ورقة بحثية نُشرت على arXiv في 30 سبتمبر تضع رقماً لمسألة يتجادل حولها الحقل منذ 2023: كم من الويب المفتوح باتت تكتبه الآلات، وماذا يحدث لنموذج يُدرَّب عليه. الجواب عن الأول: 27.5 بالمئة من الرموز في بيانات الويب لشهر يونيو 2026، وترتفع إلى 31.1 بالمئة بحلول أغسطس.
أما الجواب عن الثاني فأكثر إثارة للاهتمام، لأنه ليس رواية الانهيار. فورقة “How Much Is an AI Token Worth?” تجد أن النص المولّد بالذكاء الاصطناعي مفيد في ظروف وضار في أخرى، وتحدّد أيّها.
ما فعلوه فعلاً
درّب المؤلفون 800 نموذج لغوي بنسب متفاوتة بين الرموز الاصطناعية والبشرية، ثم قاسوا الخسارة على نص بشري محجوز. وينتج عن ذلك نظامان مختلفان.
في النموذج المحدود بالبيانات — حيث لا يكفي النص البشري — تقلّل إضافة الرموز الاصطناعية الخسارة على النص البشري في البداية. ثم تتشبّع الفائدة وتنقلب. أما النموذج المدرَّب على كمية كبيرة من النص البشري، فترفع الرموز الاصطناعية خسارته فوراً. ولا توجد نافذة تساعد فيها.
وهذا التمييز مهم تجارياً. فمختبر يملك أرشيفات مرخّصة ومتناً بشرياً ضخماً لا يكسب شيئاً من نص اصطناعي مسحوب من الويب، بل يخسر بإدراجه. أما فريق يدرّب على ما يستطيع جمعه فهو في النظام الأول، حيث يكون بعض المحتوى الاصطناعي إيجابياً إلى أن يتوقف عن ذلك.
قانون التوسّع
تقترح الورقة قانون توسّع معدّلاً يأخذ نسبة الرموز الاصطناعية في الحسبان. ويقول المؤلفون إنه يتنبأ بالخسارة على النص البشري المحجوز لنماذج أكبر بما يصل إلى 3.6 أضعاف، بخطأ أقل بنسبة 41 بالمئة من أفضل قانون قائم عبر كل النسب. كما ينشرون WildAI، وهو متن من 83 مليار رمز موسوم على مستوى الوثيقة، إلى جانب النماذج الـ800 المدرَّبة.
الافتراض الذي يحمل كل شيء
كل رقم هنا يستند إلى الكاشف. فالوسوم تأتي من Pangram، وهو مصنّف تجاري لنصوص الذكاء الاصطناعي، واثنان من مؤلفي الورقة — ماكس سبيرو وبرادلي إيمي — هما الرئيس التنفيذي والمدير التقني في Pangram Labs. والورقة لا تخفي ذلك؛ فالانتماءات مدوّنة فيها. لكن قياس حجم ما كتبه الذكاء الاصطناعي على الويب لا يفوق جودة الأداة التي تحكم، وهذه الأداة يبيعها أشخاص على قائمة المؤلفين.
وما يجعل النتيجة قابلة للفحص رغم ذلك هو النشر المفتوح. فوسوم WildAI والنماذج الـ800 متاحة للعموم، ويستطيع أي شخص لديه كاشف آخر إعادة وسم المتن ليرى إن كان قانون التوسّع يصمد.
ما يجب متابعته
هل تعيد مجموعة مستقلة إنتاج نسبة 27.5 بالمئة بمصنّف مختلف. فإن صمدت النسبة، لم تعد مسألة البيانات مسألة توافر بل مسألة منشأ: لا كم رمزاً يستطيع مختبر الحصول عليه، بل كم منها كتبه نموذج شخص آخر.
