أندريه كارباثي يقسم العالم أمام نماذج الذكاء الاصطناعي إلى أربع طبقات، أصغرها 5,000 شخص

نشر الباحث أندريه كارباثي في 11 أكتوبر 2026 منشورًا على X يقسم فيه سكان العالم إلى أربع طبقات بحسب علاقتهم بنماذج الذكاء الاصطناعي. ويصف أرقامه بنفسه بأنها napkin math، أي حسابات تقريبية لا قياسات.

الطبقة الأولى نحو 6 مليارات إنسان، أي قرابة 75% من البشر، لم يلمسوا هذه النماذج تقريبًا. والثانية بين مليار ومليارين، أي نحو 20%، يستعملونها قليلًا على الخطط المجانية فيرونها محرك بحث أفضل قليلًا. والثالثة نحو 20 مليونًا، أي 0.2%، يستعملون نماذج الصف الأول في الكود والرياضيات استعمالًا مهنيًا، ويرون مشروعًا كان يأخذ شهورًا ينتهي بطلب واحد. والرابعة نحو 5,000 شخص، أي 0.00006%، لديهم وصول داخلي إلى ما لم يُنشر بعد.

ويذكر كارباثي ثلاثة عوامل تفسر هذا الترتيب: حجم المشكلة التي تُعطى للنموذج وأفقها، ثم ما يسميه jaggedness، ثم الوصول. والعامل الثاني هو الأهم. فالقدرة لا ترتفع بالتساوي، لأنها تأتي من reinforcement learning على مكافآت قابلة للتحقق، في بيئات تدريب تُختار بحسب عائدها المالي. لذلك تعلو القدرة حيث يكون العمل رقميًا وقابلًا للتحقق ومربحًا، وتنخفض حيث لا يكون كذلك.

وبهذا المنطق، لا تبدو العربية مجالًا رقميًا قابلًا للتحقق بعائد مرتفع على خريطة أي مختبر. فتأخرها لا يعني أن أحدًا استبعدها، بل أن ترتيب الأولويات في التدريب لم يصل إليها بعد.

أما الطبقة الثالثة فلا تحتاج دعوة. الانتقال إليها مرتبط بحجم المشكلة التي يُسندها المستخدم إلى النموذج، لا بامتياز خاص. وتبقى الطبقة الرابعة بلا إجابات في المنشور: من يختار هؤلاء الـ 5,000، ومن يراجع ما يرونه قبل غيرهم.