الذكاء الاصطناعي يهدد عرش «جوجل».. هل انتهى عصر محركات البحث التقليدية؟
تاريخ النشر: 10th, June 2025 GMT
تصاعدت التوقعات حول مستقبل محركات البحث في السنوات الأخيرة، وتحديداً مع بروز تقنيات الذكاء الاصطناعي التوليدي مثل شات جي بي تي، والتي يراها البعض بديلاً محتملاً لمحرك بحث «جوجل»، المسيطر الأكبر على ساحة البحث منذ أكثر من عقدين، وعلى الرغم من هذا الحراك السريع، لا تزال «جوجل» متفوقة بفارق شاسع يصعب تجاوزه حالياً، بحسب تقرير نشره موقع phonearena.
تشير البيانات الصادرة عن شركة NP Digital إلى أن محرك بحث «جوجل» يعالج يومياً نحو 13.5 مليار عملية بحث، فيما لا تزال طلبات البحث عبر شات جي بي تي لا تتجاوز ملياراً واحداً يومياً.
وعلى الرغم من أن هذا الرقم يُعتبر إنجازاً كبيراً لمنصة لم تتجاوز سنواتها الأولى، إلا أن الفارق الكبير مع «جوجل» يوضح أن المنافسة لا تزال في مراحلها الأولى.
وتحتل شات جي بي تي حالياً المركز الثاني عشر عالمياً في عدد طلبات البحث، متساوية مع تطبيق تيك توك، فيما تحتل المرتبة الثانية بعد «جوجل» منصة إنستجرام بـ6.5 مليار عملية بحث، تليها بايدو الصينية بـ5 مليارات، ثم سناب شات وأمازون بـ4 و3.5 مليار عملية بحث على التوالي.
نمو متسارع لـ شات جي بي تياللافت أن شات جي بي تي حققت مليار طلب بحث يومياً بسرعة تفوق «جوجل» بـ5.5 مرات، ما يعكس نموًا لافتًا في اعتماد المستخدمين عليها.
ورغم ذلك، فإن نحو 60% من عمليات البحث على «جوجل» تنتهي دون أي نقرة، بفضل المقتطفات الذكية والنظرة العامة للذكاء الاصطناعي التي تقدم أجوبة فورية للمستخدم.
وفقاً لتقرير Visual Capitalist، فإن شات جي بي تي يُظهر تفوقاً في بعض المهام، منها:
- التفكير المعقد.
- الكتابة الإبداعية.
- تبسيط المفاهيم.
- تلخيص المحتوى.
- التفاعل مع المشكلات.
هذه المهارات تمنح الذكاء الاصطناعي اليد العليا في حالات تتطلب معالجة لغوية متقدمة أو شرحاً تفصيلياً، في حين يبقى «جوجل» الخيار الأسرع للحصول على معلومات سريعة أو مواقع محددة.
يشير التقرير إلى أن دمج شات جي بي تي في المتصفحات والأجهزة سيكون الخطوة الحاسمة في تعزيز مكانته كمحرك بحث بديل.
فعلى سبيل المثال، بدأت «جوجل» بالفعل باستبدال مساعدها الرقمي بـ جيميني، وهو نموذج لغوي مدعوم بالذكاء الاصطناعي، يستطيع تنفيذ الأوامر اليومية مثل ضبط المنبهات.
أما على أجهزة آيفون، فقد تم دمج شات جي بي تي مع سيري، بحيث يُعرض رد من الذكاء الاصطناعي إذا عجز سيري عن تقديم إجابة ووافق المستخدم على ذلك.
رغم القفزات الكبيرة التي تحققها منصات الذكاء الاصطناعي مثل شات جي بي تي، فإن التحدي الحقيقي يكمن في كسب ثقة المستخدمين التقليديين الذين لا يزالون يعتمدون على «جوجل» كمصدر أول للمعلومة، ولكن، ومع هذا التطور السريع، قد لا يطول الوقت قبل أن تصبح هذه المنصات منافساً حقيقياً لا يُستهان به.
اقرأ أيضاًانطلاق مهرجان أفلام الذكاء الاصطناعي السنوي في نيويورك
الذكاء الاصطناعي يتوقع الفائز بلقب دوري أبطال أوروبا 2024-2025
المصدر: الأسبوع
كلمات دلالية: جوجل الذكاء الاصطناعي الذكاء الاصطناعي وتطبيقاته مجالات الذكاء الاصطناعي خطر الذكاء الاصطناعي ai الذكاء الاصطناعي ذكاء اصطناعي تعلم الذكاء الاصطناعي الذكاء الصناعي ما هو الذكاء الاصطناعي التصميم بالذكاء الاصطناعي تخصصات الذكاء الاصطناعي ثورة الذكاء الاصطناعي أنواع الذكاء الاصطناعي جوجل والذكاء الاصطناعي الذكاء الاصطناعى جوجل وعي الذكاء الاصطناعي الذكاء الاصطناعي 2025 meta الذكاء الاصطناعي الذکاء الاصطناعی شات جی بی تی
إقرأ أيضاً:
الذكاء الاصطناعي يوجه المسيّرات رغم العوائق الطبيعية
في مهمة لإطفاء حرائق الغابات في سلسلة جبال سييرا نيفادا، قد تجد طائرة مسيّرة ذاتية التحكم نفسها تواجه رياح «سانتا آنا» العاتية التي تهدد بإخراجها عن مسارها. التكيف السريع مع مثل هذه التقلبات الجوية غير المتوقعة أثناء الطيران يمثل تحديًا هائلًا لأنظمة التحكم في وضع الطيران الخاصة بهذه الطائرات.
ولمواجهة مثل هذه التحديات، طوّر باحثون في معهد ماساتشوستس للتكنولوجيا «MIT» خوارزمية تحكم تفاعلي جديدة تعتمد على تقنيات تعلّم الآلة، قادرة على تقليل انحراف الطائرة عن مسارها المحدد حتى في مواجهة عوائق مفاجئة مثل هبوب الرياح.
وعلى عكس الطرق التقليدية، لا تتطلب هذه التقنية من المبرمج أن يكون على دراية مسبقة ببنية أو نمط هذه الاضطرابات. بدلاً من ذلك، يتعلم نموذج الذكاء الاصطناعي المستخدم في نظام التحكم كل ما يحتاجه من خلال بيانات ملاحظة تُجمع خلال 15 دقيقة فقط من الطيران.
الميزة الأبرز لهذه التقنية تكمن في أنها تحدد تلقائيًا خوارزمية التحسين الأمثل للتكيف مع هذه الاضطرابات، مما يعزز من دقة تتبع المسار. إذ تختار الخوارزمية الأنسب بحسب طبيعة الاضطرابات التي تواجهها الطائرة في كل حالة.
وقد درّب الباحثون نظامهم على تنفيذ هذين الأمرين معًا، التكيّف وتحديد الخوارزمية باستخدام تقنية تُعرف باسم التعلم الفوقي «meta-learning»، والتي تُعلّم النظام كيفية التكيّف مع أنواع مختلفة من الاضطرابات.
النتائج جاءت واعدة، إذ سجل النظام الجديد نسبة خطأ في تتبع المسار أقل بنسبة 50% مقارنة بالطرق التقليدية، سواء في المحاكاة أو في الظروف الحقيقية، كما أثبت كفاءته في التعامل مع سرعات رياح لم يسبق له مواجهتها أثناء التدريب.
يأمل الباحثون أن يُسهم هذا النظام مستقبلاً في تحسين كفاءة الطائرات المسيّرة في توصيل الطرود الثقيلة رغم الرياح القوية، أو في مراقبة المناطق المعرضة للحرائق في المحميات الطبيعية.
يقول نافيد عزيزيان، الأستاذ المساعد في قسم الهندسة الميكانيكية ومعهد البيانات والنظم والمجتمع «IDSS» بمعهد «MIT»، والباحث الرئيسي للدراسة: «قوة طريقتنا تكمن في التعلم المتزامن لمكونات النظام. من خلال الاستفادة من التعلم الفوقي، يتمكن نظامنا من اتخاذ قرارات تلقائية تحقق أفضل تكيف ممكن في وقت قصير».
شارك عزيزيان في إعداد الورقة البحثية كل من سونبوتشين تانغ، طالب دراسات عليا في قسم الطيران والفضاء، وهاويان صن، طالب دراسات عليا في قسم الهندسة الكهربائية وعلوم الحاسوب. وقد عُرض البحث مؤخراً في مؤتمر «التعلم للديناميكيات والتحكم»
التعلم على التكيف
تتغير سرعات الرياح التي قد تواجهها الطائرة في كل رحلة، لكن من المفترض أن تبقى الشبكة العصبية ودالة الانحدار المستخدمة ثابتتين، لتجنّب إعادة التدريب في كل مرة.
لتحقيق هذه المرونة، اعتمد الباحثون على التعلم الفوقي، ودربوا النظام على مجموعة من سيناريوهات الرياح المختلفة أثناء مرحلة التدريب.
يوضح تانغ: «الهدف ليس فقط أن يتكيف النظام، بل أن يتعلم كيف يتعلم. عبر التعلم الفوقي، يمكننا إنشاء تمثيل مشترك من بيانات متعددة السيناريوهات بسرعة وكفاءة».
في التطبيق العملي، يقوم المستخدم بتغذية نظام التحكم بمسار الطيران المطلوب، ويقوم النظام بحساب قوة الدفع اللازم في الزمن الحقيقي لإبقاء الطائرة على المسار رغم أي اضطرابات جوية.
وقد أثبت النظام كفاءته سواء في المحاكاة أو في اختبارات حقيقية، حيث تفوق على جميع الطرق التقليدية في تتبع المسار، حتى في الظروف الجوية القاسية.
يضيف عزيزيان: «حتى عندما تجاوزت قوة الرياح مستويات لم نشهدها في التدريب، أثبتت تقنيتنا قدرتها على التعامل معها بكفاءة».
واللافت أن تفوق النظام على الطرق الأخرى ازداد كلما زادت شدة الرياح، مما يدل على قدرته على التكيف مع البيئات الصعبة.
ويجري الفريق الآن تجارب ميدانية على طائرات مسيّرة حقيقية لاختبار النظام في مواجهة ظروف جوية متنوعة.
كما يسعى الفريق لتوسيع قدرات النظام ليتعامل مع اضطرابات متعددة المصادر في وقت واحد. فعلى سبيل المثال، تغير سرعة الرياح قد يغيّر من توزيع وزن الحمولة أثناء الطيران، خصوصاً عند حمل مواد سائلة.
كما يطمح الباحثون إلى تطوير خاصية التعلم المستمر، بحيث يتمكن النظام من التكيف مع اضطرابات جديدة دون الحاجة إلى إعادة تدريبه على البيانات السابقة.
وفي تعليق على البحث، قال بروفيسور باباك حسّیبي من معهد كاليفورنيا للتكنولوجيا «Caltech»، والذي لم يشارك في المشروع: «نجح نافيد وزملاؤه في الجمع بين التعلم الفوقي والتحكم التكيفي التقليدي، لتعلم الخصائص غير الخطية من البيانات. واستخدامهم لخوارزميات الانحدار المرآتي مكّنهم من استغلال البنية الجيومترية الكامنة للمشكلة بشكل لم تفعله الطرق السابقة. وهذا العمل قد يساهم بشكل كبير في تصميم أنظمة ذاتية التشغيل تعمل بكفاءة في بيئات معقدة وغير مؤكدة».
وقد حصل هذا البحث على دعم من عدة جهات، منها شركة «MathWorks»، ومختبر «MIT-IBM Watson» للذكاء الاصطناعي، ومركز «MIT-Amazon» للعلوم، وبرنامج «MIT-Google» للابتكار في الحوسبة.
الدفاع المدني بميسان يخمد حريقًا في أشجار وأعشاب في جبل بثرة