في عالم تتسارع فيه وتيرة تطور **الذكاء الاصطناعي** (AI)، تأتي دراسة جديدة لتسلط الضوء على كيفية استهلاك **التوكنات** (tokens) من قبل وكلاء الذكاء الاصطناعي خلال تنفيذ المهام البرمجية.
النمو السريع لاستهلاك التوكنات
مع زيادة اعتماد الوكلاء الذكيين في سير العمل المعقد، يرتفع استهلاك التوكنات بشكل مذهل. إذ تشير الدراسة إلى أن الأسئلة الرئيسية التي تخص استهلاك هذه التوكنات تشمل: 1. أين ينفق وكلاء الذكاء الاصطناعي التوكنات؟ 2. أي النماذج أكثر كفاءة في استهلاك التوكنات؟ 3. هل يمكن للوكلاء التنبؤ باستخدام التوكنات قبل تنفيذ المهمة؟
النتائج الرئيسية للدراسة
- **العمليات البرمجية العالية التكلفة:** أظهرت البيانات أن المهام التي يقوم بها الوكلاء الذكيون تتطلب استهلاك توكنات أكثر بـ 1000 مرة مقارنةً بمهام مثل المحادثات البرمجية.
- **عدم التوافق بين العدد والدقة:** رغم أن استهلاك التوكنات يمكن أن يتفاوت كثيرًا، فإن الكفاءة لا تعني بالضرورة دقة أعلى، إذ إن الذكاء الاصطناعي غالباً ما يصل لأعلى دقة عند مستوى وسطي من الاستهلاك.
- **تباين شديد في الكفاءة:** تم قياس استهلاك التوكنات بين نماذج مختلفة، حيث وسعت بعض النماذج مثل Kimi-K2 وClaude-Sonnet-4.5 فواتيرها بشكل يفوق نموذج GPT-5 بنحو 1.5 مليون توكن.
- **فجوة بين الإدراك البشري والتكاليف الحقيقية:** يبدو أن الخبراء البشر لا يمكنهم تقدير تعقيد المهام بشكل يتوافق مع التكاليف الحقيقية، مما يثير تساؤلات حول كيفية فهمنا لعمل هذه النماذج.
- **عدم دقة التنبؤ باستخدام التوكنات:** لاحظ الباحثون أن النماذج المتقدمة لا تتمكن من التنبؤ بدقة باستخدام التوكنات، مما يعزز أهمية البحث في هذا المجال.
خاتمة
تقدم هذه الدراسة رؤى جديدة حول الاقتصاديات المحيطة بالذكاء الاصطناعي، مما يفتح المجال لمزيد من الأبحاث والمناقشات حول تأثير ذلك على الصناعات المختلفة. ما رأيك في هذه النتائج؟ هل تعتقد أن تحسين كفاءة استهلاك التوكنات يمكن أن يساهم في تطوير الذكاء الاصطناعي بشكل أسرع؟