاقة المتجددة. الفكرة هي معالجة معظم الطلبات على الجهاز والتوسع إلى السحابة الخاصة عند الحاجة.
لأغراض التدريب، ذكرت آبل أنها استخدمت AXLearn، إطار عمل التعلم الآلي مفتوح المصدر الذي أطلقته عام 2023، مع بيانات مرخصة ومحتوى عام جمعه برنامج AppleBot. وتؤكد الشركة أنها لا تستخدم بيانات المستخدمين الخاصة، وتطبق فلاتر لحماية المعلومات الشخصية، وتتخلص من البيانات غير المرغوب فيها والمكررة ، كما توفر آلية للناشرين لطلب استبعاد بياناتهم.
في عملية التحسين، يستخدم النموذج المحلي مفردات تضم 49 ألف رمز، بينما يستخدم نموذج الخادم 100 ألف رمز، مع تقليل استهلاك الذاكرة لخفض زمن الاستجابة. يعتمد هذا النهج على التخصصات: محولات للكتابة، والتلخيص، والعصف الذهني، والتصنيف، والإجابة على الأسئلة المغلقة والمفتوحة، والبرمجة، والاستخراج، والاستدلال الرياضي، والأمان، وإعادة الكتابة ، وغيرها.
في الاختبارات المعيارية التي اختارتها آبل، مثل IFEval (اتبع التعليمات)، تتفوق نماذجها على نظيراتها ذات الأحجام المماثلة، بل وتُضاهي أداء GPT-4 Turbo وMistral 8x22B على جانب الخادم في مهام محددة. ومع ذلك، تُقرّ آبل بأن نهجها مُركّز للغاية، ولا تُقدّم حاليًا دعمًا كاملًا للوسائط المتعددة: فهي تدعم النصوص والصوت، ولكن ليس الفيديو على غرار العروض الأخرى في هذا القطاع.
الخصوصية من خلال التصميم: شرح الحوسبة السحابية الخاصة
عندما يعجز الجهاز عن تلبية المتطلبات، تدخل خدمة الحوسبة السحابية الخاصة من آبل حيز التنفيذ. فهي توفر تشفيرًا شاملاً، ومعالجة مؤقتة، ومعرفات عشوائية غير مترابطة ، مع إمكانية التدقيق الخارجي ودون منح الموظفين أي امتيازات خاصة.
تؤكد الشركة أن البيانات تُستخدم فقط للغرض الذي يطلبه المستخدم، وأنها غير متاحة للموظفين الداخليين. علاوة على ذلك، تتجنب الشركة استخدام مكونات خارجية لأسباب أمنية، وتقتصر على استخدام بيانات التشخيص عن بُعد على الخيارات شديدة الخصوصية. ويتم كل ذلك باستخدام رقائقها الخاصة في مرافق معتمدة، مع التركيز علنًا على إمكانية التحقق من قبل الباحثين.
سيري: من التعثرات الحالية إلى الإصدار الذي يهدف إلى المزيد
يعد نظام سيري، الذي بدأ بالظهور في الجيل الحالي من الأنظمة، بفهم أفضل للسياق وتسلسل الأوامر. سيتمكن أخيرًا من ربط الطلبات البسيطة دون فقدان أي تفاصيل، والعمل كمساعد حقيقي للبيانات الشخصية المحلية : الرسائل، والبريد الإلكتروني، والأحداث، مع تحكم المستخدم الكامل دائمًا.
مع ذلك، ثمة ثغرة تسدها آبل: ففي حالة الاستفسارات التي تتجاوز هذا الإطار، سيتمكن سيري من استدعاء ChatGPT بإذن صريح. سيحترم هذا التكامل الموافقة في كل مرة، ويخفي عنوان IP، ولن يتطلب إنشاء حساب جديد ؛ وتؤكد آبل أن هذه التجربة لا تخرج عن نطاق خصوصيتها إلا بتأكيد المستخدم.
الباب ليس مغلقًا أمام لاعبين آخرين: فقد أبقى كريغ فيديريغي الباب مفتوحًا أمام خيار دمج جوجل جيميني أو مزودين آخرين في المستقبل. وهذا يوفر مرونة لأسواق مثل الصين أو في الحالات التي لا يتوفر فيها ChatGPT ، دون التخلي عن نموذجهم الخاص على المدى المتوسط.
WWDC والافتتاح: Apple لا تريد أن تتجه وحدها نحو الذكاء الاصطناعي
قبل مؤتمر WWDC، تستعد آبل لخطوةٍ محورية: إتاحة منصة الذكاء الاصطناعي الخاصة بها كمنصة متعددة الوظائف للنظام البيئي. سيتم توفير مجموعة أدوات كانت مخصصة سابقًا للفرق الداخلية للمطورين ، مما يمنحهم إمكانية الوصول إلى نماذج خفيفة الوزن قادرة على العمل محليًا مع الحفاظ على الخصوصية.
التشابه مع متجر التطبيقات واضح: عندما تمكنت جهات خارجية من إنشاء تجارب، انطلق الآيفون كمنصة. الآن، الهدف هو منع المطورين من الانتقال إلى نماذج الجهات الخارجية، وتسهيل بناء تجارب أصلية وذكية باستخدام نماذج Apple الأساسية، بما في ذلك الاستدلال المجاني وخيارات العمل دون اتصال بالإنترنت.
من بين الأهداف رفع مستوى المنافسة، والاستفادة من الملاحظات الواقعية، وتسريع تطوير المنتجات. بل إنهم يدرسون استخدام نماذج خارجية مثل كلود لمساعد سويفت ، مما يؤكد استعداد آبل للنهج العملي في أدوات تطويرها.
الميزات القادمة قريبًا: من الترجمة المباشرة إلى الذكاء البصري
لا يقتصر تأثير تقنية Apple Intelligence على مجرد دعاية، بل بدأت تظهر بالفعل في ميزات ملموسة على أنظمة iOS و iPadOS و macOS. تتيح ميزة الترجمة الفورية الترجمة في الوقت الفعلي أثناء المكالمات الصوتية والمرئية ، وتتكامل مع تطبيقات الرسائل و FaceTime والهاتف، وكلها مدعومة من قبل الأجهزة المحلية.
يواصل تطبيق Image Playground تطوير واجهة برمجة التطبيقات الخاصة بالمطورين ودمج ChatGPT القائم على الأذونات، بينما يتيح تطبيق Genmoji للمستخدمين إنشاء تركيبات وأوصاف لتعبير أكثر دقة . أما أداة العصا السحرية، فتحوّل الرسومات إلى صور ببضع نقرات فقط.
في مجال الإنتاجية، يكتشف تطبيق التذكيرات الإجراءات ذات الصلة عند قراءة البريد الإلكتروني أو الملاحظات، ويقوم بتصنيفها تلقائيًا حسب الفئة . ويقترح تطبيق الرسائل إنشاء استطلاعات رأي عند الحاجة ، ويضيف تطبيق البريد معاينة محسّنة، بينما يُحسّن وضع التركيز إدارة المقاطعات.
يتضمن التطبيق أيضًا إشعارات ذات أولوية، وبحثًا باللغة الطبيعية ، وخيار إنشاء مقاطع فيديو تذكارية في تطبيق الصور مع وصف بسيط. على ساعة آبل، يستخدم تطبيق Workout Buddy معدل ضربات القلب، والسرعة، والمسافة، والحلقات، والإنجازات لتوفير تحفيز شخصي وفوري؛ في البداية باللغة الإنجليزية ولتمارين مثل المشي على جهاز المشي أو الدراجة الثابتة.
تضيف تقنية الذكاء البصري قدرات فائقة سياقية إلى الشاشة: التقط صورة لمنتج يعجبك واطلب منتجات مماثلة مع الأسعار والميزات؛ حوّل ملصق حفلة موسيقية إلى حدث تقويم بنقرة واحدة ؛ أو استخرج البيانات على الفور من مكان ما بنقرة على الكاميرا أو زر الإجراء.
أسس المبدعين: نماذج الأسس والطريق إلى النمو
بالنسبة للمطورين، ستكون منصة Foundation Models البوابة الرسمية لدمج نماذج Apple في تطبيقات الطرف الثالث. فهي توفر وصولاً مميزاً إلى نماذج التعلم الموجه (LLMs) نفسها التي تستخدمها Apple Intelligence، مع ضمان الخصوصية منذ البداية، وإمكانية التنفيذ دون اتصال بالإنترنت حيثما أمكن، بالإضافة إلى استدلال الذكاء الاصطناعي دون أي تكلفة تشغيلية.
تُعدّ هذه الاستراتيجية مقنعة من جانبين: تقديم إمكانيات أصلية وحصرية بدلاً من البدائل الخارجية، وتوسيع نطاق ذكاء Apple من خلال إبداع النظام البيئي . وقد بدأت بالفعل المرحلة التجريبية لبرنامج مطوري Apple، مع وجود قاعدة جماهيرية عامة، وسيتم طرحها للأجهزة المتوافقة هذا الخريف.
انتقادات خطيرة لنموذج الماجستير في القانون: جدار التعقيد
إلى جانب سرد المنتج، نشرت شركة آبل بحثًا يثير الجدل: عند قياس قدرات الاستدلال، لوحظ أن نماذج التعلم المنطقي تنهار عند تجاوز عتبة معينة من التعقيد ، حتى عندما تكون هناك موارد حاسوبية وفيرة.
يتوافق هذا النقد مع أعمال سابقة لعدد من المؤلفين المشاركين منذ عام 2023: لا يمكن بناء وكلاء موثوقين دون تطوير كافٍ للاستدلال الرسمي والمجرد. ووفقًا لهذه التحليلات، فإن النماذج واسعة النطاق لا تستدل مثل البشر؛ فهي قادرة على التفكير بشكل أكبر... ولكن إلى حد معين فقط.
تُعدّ مسألة برج هانوي المثال الأبرز. إنها مسألة كلاسيكية بسيطة بالنسبة للخوارزمية، وقابلة للحل حتى لطفل صبور، لكن النماذج الحديثة مثل كلود تتعثر عند 7 أقراص، وتفشل عمليًا عند 8 أقراص. حتى المتغيرات الحديثة، مثل o3-min في اختبار التوافق العالي، لا تُحسّن النتائج بشكل ملحوظ في هذه الاختبارات.
والأمر الأكثر إثارة للصدمة: حتى عند تزويد النماذج بخوارزمية خطوة بخطوة لحل المهمة، فإنها تميل إلى الأداء الضعيف . وتشير إيمان ميرزاده، وهي مؤلفة مشاركة، إلى أن ما يُلاحظ لا يشبه عملية منطقية أو شكلاً من أشكال الذكاء، لأن التنفيذ ليس هو الفهم.
يُعيد هذا العمل النظر في انتقادات سوباراو كامبهامباتي لسلاسل التفكير وما يُسمى بنماذج الاستدلال، ويُعززها. ففي بعض الأحيان، تفشل سلاسل التفكير في عكس ما يفعله النموذج فعليًا، وحتى عندما تبدو صحيحة، قد لا تكون الإجابة النهائية كذلك . كما يُشكك في تقنية الحساب في وقت الاستدلال باعتبارها اختصارًا هيكليًا.
الاستنتاج العملي واضح: تميل نماذج التعلم الآلي إلى الإفراط في التفكير في الأمور البسيطة ومحاولة إيجاد إجابات غير صحيحة حتى بعد العثور على الإجابة الصحيحة، وإلى التقليل من التفكير في الأمور الصعبة ، مما يؤدي إلى إهدار الحسابات من جهة والاستسلام قبل الأوان من جهة أخرى.
التعميم والدروس القديمة: التوزيع الداخلي والخارجي
يتماشى هذا المنطق مع الانتقادات القديمة الموجهة للشبكات العصبية: فهي تعمم بشكل مقبول ضمن نطاق التدريب، لكنها تفشل خارجه . وقد وثّق أحد المؤلفين المشاركين هذا الأمر بالفعل في عام 1998 باستخدام الشبكات العصبية متعددة الطبقات لحساب الجمل والتنبؤ بها.
تم توسيع هذا الخيط في كتاب "العقل الجبري" عام 2001، وفي مقال نُشر عام 1999 في مجلة "ساينس" حيث ثبت أن الأطفال الرضع الذين يبلغون من العمر سبعة أشهر يستنتجون أنماطًا لم تقم الشبكات في ذلك الوقت بتكرارها ، وفي كتاب "التعلم العميق: التقييم النقدي" عام 2018، وفي كتاب "التعلم العميق يواجه عقبة" عام 2022. وهو مسار تم تأكيده الآن ببيانات جديدة.
من المسلّم به أيضاً أن البشر العاديين يفشلون في حلّ معضلة ثمانية أقراص في برج هانوي. ولكن هنا تكمن الفكرة: لقد اخترعنا الحواسيب لحلّ ما نعاني منه بكفاءة . ويتمثل طموح الذكاء الاصطناعي العام الفعّال في الجمع بين قدرة الإنسان على التكيّف وموثوقية الآلة، لا أن يرث أسوأ ما في كلا العالمين.
الخلاصة العملية: لا تُغني نماذج التعلم الآلي عن الخوارزميات التقليدية الجيدة . فهي لا تلعب الشطرنج مثل المحركات الكلاسيكية، ولا تُطوِي البروتينات مثل الأنظمة العصبية الرمزية المتخصصة، ولا تُدير قواعد البيانات مثل المحركات المُهندسة. إنها مفيدة لكتابة البرامج... ولكن بشكل متقطع فقط.
رؤية أبل: هلوسات أقل ومسؤولية أقل
في جلسات إحاطة، دافع جون جياناندريا وكريغ فيديريغي عن نهج شركة آبل في الحد من الهلوسة، والذي يعتمد على بيانات مُنتقاة بعناية وتدريب مُوجّه. وأوضحا أنهما ركّزا على التدريب الدقيق والاستخدام المسؤول للتكنولوجيا ، بهدف الوصول إلى نماذج أكثر فعالية وأقل ضرراً من البدائل، استناداً إلى اختبارات داخلية.
فيما يتعلق بالتعاون مع OpenAI، تُعرّف Apple هذا التعاون بأنه وصول مُتحكّم به إلى جهات خارجية بناءً على طلب المستخدم. ويتم ذلك دائمًا بإذن، مع إخفاء عنوان IP، ودون أن يقوم المزوّد بتخزين الطلبات، مما يُحاكي ضمانات الحوسبة السحابية الخاصة قدر الإمكان.
الشائعات والتوترات الداخلية والاستراتيجية
تُشير تقارير غورمان إلى وجود خلافات داخلية بين رواد البرمجيات والذكاء الاصطناعي، واستثمارات متحفظة في وحدات معالجة الرسومات (GPUs) أكثر من اللازم. وتشير التقارير إلى تقليص طلبات شراء الأجهزة، ونماذج استثمارية بقيمة 3 مليارات دولار في البنية التحتية المحلية، وعشرات المليارات في الحوسبة السحابية ، وهي أرقام لا تزال بعيدة كل البعد عن النطاق المتطور الذي تستكشفه الشركات الأخرى.
الخلاصة الاستراتيجية هي أن شركة آبل تسير بحذر، مع إعطاء الأولوية للخصوصية والتحكم في تجربة المستخدم، والاعتماد في الوقت نفسه على شراكات انتقائية لسدّ الثغرات. يرى البعض في دمج ChatGPT إجراءً مؤقتًا، بينما يراه آخرون خطوة عملية نحو نموذج خاص أكثر كفاءة.
في السوق، الضغط حقيقي: تراجع مبيعات أجهزة آيفون واشتداد المنافسة. تحافظ آبل على قاعدة مستخدمين ضخمة وتكامل برمجيات وأجهزة يُحسد عليه ؛ وإذا ما سارعت في تطوير تقنيات الذكاء الاصطناعي، فبإمكانها تحويل هذه القاعدة إلى ميزة تنافسية متجددة.
ماذا يعني ذلك للشركات والمطورين
العبرة لمن يبنون الحلول واضحة: مجرد ربط نموذج عام وتوقع المتانة ليس كافيًا. فالنماذج الخطية ذات القيود لا تُغني عن الخوارزميات المُثبتة في المهام الحرجة . مع ذلك، يمكنها تقريب النتائج، وتسريع عملية النمذجة الأولية، وتبادل الأفكار، وكتابة التعليمات البرمجية، خاصةً عند دمجها مع وحدات رمزية خارجية.
بفضل نماذج الأساس والتنفيذ على الجهاز، تُقدّم Apple طريقةً مبتكرةً لتنظيم تجارب خاصة وسياقية على منصتها. وبالإضافة إلى الحوسبة السحابية الخاصة والتكامل الاختياري مع جهات خارجية ، يُتيح ذلك إمكانياتٍ واسعةً لإنشاء مساعدين متخصصين، وسير عمل سياقي، وواجهات مستخدم إبداعية ضمن أُطر عمل موثوقة.
بالنسبة للمؤسسات، يتمثل التوجيه في الجمع بين أفضل ما في كلا النظامين: الخوارزميات التقليدية حيث الدقة هي الأهم، ونماذج التعلم الموجه المتخصصة حيث المرونة هي الأساس . كما ينبغي مراقبة حدود الاستدلال والتحقق والتتبع عن كثب، لا سيما في المجالات الخاضعة للتنظيم.
مع كل هذا السياق، لا يبدو أن AppleLLM مجرد خانة بسيطة يجب وضع علامة عليها، بل هو الجزء الذي يمكن أن يغلق الدائرة بين Siri الكفؤة حقًا، ومنصة الذكاء الاصطناعي الشاملة، واستراتيجية خصوصية قابلة للتحقق؛ إذا نفذت Apple ذلك بدقة مميزة، فقد يكون نموذجها الخاص هو الدفعة اللازمة لنظامها البيئي لتحقيق القفزة النوعية التي أفلتت منها حتى الآن.
