تشهد الساحة التقنية تطورات متسارعة جعلت نماذج الذكاء الاصطناعي اليوم قادرة على اقتحام مجالات كانت حكرا على البشر مثل كتابة البرمجيات المعقدة وحل المسائل العلمية واجتياز الاختبارات الجامعية بدقة عالية. وبينما تتنافس الشركات العالمية لتقديم أنظمة أكثر ذكاء وقدرة على المحاكاة. يظل المصطلح الجوهري وهو الذكاء الاصطناعي العام هدفا مراوغا يبتعد كلما ظن العلماء أنهم اقتربوا منه.
واظهرت التقديرات العلمية أن غياب تعريف موحد لهذا المستوى من الذكاء يجعل من الصعب إعلان الوصول إليه بشكل رسمي. حيث تفتقر الساحة التقنية إلى نقطة وصول متفق عليها أو اختبارات معيارية تحظى بإجماع دولي. مما يفتح الباب أمام اجتهادات شخصية من الشركات المطورة لهذه النظم.
ويؤكد الخبراء أن الوكلاء الأذكياء يمثلون اليوم محاولة تقنية جادة لعبور هذه الفجوة المعرفية. حيث يعمل هؤلاء الوكلاء على الانتقال من مجرد تقديم إجابات إلى تنفيذ مهام متكاملة ومستقلة. ومع ذلك يظل خط النهاية متحركا وغير مستقر في ظل التطور المستمر الذي يغير معايير النجاح.
تعريف يتحرك كلما اقتربنا منه
وكشفت تقارير السلامة الدولية أن الذكاء الاصطناعي العام يفتقر إلى توصيف دقيق متفق عليه عالميا. حيث يميل البعض إلى وصفه بأنه نظام يتفوق على البشر في معظم المهام المعرفية. في حين تضعه شركات كبرى مثل اوبن اي اي في إطار الأنظمة عالية الاستقلالية التي تتجاوز العمالة البشرية في مجالات اقتصادية واسعة.
وبين داريو امودي الرئيس التنفيذي لشركة انثروبيك أن التركيز يجب أن ينصب على الذكاء المتقدم الذي يصفه بالقدرة على التفوق على حائز جائزة نوبل في التخصصات العلمية. مع القدرة على تنفيذ المهام بصورة مستقلة تماما ولساعات طويلة دون تدخل بشري.
واوضح الباحثون أن غياب المعايير الموحدة يحول إعلان الوصول إلى الذكاء الاصطناعي العام رهينة لتصريحات الشركات. حيث يبتكر الباحثون دائما مهام جديدة يسهل على البشر حلها ويصعب على الآلة تنفيذها. مما يجبر الأنظمة على التطور المستمر لملاحقة هذا السقف المتصاعد.
من يملك حق اعلان الوصول؟
واظهرت محاولات غوغل ديب مايند لتقديم إطار يتكون من ست مستويات متدرجة أن الوصول إلى الذكاء الاصطناعي العام ليس حدثا مفاجئا بل مسار تدريجي. وفي هذا السياق. حققت نماذج متطورة نتائج متفاوتة في الاختبارات الحالية. مما يشير إلى أننا قد نصل إلى قدرات استثنائية قبل أن نتفق حتى على تعريف ما نراه أمامنا.
واكدت شركة اي بي ام أن اختبار تورينغ الشهير لم يعد كافيا للحكم على ذكاء الأنظمة المعاصرة. فمع كل تقدم جديد يعيد الباحثون تعريف مفهوم الذكاء الاصطناعي العام. وهذا التحرك الدائم لخط النهاية يجعل من الصعب الجزم بوصول التقنية إلى الغاية المنشودة رغم ما نراه من نتائج مبهرة.
وبينت النتائج أن الأداء المتباين للنماذج بين المهام المحددة والسياقات العامة لا يزال يمثل عائقا كبيرا. فبينما يبدع الذكاء الاصطناعي في البرمجة والتشخيص. يفتقر في الوقت نفسه إلى الفهم السياقي العميق الذي يتمتع به الشخص البالغ المتعلم.
لماذا لا يكفي مع انه يتفوق على البشر؟
وكشفت بيانات مؤشر ستانفورد للذكاء الاصطناعي أن النماذج قد تحصد ميداليات ذهبية في أولمبياد الرياضيات لكنها تتعثر في مهام بسيطة مثل قراءة الساعة التناظرية. وهذا التباين الحاد يثبت أن النجاح في مهمة محددة لا يعني بالضرورة امتلاك ذكاء عام وشامل.
واضاف المحللون أن النماذج تعاني عند تغيير الصياغة أو السياق بشكل جوهري. حيث تفتقر إلى الاستدلال السببي العميق والقدرة على التعلم من تجارب قليلة. وهي سمات بشرية أساسية لا تزال النماذج الحالية تكافح من أجل محاكاتها.
واكدت التجارب أن صعوبة الحفاظ على الأهداف الطويلة الأمد تظهر بوضوح عند تنفيذ مشروع برمجي كامل. حيث يتطلب الأمر قرارات مترابطة وفهم المتطلبات واختبار النتائج وتعديل الخطط عند اكتشاف الأخطاء. وهي مهارات تتجاوز قدرة النماذج الحالية على التخطيط المستقل.
ماذا يحدث عندما لا يجد النموذج الحل في ذاكرته؟
وكشفت مسابقات مثل آرك برايز أن الأنظمة المتقدمة تسجل تراجعا حادا في أدائها عندما تواجه مهام تفاعلية جديدة كليا لم تتدرب عليها مسبقا. حيث سجلت أفضل النماذج نتائج منخفضة جدا مقارنة بالبشر الذين يستطيعون استنتاج القواعد المنطقية من أمثلة قليلة جدا.
واشار الباحثون إلى أن الفشل في اكتشاف القواعد المجردة يثير تساؤلات جوهرية حول مدى اعتماد النماذج على الحفظ الإحصائي بدلا من الفهم المفاهيمي الحقيقي. وهذا هو الفارق الذي يفسر لماذا ينهار أداء النظام بمجرد خروجه عن نطاق البيانات التي تدرب عليها.
وبينت النسخ الثالثة من اختبارات آرك برايز أن الأنظمة المتقدمة سجلت أقل من واحد بالمئة في المهام التفاعلية. بينما حقق البشر نسبة كاملة. مما يوضح حجم الفجوة التي لا تزال قائمة بين الذكاء الاصطناعي والقدرة البشرية على التكيف مع المجهول.
نقل المعرفة من مجال الى آخر
وذكر الخبراء أن القدرة على نقل المبادئ المستفادة من مجال إلى آخر تعد من أبرز سمات الذكاء البشري. فالإنسان يستخدم الاستدلال التناظري لاستكشاف مجالات بعيدة. بينما تظل النماذج الحالية محصورة في الأنماط الإحصائية التي تعلمتها أثناء التدريب الضخم.
واظهرت التجارب المقارنة أن الأطفال والبالغين يتفوقون على النماذج في نقل المعرفة إلى سياقات غير مألوفة. حيث تظل النماذج معتمدة على الضبط الدقيق والتعلم المنقول الذي لا يرقى إلى مستوى الفهم المفاهيمي العميق المطلوب للذكاء العام.
واكدت الدراسات أن هذا القصور هو ما يفسر ضعف النماذج خارج نطاق التدريب. فمهما بلغت دقة الأنماط الإحصائية. تظل عاجزة عن بناء جسور معرفية تربط بين مجالات متباعدة دون توجيه بشري مكثف.
الجسر الحقيقي للذكاء الاصطناعي العام
وكشفت التوجهات الحديثة أن الوكلاء الأذكياء قد يكونون الجسر الحقيقي نحو الاستقلالية. حيث يبدأ الوكيل بتلقي هدف محدد ثم يقوم بتفكيكه إلى مهام فرعية ووضع خطة تنفيذية والتفاعل مع الأدوات البرمجية لتحقيق الغاية المرجوة.
واضافت شركات مثل اوبن اي اي أن وكلاء الحاسوب بدأوا يظهرون قدرة على التعامل مع الواجهات الرسومية وتصحيح مسارهم أثناء العمل. لكن الدراسات التي جمعت سبعة وعشرين دراسة أكدت وجود أنماط متكررة من الفشل تشمل صعوبة التخطيط والالتزام بالقيود والتنسيق بين عدة وكلاء.
واشار المختصون إلى أن التدخل البشري لا يزال ضروريا لإعادة التوجيه وتصحيح المسار في المهام الطويلة. مما يعني أن الاستقلالية الكاملة للذكاء الاصطناعي لا تزال هدفا بعيدا عن التحقق في الوقت الراهن.
هل يعمل بمفرده لمدة زمنية طويلة؟
واظهرت مراقبة أداء الوكلاء أن القدرة على العمل لساعات طويلة دون إشراف بشري تتراجع بشكل حاد مع زيادة المدة الزمنية. حيث تتراكم الأخطاء ويفقد النظام السياق. مما يؤدي إما إلى الإصرار على استراتيجيات فاشلة أو التخلي عن الهدف تماما.
واكد تقرير السلامة الدولي أن الأفق الزمني للوكلاء يتحسن بسرعة. لكن الموثوقية لا تزال هي التحدي الأكبر. فكثيرا ما يهدر النظام تكاليف حوسبة باهظة في تكرار أخطاء غير مفيدة دون أي تقدم فعلي في تنفيذ المهام المطلوبة.
وبينت التجارب أن الشركات تسعى لمحاكاة النهج البشري في التوقف والمراجعة وتعديل الخطة. ومع ذلك. فإن اعتماد الوكلاء على ذاكرة مستمرة لا يعني بالضرورة أنهم وصلوا إلى مستوى من الاستقلالية الموثوقة التي تغني عن التدخل البشري في كل خطوة.
لماذا لا يتعلم الذكاء الاصطناعي من تجربته؟
وكشفت النقاشات التقنية أن التعلم المستمر يظل الفارق الجوهري بين الذكاء البشري والاصطناعي. حيث لا تزال معظم النماذج الحالية تمتلك أوزانا جامدة بعد انتهاء التدريب. مما يعني أنها لا تتعلم فعليا من تجاربها أثناء التشغيل بالطريقة التي يتعلم بها الإنسان.
واوضحت البحوث أن مشكلة النسيان الكارثي تعيق تطوير التعلم المستمر. إذ قد تفقد الشبكات العصبية قدرتها على أداء مهام قديمة بمجرد تدريبها على معلومات جديدة. ورغم وجود أبحاث نشطة في هذا المجال. إلا أن هذا التحدي لا يزال مفتوحا وغير محلول بشكل نهائي.
واضاف الخبراء أن استخدام الذاكرة الخارجية أو الأدوات لا يعد تعلمًا حقيقيًا. بل هو مجرد تحسين في الوصول إلى البيانات. والذكاء الاصطناعي العام يتطلب قدرة على التكيف الداخلي وتحديث السلوك بناء على الخبرة المكتسبة وليس فقط استرجاع المعلومات المخزنة.
عندما يبدا الذكاء الاصطناعي بتحسين نفسه
واشارت التقديرات إلى أن فكرة انفجار الذكاء التي طرحها إرفين جون غود في الستينيات لا تزال تسيطر على مخيلة الباحثين. حيث يعني التحسين الذاتي المتكرر قدرة النظام على تعديل خوارزمياته وتصميم أجيال لاحقة من النماذج دون تدخل بشري.
وبينت المشاريع التقنية مثل ألفا إيفولف من غوغل ديب مايند أن الذكاء الاصطناعي بدأ فعليا في البحث عن خوارزميات أفضل من خلال الاختبار المستمر وتحليل الأخطاء. لكن هذا التحسين يظل مؤتمتا وضمن أطر محددة وليس إعادة تصميم مفتوحة ومتكررة للذكاء نفسه.
واكد الباحثون أن التحسين الذاتي لا يزال فرضية تقنية أكثر منه واقعا ملموسا. ومع ذلك. فإن المؤشرات الأولية تشير إلى أن الطريق نحو الذكاء العام سيمر حتما عبر قدرة الآلة على تحسين أدائها الخوارزمي من تلقاء نفسها.
هل نقيس الذكاء بالطريقة الخطا؟
وكشفت الدراسات أن الاختبارات المعيارية التي نستخدمها لتقييم الذكاء الاصطناعي تعاني من مشاكل التشبع والتلوث. فكلما اشتهر اختبار معين. تحول من أداة لقياس الاستدلال إلى امتحان حفظ لأن الأسئلة تتسرب إلى بيانات تدريب النماذج الجديدة.
واوضح مؤشر ستانفورد أن الاختبارات التي كان يفترض أن تكون صعبة لسنوات أصبحت تتشبع خلال أشهر فقط. مما يجعل من المستحيل التمييز بين نموذج متفوق وآخر أقل كفاءة في ظل وصول الجميع إلى نتائج شبه مثالية.
واختتم المحللون بأن الطريق نحو الذكاء الاصطناعي العام يتطلب اختبارات ديناميكية سرية ومقاييس متعددة الأبعاد تصعب التلاعب. وحتى نصل إلى تلك المرحلة. سيظل خط النهاية مفقودا وسنظل في رحلة استكشاف تدريجي لما يمكن للآلات فعله حقا.
