المجال: content اللغة الهدف: العربية (ar)
نماذج اللغة الكبيرة الحديثة تؤدي أداءً ممتازًا في المهام التي تتطلب استدعاء المعرفة البشرية الموجودة وتطبيقها. لكن النظام الذكي حقًا يجب أن يكون قادرًا على تجاوز حدود ما تم تعلمه: طرح أسئلة لم يطرحها أحد من قبل، وتحويل التخمينات إلى نتائج علمية قابلة للتحقق. هذه القدرة تحديدًا — أو بالأحرى غيابها لدى أنظمة الذكاء الاصطناعي الحالية — هي ما قرر معيار جديد باسم ASI-Bench قياسها.
من استرجاع المعرفة إلى خلق معرفة جديدة
لاحظ الباحثون منذ فترة طويلة أن النماذج الحديثة تُدرَّب على ضغط المعلومات ودمجها من كميات هائلة من البيانات التي أنشأها البشر. ومع ذلك، فإن الذكاء الفائق كما يفهمه المؤلفون ليس مجرد «مُعيد صياغة» أكثر قوة، بل نظام قادر على استكشاف المجهول بشكل مستقل وإنتاج معرفة جديدة. تكاد الاختبارات التقليدية تنحصر دائمًا في التحقق من مدى دقة إعادة إنتاج النموذج للمعلومات المستفادة وقدرته على اتباع التعليمات البشرية التفصيلية. إنها لا تقدم إجابة على السؤال الرئيسي: هل يمكن للذكاء الاصطناعي أن يعمل كعالم مستقل؟
في هذه الحالة، كانت هناك حاجة إلى أداة مختلفة جوهريًا تختبر الإبداع العلمي والاستقلالية تحديدًا — وقد اتخذ ASI-Bench الخطوة الأولى في هذا الاتجاه.
كيف يعمل المعيار
استغرق تطوير الاختبار الجديد أكثر من 31,000 ساعة عمل بشري بالتعاون مع أكثر من 40 خبيرًا. في النهاية، ضم المعيار 60 مهمة بحثية مشروعية من 11 مجالًا علميًا — من العلوم الطبيعية إلى التخصصات الهندسية. صُممت كل مهمة كمشروع بحثي مصغر يتطلب إنجاز العمل من الفرضية الأولية حتى النتيجة القابلة للتحقق.
السمة الأساسية لـ ASI-Bench هي الإزالة التدريجية للدعم المنهجي. لكل مهمة، أعد المؤلفون عدة مستويات من التوجيه: من تعليمات مفصلة للغاية تحدد كل خطوة، إلى صياغة يجب فيها على الوكيل اختيار الأسلوب بنفسه وحتى تحديد اتجاه البحث. وبالتالي، يسمح الاختبار برؤية المدى الذي يمكن للذكاء الاصطناعي أن يذهب إليه دون تلميحات بشرية.
لاستبعاد الأخطاء و«الحفظ عن ظهر قلب» للإجابات، تخضع جميع المهام لفحص متعدد المراحل: مراجعة الخبراء، وتدقيق باستخدام نظام ذكاء اصطناعي آخر، وتنفيذ في بيئة معزولة، والتحقق المنفصل من نتائج حساب النقاط. وهذا يجعل النتائج أكثر موثوقية مقارنة بالاختبارات العادية.
النتائج الأولى: الاعتماد على الإنسان
اختبر المؤلفون 18 تكوينًا من «وكيل-نموذج» بمستوى أحدث ما توصلت إليه التكنولوجيا عبر جميع مستويات المهام. كانت النتائج دالة. فعند التوجيه المنهجي الكامل، بلغ متوسط الدرجات 50.91، بينما عندما لم يُترك للوكيل سوى الأسلوب، انخفض إلى 29.10. وعندما اضطر النموذج إلى تحديد الأسلوب بنفسه، انخفضت الدرجة إلى 26.62.
يشير هذا الانخفاض الحاد إلى أن حتى أكثر الأنظمة تقدمًا ليست جاهزة بعد لإجراء أبحاث علمية شاملة دون تلميحات بشرية مفصلة. إنها قوية في تنفيذ الخطوات المحددة بوضوح، لكنها تضيع بشكل ملحوظ بمجرد الحاجة إلى أخذ زمام المبادرة. هذه إشارة مهمة لكل من يتوقع ظهورًا وشيكًا للذكاء الفائق: التقدم في استرجاع المعرفة لا يساوي التقدم في البحث العلمي المستقل.
منصة مفتوحة والخطوات التالية
جعل المطورون ASI-Bench مفتوحًا للمجتمع العلمي ويدعون الباحثين من جميع أنحاء العالم لإضافة مهام جديدة. سيسمح ذلك بتوسيع مجموعة المجالات والسيناريوهات، مما يجعل المعيار أكثر شمولًا. بالإضافة إلى ذلك، تتيح انفتاحية الاختبار إمكانية تتبع تقدم أنظمة الذكاء الاصطناعي ديناميكيًا: من المرجح أن تصبح النتائج الحالية نقطة انطلاق للمقارنة مع النماذج المستقبلية.
على الرغم من النتائج المنخفضة حتى الآن، فإن الخلاصة الرئيسية لهذا البحث ليست خيبة أمل، بل ظهور أداة تسمح لأول مرة بقياس تلك الصفة «البحثية» للذكاء الاصطناعي. وما تبقى هو معرفة ما إذا كانت النماذج والهياكل الوكيلة الجديدة قادرة على تضييق الفجوة بين التنفيذ الموجه والعمل العلمي المستقل.
