خلال السنوات الأخيرة، حققت نماذج الذكاء الاصطناعي قفزات كبيرة جعلتها قادرة على كتابة التعليمات البرمجية، واجتياز الامتحانات الجامعية، وحل مسائل رياضية معقدة، والنجاح في اختبارات علمية، إلى جانب التعامل مع النصوص والصور والفيديو. ومع ذلك، فإن هذه القدرات المتقدمة لم تؤد حتى الآن إلى إعلان يحظى بإجماع علمي حول الوصول إلى الذكاء الاصطناعي العام.
ويرجع ذلك إلى سبب أساسي، وهو عدم وجود تعريف علمي موحد ومتفق عليه لما يعنيه الذكاء الاصطناعي العام، أو اختبار عالمي يمكن من خلاله تحديد اللحظة التي تصل فيها الأنظمة إلى هذا المستوى. ويُفترض عادة أن الذكاء الاصطناعي العام يمثل نظاما قادرا على مجاراة القدرات المعرفية البشرية في معظم المهام أو جميعها، لكن تحديد هذا المستوى بدقة ما زال موضع نقاش واسع.
ويعد الوكيل الذكي أحد الاتجاهات التقنية المهمة في محاولة دفع الذكاء الاصطناعي نحو مستويات أكبر من الاستقلالية والقدرة على تنفيذ المهام، إذ لا يكتفي الوكيل بتقديم إجابة مباشرة، بل يمكنه تلقي هدف، وتقسيمه إلى مهام فرعية، ووضع خطة، واستخدام الأدوات البرمجية والتفاعل مع البيئة لتنفيذ ما هو مطلوب. ومع ذلك، يبدو أن خط النهاية يتحرك باستمرار كلما اقتربت النماذج منه.
ويشير تقرير السلامة الدولي للذكاء الاصطناعي إلى عدم وجود تعريف عالمي للذكاء الاصطناعي العام، لكنه يستخدم المصطلح عادة للإشارة إلى نظام برمجي يساوي البشر أو يتفوق عليهم في جميع المهام المعرفية أو معظمها. أما أوبن إيه آي فتعرّفه في ميثاقها بأنه أنظمة عالية الاستقلالية تتفوق على البشر في معظم الأعمال ذات القيمة الاقتصادية.
وفي المقابل، يفضل الرئيس التنفيذي لشركة أنثروبيك استخدام مصطلح الذكاء الاصطناعي المتقدم بدلا من الذكاء الاصطناعي العام، ويصف داريو أمودي هذا المستوى بأنه نظام أذكى من حائز جائزة نوبل في معظم المجالات، وقادر على تنفيذ مهام تمتد لساعات وأيام وأسابيع بصورة مستقلة.
ويؤدي غياب التعريف الموحد إلى مشكلة أخرى، تتمثل في عدم وجود اختبار عالمي معتمد يمكنه إعلان الوصول إلى الذكاء الاصطناعي العام، كما يحدث في الاختبارات المعيارية بمجالات أخرى. وهذا يمنح الشركات والمختبرات حرية استخدام تعريفات ومقاييس مختلفة لتحديد مدى اقتراب أنظمتها من هذا الهدف.
ويشير فريق آرك برايز إلى أن المشكلة لا تتوقف عند ابتكار اختبار جديد، فكلما ابتكر الباحثون مهمة يستطيع البشر حلها بسهولة بينما تجد الآلات صعوبة فيها، سرعان ما تتعلم النماذج كيفية تجاوزها، لتصبح الاختبارات بحاجة إلى التطور مرة أخرى.
ولهذا اقترح باحثو جوجل ديب مايند إطارا يتكون من 6 مستويات متدرجة، بهدف التعامل مع الذكاء الاصطناعي العام باعتباره مسارا تدريجيا وليس نقطة واحدة واضحة. كما اقترح باحثون آخرون تعريفا يقوم على قدرة النظام على مجاراة أو تجاوز القدرات المعرفية المتعددة والمتعمقة لشخص بالغ متعلم جيدا.
وفي النسخة الحالية من هذا الإطار، حصل GPT-4 على تقييم بلغ 27%، بينما وصل GPT-5 إلى 57%، وهو ما يعكس وجود تقدم واضح، لكنه لا يمثل بحد ذاته دليلا على الوصول إلى الذكاء الاصطناعي العام.
ومن الناحية النظرية، قد تصل بعض الأنظمة إلى مستوى من القدرات يصفه باحثون بأنه ذكاء اصطناعي عام قبل أن يتوصل المجتمع العلمي إلى تعريف موحد ومتفق عليه لهذا المفهوم. وحتى اختبار تورينغ، الذي كان ينظر إليه في الماضي باعتباره حدا فاصلا مهما، لم يعد كافيا اليوم عند الحديث عن الذكاء الاصطناعي العام، وفقا لشركة آي بي إم.
ومع كل قفزة جديدة في قدرات النماذج، يعيد الباحثون التفكير في معنى الذكاء الاصطناعي العام، وهو ما يجعل خط النهاية متحركا باستمرار ويصعب معه إعلان الوصول بشكل قاطع، حتى عندما تظهر أنظمة قادرة على تحقيق نتائج استثنائية في مجالات محددة.
وتتفوق النماذج المتقدمة بالفعل على البشر في بعض الاختبارات والمهام، لكن أداءها لا يزال متباينا بشكل كبير بين مهمة وأخرى وبين سياق وآخر. وأورد مؤشر ستانفورد للذكاء الاصطناعي مثالا على ذلك، حيث وصل جيميناي ديب ثينك إلى مستوى الميدالية الذهبية في أولمبياد الرياضيات، بينما لم تتجاوز أفضل النماذج في قراءة الساعات التناظرية نسبة نجاح بلغت نحو 50.6%.
وقد يتمكن النموذج من حل مسألة رياضية شديدة التعقيد عندما تكون قريبة من الأنماط التي تعرض لها أثناء التدريب، لكنه قد يتعثر إذا تغيرت صياغة المسألة أو سياقها بشكل جوهري. ولهذا فإن الحصول على نتيجة مرتفعة في اختبار واحد لا يكفي لإثبات قدرة النظام على استخدام الإستراتيجية نفسها في سياق مختلف تماما.
وتظهر الفجوات بصورة أوضح في عدد من القدرات التي يتمتع بها البشر، مثل الاستدلال السببي العميق، والتعلم من عدد قليل جدا من التجارب، والتكيف مع بيئات غير مألوفة. وهذه القدرات لا تزال من التحديات التي يصعب على النماذج الحالية التعامل معها بصورة موثوقة.
كما تواجه النماذج صعوبة في الحفاظ على الأهداف طويلة الأمد وتصحيح مسارها عند تنفيذ مهام معقدة. فكتابة بضعة أسطر من التعليمات البرمجية قد تكون سهلة نسبيا، لكن تنفيذ مشروع برمجي كامل يتطلب سلسلة مترابطة من القرارات، تبدأ بفهم المتطلبات وبناء الخطة، ثم اختيار بنية البرنامج، واكتشاف الأخطاء واختبارها، وتعديل الخطة، وربما العودة إلى نقطة البداية عندما يتضح أن الافتراض الأساسي كان خاطئا.
وتظهر المشكلة أيضا عندما تواجه النماذج مهمة جديدة تختلف بنيتها بشكل كبير عما شاهدته أثناء التدريب، إذ قد يتراجع أداؤها بصورة ملحوظة. وهذا يطرح سؤالا مهما حول مدى قدرة النظام على التعامل مع مشكلات جديدة لم يتدرب عليها مسبقا.
وطور الباحث فرانسوا شوليه اختبارا يعتمد على مهام بصرية ومنطقية تتطلب اكتشاف قواعد مجردة من عدد قليل جدا من الأمثلة، ثم تطبيق هذه القواعد على حالات جديدة لم يسبق للنظام رؤيتها. ويهدف الاختبار إلى التمييز بين القدرة الحقيقية على التعامل مع بيانات ومشكلات جديدة، وبين مجرد استرجاع أنماط سبق للنموذج تعلمها.
ولسنوات طويلة، بقيت نتائج الأنظمة في هذا النوع من الاختبارات محدودة مقارنة بالبشر الذين يستطيعون حل معظم المهام بسهولة نسبية. ومع إطلاق النسخة الأولى من الاختبار عبر مسابقة آرك برايز في 2024، ارتفعت أفضل نتيجة على مجموعة التقييم الخاصة من 33% إلى 55.5% خلال عام واحد.
ومطلع 2025 ظهرت النسخة الثانية من الاختبار، ووصلت أفضل نتيجة في مجموعة التقييم الخاصة إلى 24.03%. ثم جاءت النسخة الثالثة خلال مارس من العام الحالي بمهام تفاعلية جديدة كليا، وسجلت الأنظمة المتقدمة فيها أقل من 1%، مقابل 100% للبشر، وهو فارق يكشف حجم التحدي أمام الوصول إلى ذكاء أكثر عمومية.
ومن أبرز خصائص الذكاء البشري القدرة على نقل مبدأ تم تعلمه في مجال إلى مجال آخر بعيد عنه. فالإنسان يستطيع استخدام المنطق نفسه الذي تعلمه في مجال معين عند استكشاف مجال مختلف، اعتمادا على الاستدلال التناظري، بينما لا تزال قدرة النماذج الحالية على إجراء هذا النوع من النقل البعيد محدودة.
وحتى مع استخدام تقنيات التعلم المنقول والضبط الدقيق، يظل النموذج معتمدا بدرجة كبيرة على الأنماط الإحصائية المشتركة أكثر من اعتماده على فهم مفاهيمي عميق، وهو ما يفسر جزئيا لماذا يمكن للنظام أن يبدو شديد الذكاء داخل نطاق التدريب، ثم يصبح أقل كفاءة عندما يخرج عن هذا النطاق.
وفي تجربة قارنت الأطفال والبالغين والنماذج في مهام تعتمد على التماثل ونقل المعرفة، تمكن البشر من نقل القاعدة إلى مجالات غير مألوفة بسهولة أكبر، بينما واجهت النماذج صعوبة واضحة في النقل بين المجالات البعيدة.
ويرى باحثون ومطورون أن الوكلاء الذكيين يمكن أن يمثلوا مسارا مهما نحو أنظمة أكثر عمومية واستقلالية. فالوكيل لا ينتظر دائما تعليمات تفصيلية لكل خطوة، بل يمكن أن يتلقى هدفا ثم يحاول تفكيكه إلى مهام فرعية، ووضع خطة للتنفيذ، واستخدام الأدوات البرمجية والتفاعل مع البيئة للوصول إلى النتيجة المطلوبة.
وقدمت أوبن إيه آي وكيلا لاستخدام الحاسوب يتعامل مع واجهات المستخدم الرسومية وينفذ خطوات متعددة ويتكيف مع العقبات، مع القدرة على تفكيك المهمة وتصحيح مساره أثناء التفاعل مع واجهة المستخدم.
لكن الدراسات الحديثة تكشف وجود أنماط متكررة من الفشل لدى هذه الوكلاء. وفي مراجعة شاملة جمعت 27 دراسة و19 معيارا، ظهرت مشكلات تتعلق باستدعاء الأدوات، وفشل التخطيط، وعدم الالتزام بالقيود، وتراجع الأداء كلما طال أفق المهمة، إضافة إلى صعوبات التنسيق بين وكلاء متعددين.
ولا يزال التدخل البشري المطلوب كبيرا، إذ تحتاج الوكلاء في كثير من الحالات إلى إعادة توجيه أو تصحيح متكرر، خصوصا عندما تمتد المهمة لساعات. وهذا يعني أن الاستقلالية الكاملة والموثوقة لا تزال بعيدة عن الواقع العام.
وتعد القدرة على الحفاظ على مستوى الأداء خلال المهام الطويلة والمعقدة دون إشراف بشري من أبرز التحديات أمام الوكلاء حاليا. فالأداء يمكن أن يتراجع بشكل حاد مع زيادة مدة المهمة، بينما تتراكم الأخطاء ويفقد النظام أجزاء من السياق، وقد يستمر الوكيل في استراتيجية فاشلة أو يتخلى عن الهدف في وقت مبكر.
ويؤكد تقرير السلامة الدولي للذكاء الاصطناعي أن الأنظمة الحالية تتعثر في المهام طويلة الأمد، وتواجه صعوبة في تتبع تقدمها والتعامل مع العقبات، لكنه يشير في الوقت نفسه إلى أن الأفق الزمني الذي تستطيع هذه الأنظمة العمل خلاله يتحسن بسرعة.
وتوثق الأوساط التقنية كذلك ظاهرة تتكرر فيها الأخطاء نفسها، مع تنفيذ تعديلات غير مفيدة دون تحقيق تقدم حقيقي، بينما تستمر تكاليف الحوسبة في الارتفاع من دون أن يلاحظ النظام المشكلة دائما.
أما الإنسان فيستطيع التعامل مع مثل هذه المواقف من خلال التوقف ومراجعة ما حدث، وتغيير الخطة، والتعلم من الخطأ، أو طلب المساعدة. وتسعى شركات الذكاء الاصطناعي إلى تطوير أساليب تقترب من هذا النهج البشري.
وعرضت أنثروبيك تسلسلا لعمل برمجي يمتد لعدة أيام ويعتمد على وكلاء متعددين وذاكرة مستمرة واختبارات آلية للتحقق، بهدف تقليل الحاجة إلى وجود الإنسان في كل خطوة. لكن هذا العرض لا يعني أن الوكلاء أصبحوا قادرين بصورة موثوقة على العمل بشكل مستقل لعدة أيام في المهام العامة.
وهنا يجب التمييز بين التعلم المستمر وبين استخدام الأدوات أو الذاكرة الخارجية. فالذاكرة الخارجية والأدوات لا تعني بالضرورة أن النموذج نفسه يتعلم من الخبرة، بينما يشير التعلم المستمر إلى آليات تغير سلوك النموذج استنادا إلى التجارب، سواء من خلال تحديث الأوزان أو باستخدام آليات أخرى.
ويمثل التعلم المستمر أحد الفوارق المهمة بين الذكاء الاصطناعي والذكاء البشري، إذ إن معظم النماذج المنشورة لا تمتلك حتى الآن تعلما مستمرا مفتوح النهاية يماثل الطريقة التي يتعلم بها الإنسان. ورغم ظهور أساليب تجريبية تسمح بالتكيف أثناء التشغيل، فإن المجال لا يزال قيد البحث.
ومن أبرز التحديات هنا مشكلة النسيان الكارثي، حيث يمكن للشبكات العصبية أن تفقد قدرتها على تذكر المهام التي تعلمتها سابقا بعد تدريبها على بيانات جديدة. ورغم وجود أبحاث نشطة لمعالجة هذه المشكلة، خصوصا في سياق الوكلاء، فإنها لا تزال مشكلة مفتوحة.
وتعود جذور فكرة التحسين الذاتي المتكرر إلى نقاشات تعود إلى الستينيات حول انفجار الذكاء، ومن أبرز الطروحات في هذا المجال ما قدمه عالم الرياضيات إرفين جون غود عام 1965 حول آلة فائقة الذكاء قادرة على تصميم آلات أفضل منها.
ومن الناحية التقنية، يشير التحسين الذاتي المتكرر إلى قدرة النظام على كتابة التعليمات البرمجية الخاصة به، وتعديل خوارزمياته، وتصميم نماذج من أجيال لاحقة تتفوق عليه في الذكاء والدقة، من دون تدخل بشري مباشر.
لكن لا يوجد حاليا تعريف متفق عليه للذكاء الاصطناعي العام يجعل التحسين الذاتي المتكرر شرطا ضروريا للوصول إليه، كما أن التحسين الذاتي المتكرر عبر مجالات واسعة لا يزال فرضية أكثر منه واقعا ملموسا، رغم ظهور بعض المؤشرات الأولية على هذا المسار.
وقدمت جوجل ديب مايند مشروع ألفا إيفولف، وهو وكيل برمجي يستخدم نماذج جيميناي مع آليات تقييم آلي للبحث عن الخوارزميات وتحسينها. ويمثل المشروع انتقالا من مجرد توليد الحلول إلى البحث عن حلول أفضل عبر الاختبار المستمر للأداء، وتحليل الأخطاء، ثم إدخال التحسينات.
ومع ذلك، فإن هذا النوع من التحسين الخوارزمي مؤتمت، ولا يمثل دليلا على أن نموذجا أعاد تصميم نفسه بصورة مفتوحة ومتكررة.
ويبقى سؤال أساسي مطروحا، هل نقيس الذكاء بالطريقة الخطأ. لسنوات، اعتمد تقدم الذكاء الاصطناعي على اختبارات تقيس المعرفة العامة والرياضيات والبرمجة واللغة، لكن هذه الاختبارات بدأت تواجه مشكلات تتعلق بالتشبع والتلوث.
ويحدث التشبع عندما يصبح الاختبار غير قادر على التمييز بين نموذج متفوق وآخر أقل كفاءة، بعد وصول النماذج إلى نتائج شبه مثالية فيه. ويوضح مؤشر ستانفورد للذكاء الاصطناعي أن بعض الاختبارات التي كانت تعد صعبة لسنوات أصبحت تصل إلى مرحلة التشبع خلال أشهر، كما تواجه بعض التقييمات مشكلات تتعلق بجودة الأسئلة ومعدلات الخطأ فيها.
أما التلوث فيشير إلى وجود أسئلة أو أمثلة من الاختبار ضمن بيانات تدريب النموذج، سواء بشكل مباشر أو غير مقصود، وهو ما يجعل من الصعب معرفة ما إذا كان النموذج فهم القاعدة فعلا أم أنه واجه نسخة محفوظة من السؤال أثناء التدريب.
ووجدت دراسة اعتمدت منهجية محددة إشارات تلوث في 29.1% من عناصر اختبار المعرفة العامة المعياري الشهير فهم اللغة المتعدد المهام الشامل. ويعني ذلك أن موثوقية بعض الاختبارات يمكن أن تتراجع كلما ازدادت شهرتها، لأنها تتحول تدريجيا من اختبار للاستدلال إلى اختبار للحفظ.
ولهذا، فإن الاختبارات الأقوى لقياس الذكاء الاصطناعي العام مستقبلا ستكون تلك التي يصعب تلوثها أو التدريب المسبق عليها، مع إبقاء جزء من التقييم سريا أو تغييره باستمرار، وقياس قدرة الأنظمة على التعامل مع مهام جديدة ومتعددة الخطوات.
وفي النهاية، تبدو رحلة الوصول إلى الذكاء الاصطناعي العام أقرب إلى استكشاف تدريجي لما يمكن للأنظمة الحديثة تعلمه وإتقانه، فقد حققت هذه الأنظمة قفزات كبيرة في معالجة اللغة وتوليد المحتوى وحل المشكلات المنظمة، لكنها لا تزال غير متسقة عبر المهام والأزمنة المختلفة، كما أن قدرتها على التعلم المستمر والعمل لفترات طويلة ما زالت محدودة.
وقبل الحديث عن الاقتراب من خط النهاية، يجب أولا تحديد هذا الخط بوضوح. فالمطلوب ليس مجرد نتائج مرتفعة في مجموعة من الاختبارات، بل تعريفات علمية أكثر صرامة، واختبارات ديناميكية يصعب التلاعب بها، ومقاييس متعددة الأبعاد تستطيع التقاط الجوانب الأساسية للذكاء البشري. وحتى يتحقق ذلك، يبقى خط النهاية مفقودا.
إرسال تعليق