تتقلص الفجوة في سباق الذكاء الاصطناعي العالمي بوتيرة أسرع من المتوقع، وتحديداً في مجال الأمن السيبراني عالي المخاطر. وبحسب تقرير جديد نشرته صحيفة The Wall Street Journal، طوّرت شركة الذكاء الاصطناعي الصينية Z.ai نموذجاً مفتوح المصدر يُعرف باسم Z.ai GLM-5.2، والذي تمكن من مجاراة قدرات نموذج Mythos الرائد من شركة Anthropic في اكتشاف الثغرات البرمجية. يُعد هذا التطور نقلة نوعية لفرق أمن المعلومات والمطورين؛ إذ لم تعد القدرة على تحديد نقاط الضعف البرمجية حكراً على النماذج المغلقة والمقيدة بشدة من عمالقة التقنية في الولايات المتحدة.
أظهرت التقييمات الأمنية أن أداء النموذج الصيني يتساوى مع نموذج Mythos في تحديد الأخطاء البرمجية، وهي قدرة تزداد أهميتها مع تسابق الشركات لسد الثغرات قبل أن يستغلها المهاجمون. ووفقاً لبيانات المعايير القياسية التي استشهدت بها الصحيفة، تفوق النموذج الصيني على نموذج Claude Opus 4.8 في بعض التقييمات الأمنية المحددة. ويشير الباحثون إلى أنه باستخدام تقنيات الصياغة الذكية للأوامر (Prompt Engineering) الإضافية، يمكن لنموذج GLM-5.2 الوصول باستمرار إلى مستويات دقة مطابقة تماماً لقدرات Mythos، حتى وإن كان لا يزال متأخراً عن نماذج Anthropic وOpenAI في مهام الاستدلال العامة.
تكمن الأهمية الاستراتيجية لنموذج GLM-5.2 في كونه مفتوح المصدر، مما يتيح لأي شخص تنزيله وتعديله وتشغيله على أجهزته الخاصة دون الاعتماد على خوادم سحابية. ورغم أن هذه المرونة تجعله خياراً جذاباً لبيئات العمل المؤسسية، إلا أنها تثير مخاوف جدية من إمكانية استغلال مجرمي الإنترنت لهذه التقنية في شن هجمات سيبرانية. ويأتي هذا التطور في وقت حرج لقطاع الذكاء الاصطناعي الأمريكي، حيث تعمد شركات مثل Anthropic وOpenAI إلى تقييد الوصول إلى نماذجها المتقدمة لدواعٍ تتعلق بالأمن القومي، بينما تتسابق المختبرات الصينية لإصدار بدائل عالية الكفاءة.
تزامن هذا التقرير مع نقاش علني بين قادة التقنية حول وتيرة التقدم الصيني. فقد توقع Elon Musk مؤخراً أن تلحق مختبرات الذكاء الاصطناعي الصينية بنموذج Fable 5 من شركة Anthropic بحلول الربع الأول من عام 2027، على الأقل من حيث الأداء في المعايير القياسية. لكن Tang Jie، مؤسس شركة Zhipu AI، سارع بالرد على هذا الجدول الزمني، مؤكداً أن الأمر "لن يستغرق كل هذا الوقت" لكي تغلق الصين هذه الفجوة.
على مستوى المعايير القياسية، نعم، ولكن بالقياس إلى الفائدة الحقيقية، فإن الوصول إلى هذا المستوى حتى في الربع الأول سيكون أمراً مثيراً للإعجاب. لقد ركزت Anthropic بحق على تعظيم الذكاء المفيد، وهو ما لا يظهر في المعايير القياسية، ولكنه ينعكس بوضوح في الإيرادات.
- إيلون ماسك
أوضح Musk لاحقاً موقفه، مشيراً إلى أن تحقيق نفس المستوى من "الفائدة الحقيقية" سيكون إنجازاً أصعب بكثير من مجرد مطابقة درجات المعايير القياسية. ومع ذلك، فإن النتائج الأخيرة المتعلقة بالتطبيقات الواقعية لنموذج GLM-5.2 في مجال الأمن السيبراني تمنح تفاؤل Tang وزناً أكبر بكثير، مما يثبت أن سباق الذكاء الاصطناعي لم يعد يمثل صدارة مريحة للولايات المتحدة.
معضلة النماذج المفتوحة في الأمن السيبراني
يُحدث إتاحة قدرات اكتشاف الثغرات بمستوى نموذج Mythos عبر نماذج مفتوحة المصدر مثل GLM-5.2 تغييراً جذرياً في مشهد الأمن السيبراني. فبينما تركز السياسات الأمريكية بشدة على تقييد النماذج الرائدة للحفاظ على التفوق الاستراتيجي، فإن انتشار نماذج صينية متقدمة وغير خاضعة للرقابة يعني أن الجهات الخبيثة ستمتلك قريباً أدوات فحص ثغرات بمستوى مؤسسي تعمل محلياً على أجهزتها الخاصة. هذا التوجه يتجاوز كل مرشحات الأمان وقيود واجهات برمجة التطبيقات (API) التي أنفقت شركات الذكاء الاصطناعي الغربية مليارات الدولارات لتطويرها.
يفرض هذا الواقع تحولاً حتمياً في الاستراتيجيات الدفاعية للشركات. لم يعد بإمكان المؤسسات الاعتماد على افتراض أن قدرات الذكاء الاصطناعي المتقدمة محصنة بأمان خلف جدران الدفع والرقابة المؤسسية. ومع لامركزية أدوات الذكاء الاصطناعي الهجومية وتوفرها مجاناً، يجب على فرق الأمان تسريع مسارات التحديث التلقائي الخاصة بها، حيث انخفضت التكلفة والوقت اللازمين للقراصنة لاكتشاف ثغرات اليوم الصفر (Zero-day) إلى ما يقرب من الصفر.
