رقمنة – خالد الأحمد
خلال الثلاثين عامًا الماضية، لم تكن شركة NVIDIA مجرد صانع رقائق.
كانت، بهدوء واستمرارية، تعيد تعريف ما يعنيه “الكمبيوتر”.
واليوم، مع صعود الذكاء الاصطناعي إلى قلب الاقتصاد العالمي، بات واضحًا أن قرارات جنسن هوانغ، المؤسس والرئيس التنفيذي للشركة، لا تحدد مسار NVIDIA فحسب، بل ترسم ملامح المرحلة التقنية القادمة بأكملها.
ما يبنيه هوانغ الآن ليس أسرع شريحة، ولا نموذجًا لغويًا جديدًا، بل بنية تحتية لعالم تتحرك فيه الأشياء، وتتعلم فيه الآلات، وتتخذ فيه القرارات خارج الشاشات.
التحول الأول: من الحوسبة التسلسلية إلى الحوسبة المتسارعة
حين تأسست NVIDIA في أوائل التسعينيات، كان الكمبيوتر يُفهم بوصفه آلة تنفّذ التعليمات خطوة بخطوة.
هذا النموذج، المعتمد على المعالج المركزي (CPU)، كان فعالًا للأعمال المكتبية، لكنه عاجز أمام مشاكل تتطلب حسابات ضخمة ومتزامنة.
الفكرة المؤسسة لدى هوانغ كانت بسيطة نظريًا:
- جزء صغير من أي برنامج ينفذ معظم العمل
- هذا الجزء يمكن تنفيذه بالتوازي
من هنا وُلد معالج الرسوميات (GPU) كمعالج متوازي عالي الكثافة، قادر على تنفيذ آلاف العمليات في الوقت نفسه.
اختيار ألعاب الفيديو لم يكن تجاريًا فقط، بل استراتيجيًا:
- الألعاب تتطلب محاكاة عوالم كاملة
- تحتاج إلى رسوم، فيزياء، إضاءة، حركة
- وتوفر سوقًا قادرًا على تمويل تطور تقني طويل الأمد
هذه المرحلة لم تغيّر الألعاب فقط، بل أسست لمنطق جديد في الحوسبة.
CUDA: قرار غيّر من سيملك قوة الحوسبة
المنعطف الحاسم جاء مع CUDA.
حتى منتصف الألفينات، كان استخدام GPU خارج الرسوميات يتطلب “التحايل” البرمجي.
CUDA ألغت ذلك.
فجأة، أصبح بإمكان:
- باحث في الطب
- عالم كيمياء
- مهندس طيران
- طالب دكتوراه
استخدام قوة GPU بلغة برمجة تقليدية.
هذا القرار نقل NVIDIA من شركة عتاد إلى منصة حوسبة عامة، وخلق نظامًا بيئيًا لا يمكن فصله اليوم عن البحث العلمي الحديث.
AlexNet: اللحظة التي أعادت تعريف الذكاء الاصطناعي
عام 2012، لم يكن الذكاء الاصطناعي جديدًا.
لكن نتائجه كانت محدودة.
ما فعله AlexNet لم يكن تحسينًا تدريجيًا، بل قفزة:
- بيانات ضخمة
- شبكات عصبية عميقة
- تدريب على GPUs
النتيجة كانت تفوقًا ساحقًا في الرؤية الحاسوبية.
بالنسبة لهوانغ، لم تكن المسألة نجاح نموذج واحد، بل سؤال واحد:
إذا كان هذا ممكنًا هنا، فما حدّه الأقصى؟
من هنا، أعادت NVIDIA تصميم كامل سلسلة الحوسبة:
- من الشريحة
- إلى النظام
- إلى البرمجيات
- إلى مراكز البيانات
وظهرت أنظمة مثل DGX، المصممة خصيصًا لعصر التعلم الآلي.
ما بعد الذكاء الرقمي: نحو الذكاء الفيزيائي
في السنوات الأخيرة، بدأ تركيز هوانغ ينتقل من “الذكاء الذي يفهم النص والصورة”
إلى “الذكاء الذي يفهم العالم”.
الروبوت، بخلاف النموذج اللغوي، لا يكفيه التنبؤ بالكلمة التالية.
يحتاج إلى:
- فهم الجاذبية
- إدراك المسافة
- توقع الحركة
- التعامل مع الفشل
لهذا السبب، ترى NVIDIA أن مستقبل الروبوتات لا يُبنى في المصانع، بل في المحاكاة.
Omniverse وCosmos: تدريب المستقبل قبل أن يحدث
من خلال Omniverse، تبني NVIDIA عوالم رقمية تحاكي الواقع بقوانينه الفيزيائية.
ومن خلال Cosmos، تطور ما يشبه “نموذج لغة للعالم”، يتعلم العلاقات السببية والمكانية.
النتيجة:
- تدريب الروبوت ملايين المرات دون تلف
- اختبار سيناريوهات نادرة وخطيرة
- تسريع التعلم بشكل غير مسبوق
هذه المقاربة تعني أن الروبوت لا “يُبرمج”، بل ينشأ داخل عالم رقمي.
رؤية هوانغ: كل ما يتحرك سيصبح ذاتيًّا
بحسب هوانغ، نحن متجهون نحو عالم:
- السيارات فيه روبوتات
- المصانع فيه أنظمة ذاتية
- المباني ذكية
- والروبوتات البشرية عملية
ليس لأن هذا خيال علمي، بل لأن:
- القدرة الحوسبية موجودة
- البيانات متوفرة
- النماذج تتقدم بسرعة
- وكلفة التجربة تنخفض
السلامة والحدود: مقاربة هندسية لا خطابية
رغم التفاؤل، يعترف هوانغ بوجود مخاطر:
- هلوسة النماذج
- تحيز البيانات
- أخطاء في العالم الحقيقي
لكن مقاربته تختلف عن الخطاب الشائع:
السلامة، برأيه، ليست نقاشًا أخلاقيًا فقط، بل نظام تصميم:
- تكرار
- تحقق
- أنظمة احتياط
- توزيع مسؤولية
كما في الطيران، لا يعتمد الأمان على عنصر واحد.
الرهان الأكبر: الطاقة والكفاءة
كل هذا التقدم يصطدم بسؤال واحد:
كم طاقة نحتاج لنفكر؟
خلال أقل من عشر سنوات، حسّنت NVIDIA كفاءة حوسبة الذكاء الاصطناعي بنحو 10,000 ضعف.
وهذا، وفق هوانغ، ليس إنجازًا جانبيًا، بل شرط وجودي لاستمرار التوسع.
الخلاصة
ما يبنيه جنسن هوانغ ليس منتجًا، بل طبقة جديدة بين الإنسان والعالم.
طبقة:
- تفهم
- تتنبأ
- وتتفاعل
وبينما ينشغل النقاش العام بسؤال “هل الذكاء الاصطناعي خطر؟”،
تعمل NVIDIA على سؤال آخر:
كيف نجعل العالم نفسه قابلًا للتعلّم؟
