- يشير الذكاء الاصطناعي السيادي إلى السيطرة الكاملة على البنية التحتية، من الأجهزة والطاقة إلى البيانات والنماذج.
- تضمن تقنيات مثل الاستدلال السري وTEE بقاء البيانات خاصة حتى في بيئات المعالجة.
- تستثمر دول مثل كوريا الجنوبية والمملكة المتحدة وأستراليا في نماذجها الخاصة وصناديق الدولة لتجنب الاعتماد التكنولوجي الخارجي.
عندما نتحدث عن الذكاء الاصطناعي، غالباً ما نتخيل سحابات غير مرئية وخوادم بعيدة تعمل بطريقة سحرية. مع ذلك، برز مفهوم أساسي لمن لا يرغبون في ترك مصيرهم في أيدي جهات خارجية: الذكاء الاصطناعي السيادي . يعني هذا ببساطة أن دولة أو منظمة ما تمتلك سيطرة كاملة على تقنياتها، متجنبةً بذلك الاعتماد على بنى تحتية أجنبية قد تقطع الخدمات في أي وقت أو تدير البيانات كيفما تشاء.
الأمر لا يقتصر على مجرد الفخر الوطني، بل هو استراتيجية للبقاء الرقمي . تخيّل أن جميع بيانات شركتك أو حكومتك مُخزّنة على خوادم في قارة أخرى؛ فأي تغيير تنظيمي أو صراع جيوسياسي قد يُخرجك من المنافسة. لهذا السبب، يتطلب بناء منظومة سيادية التحكم في كل جزء من أجزاء النظام، بدءًا من مكونات المعالجات وصولًا إلى أخلاقيات الخوارزميات، لضمان أن التكنولوجيا تُعبّر عنك وتحترم قيمك.
"فطيرة" البنية التحتية السيادية
لفهم كيفية بناء هذا النظام، يمكننا تصوره ككعكة متعددة الطبقات، حيث تضيف كل طبقة مستوى جديدًا من الاستقلالية. فإذا افتقرت إلى أي طبقة، ستبقى معتمدًا على غيرك. أولًا، لدينا الأجهزة والطاقة ، وهما يشكلان الأساس: من يملك مراكز البيانات والرقائق الإلكترونية؟ علاوة على ذلك، تبرز أهمية القدرة على توفير الطاقة، إذ يجب أن تكون الدولة قادرة على تشغيل "مصانع الذكاء الاصطناعي" الخاصة بها دون الاعتماد على شبكات خارجية.
بالانتقال إلى مستوى أعلى، نصل إلى البيانات والنماذج . وهنا، يبرز السؤال الأساسي: من يملك المعلومات المستخدمة لتدريب الذكاء الاصطناعي، ومن يملك الخوارزميات؟ لا يقتصر الأمر على امتلاك البرمجيات فحسب، بل يتعلق بتحديد منظومة القيم التي يتبعها الجهاز، واللغات التي يفهمها، ومن يتحمل المسؤولية عندما يرتكب الذكاء الاصطناعي خطأً.
التقنيات الأساسية لتحقيق السيادة الحقيقية
لجعل هذا الأمر عمليًا وليس مجرد نظري، توجد أدوات تسمح بمعالجة البيانات محليًا. يُعد استخدام برامج التحسين مثل vLLM أو llm-d أساسيًا، إذ تُمكّن من معالجة الاستعلامات مباشرةً على الخادم، دون الاعتماد على واجهات برمجة التطبيقات العامة. وبفضل تقنيات مثل PagedAttention ، يُمكن تحسين ذاكرة وحدة معالجة الرسومات (GPU) وتوزيع النماذج واسعة النطاق على أجهزة أصغر، مما يُوفر على الشركات تكلفة استئجار خدمات سحابية باهظة الثمن من جهات خارجية.
لكن ثمة عنصر أساسي: الاستدلال السري . هذه التقنية هي الدرع الذي يجعل السيادة ممكنة عمليًا. فهي تستخدم مكونات مادية لتشفير البيانات بينما يقوم الذكاء الاصطناعي بتحليلها، مستخدمًا ما يُسمى ببيئات التنفيذ الموثوقة (TEEs) . وباختصار، يتم إنشاء بيئة معزولة مادية داخل الشريحة (وحدة المعالجة المركزية أو وحدة معالجة الرسومات) لا يمكن الوصول إليها من قبل باقي أجزاء الحاسوب، مما يضمن عدم قدرة حتى مزود الخدمة السحابية على التجسس على ما بداخلها.
أمثلة واقعية: كوريا الجنوبية، والمملكة المتحدة، وأستراليا
في الواقع، اتخذت بعض الدول إجراءات بالفعل. فكوريا الجنوبية، على سبيل المثال، طورت نموذج AX K1 ، وهو قاعدة بيانات سيادية تم تدريبها من الصفر. يستخدم هذا النموذج الضخم بنية "مزيج الخبراء" (MoE) مع مليارات المعلمات، وقد تم تدريبه على مجموعة ضخمة من الرموز، بما في ذلك ملفات PDF كورية وبيانات اصطناعية، باستخدام وحدات معالجة الرسومات NVIDIA H200 الخاصة بها لضمان الاستقلالية.
من جانبها، أطلقت المملكة المتحدة صندوق الذكاء الاصطناعي السيادي بهدف أن تكون "مُبدعةً لا مُستهلكةً" للذكاء الاصطناعي. يعمل هذا الصندوق كشركة رأس مال مخاطر مملوكة للدولة، ويستثمر في شركات ناشئة استراتيجية مثل " إنفيبل إنتليجنس " التي تسعى إلى ابتكار أنظمة تُولّد معرفة جديدة بدلاً من مجرد محاكاة البشر، و "إيزومورفيك لابز" المتخصصة في تصميم الأدوية. كما يُتيح الصندوق وصولاً غير مقيد إلى الحواسيب العملاقة لتدريب نماذجه .
اتخذت أستراليا موقفاً حازماً أيضاً. فبالنسبة لها، تُعدّ القدرة السيادية أمراً حيوياً لمنع تسريب بياناتها إلى الخارج. وهي تعمل على بناء نموذجها اللغوي الأساسي الأوسع نطاقاً، إدراكاً منها أن الاعتماد على التكنولوجيا الخارجية يُمثّل مخاطرة استراتيجية لا يُمكنها تحمّلها في القطاعات الحيوية.
الحوكمة والسيطرة الكاملة على دورة الحياة
إن تطبيق الذكاء الاصطناعي السيادي لا يقتصر على شراء الأجهزة فحسب، بل يتطلب إطارًا تنظيميًا متينًا وفريقًا متعدد التخصصات. من الضروري وجود مهندسين وعلماء بيانات ومستشارين قانونيين لوضع قواعد الشفافية والأمن السيبراني. ولضمان قابلية النظام للتدقيق، يجب التحكم في خمسة أبعاد أساسية: مصدر البيانات ، والموقع الفعلي للبنية التحتية للحوسبة، وأمن البيانات أثناء نقلها، وحماية البيانات المخزنة، والتحكم الصارم في الوصول إليها.
تتيح حلول مثل EDB Postgres AI دمج نماذج الذكاء الاصطناعي التوليدية مباشرةً في بيئات قواعد البيانات الآمنة. وهذا يُلغي الاعتماد على الخدمات السحابية، ويُمكّن المؤسسات من الحفاظ على سيطرة كاملة على بياناتها ، مما يُحسّن التكاليف ويُعزّز الأمان إلى أقصى حد.
يتطلب الانتقال إلى النماذج المستقلة إتقان كل شيء بدءًا من البنية التحتية المادية والأجهزة المتخصصة وصولًا إلى إنشاء نماذج لغوية تحترم الثقافة المحلية. ومن خلال الجمع بين الاستدلال السري والاستثمارات الحكومية الاستراتيجية والرقابة الصارمة على مصدر البيانات، تستطيع الدول والشركات تجاوز كونها مجرد مستخدمين لتصبح سادة مصيرها التكنولوجي.
