اقترح العلماء طريقة جديدة لقياس ذكاء الذكاء الاصطناعي فوق المستوى البشري

نشر مجموعة من الباحثين في يوليو 2026 ورقة عمل على arXiv تقترح نهجاً جديداً لقياس قدرات أنظمة الذكاء الاصطناعي التي تتجاوز بالفعل الإنسان: بدلاً من الاختبارات الثابتة المكتوبة من قبل الإنسان، تولد النماذج نفسها اختبارات عامة لبعضها البعض، ويتم تجميع النتائج في تقييم نفسي قياسي تنافسي.

ما هي مشكلة المعايير الحالية

السؤال الذي يطرحه عنوان العمل — "كيفية قياس الذكاء خارج النطاق البشري" — يصبح عملياً بشكل متزايد مع تفوق النماذج الرئيسية واحداً تلو الآخر على البشر في الاختبارات المهنية واختبارات البرمجة والأولمبياد العلمي. تصبح المعايير المكتوبة من قبل الإنسان مشبعة بمرور الوقت (saturate) — تتراكم النماذج تدريجياً على درجات قصوى أو قريبة من الحد الأقصى عليها، ويتوقف الاختبار عن تمييز الأنظمة حسب الجودة. بالنسبة للنماذج التي تتجاوز بالفعل الإنسان في منطقة معينة، تزداد المشكلة سوءاً: قد لا يعرف منشئو الاختبارات (الفاحصون) أي المهام صعبة بالفعل وقابلة للتحقق (verifiable) لنظام بهذا المستوى.

يجادل المؤلفون بأن هذه الصعوبة — ليست مجرد حدث عرضي للاختبارات المحددة، بل نتيجة منهجية لنهج التقييم على مقياس مطلق (absolute-scale evaluation)، عندما تتم مقارنة النتيجة بمعيار إنساني ثابت.

كيفية عمل النهج الجديد

بدلاً من المقياس المطلق، يقترح المؤلفون نموذج قياس نسبي (relative measurement): تولد النماذج نفسها اختبارات عامة (public challenges) مصممة لفصل الأنظمة الأخرى حسب الجودة — أي أن الاختبار يتم إنشاؤه ليس من قبل خبير بشري، بل من قبل نظام الذكاء الاصطناعي نفسه في منافسة مع آخرين.

• يتم تجميع نتائج هذه الاختبارات في نظام تقييم نفسي قياسي تنافسي (adversarial psychometric rating system)
• مثل هذا النظام، وفقاً لتصميم المؤلفين، قادر على التوسع مع نمو قدرات الأنظمة المقيّمة — أي أنه لا يصل إلى "السقف" مثل المعايير الثابتة
• يصف المؤلفون بروتوكولات عملية تقلل من حوافز الهجمات على أساس معلومات خاصة (private-information attacks) — أي محاولات "الاطلاع" على الإجابات أو شروط الاختبار
• تدعم البروتوكولات الحكم دون مشاركة حكم (judge-free)، أي أنها لا تتطلب نموذج حكم منفصل أو إنسان لإصدار حكم
• تم اختبار الإطار على كل من المهام القابلة للتحقق والمجالات المفتوحة غير الخاضعة للتحقق الرسمي (open-ended non-verifiable)

لماذا يكون نظام التقييم هذا ضرورياً

الفكرة هي أن التقييم يمكن أن "يستمر في العمل" حتى بعد أن تتجاوز الأنظمة المستوى البشري (human frontier) في منطقة معينة — حيث أن المعايير المكتوبة من قبل الإنسان غير قادرة بالفعل على تمييز نموذج جيد من نموذج ممتاز، لأن منشئ الاختبار نفسه لا يمكنه ضمان تقييم تعقيد وصحة مهمة لنظام فوق بشري.

التحدي الهندسي الرئيسي لمثل هذا النهج هو منع النماذج من "التآمر" مع بعضها البعض أو تكييف الاختبارات مع نقاط ضعف المنافسين بطرق غير عادلة. هذا هو بالضبط السبب في أن المؤلفين يصفون بشكل منفصل البروتوكولات ضد الهجمات بناءً على معلومات خاصة ويصرون على الحكم دون حكم منفصل: كلما قل عدد النقاط في النظام التي يمكن "خداعها" من قبل الإجراءات المنسقة لمشاركي التقييم، كلما كان التصنيف الناتج أكثر موثوقية.

ما يعنيه هذا

ينسجم العمل مع نقاش أوسع حول تشبع معايير الذكاء الاصطناعي الموجودة: مع تجاوز النماذج الاختبارات البشرية واحداً تلو الآخر، تحتاج الصناعة إلى طرق قياس لا تعتمد على قدرة الإنسان على التوصل إلى مهام معقدة بما فيه الكفاية. النهج الذي تولد فيه النماذج نفسها وتقيّم الاختبارات لبعضها البعض هو إجابة محتملة على هذا التحدي، على الرغم من أن موثوقيتها العملية ومقاومتها للتلاعب لا تزال بحاجة إلى الاختبار على الأنظمة الحقيقية والمستخدمة على نطاق واسع.

أسئلة متكررة

ما الفكرة الأساسية وراء نهج المعايير الجديد؟

بدلاً من استخدام الاختبارات الثابتة المكتوبة من قبل البشر، تولد النماذج نفسها تحديات عامة لبعضها البعض ويتم تصنيفها في نظام تقييم نفسي قياسي تنافسي. هذا يسمح بالقياس المستمر حتى عندما تتجاوز النماذج مستويات الأداء البشري.

كيف يتعامل هذا النهج مع مشكلة التشبع؟

بواسطة نماذج تولد اختبارات ديناميكياً بناءً على التنافس مع الأنظمة الأخرى، يتسع النهج بشكل متأصل مع قدرة الأنظمة المقيّمة. مع أن النماذج تصبح أقوى، يتم توليد اختبارات أكثر تحدياً بشكل طبيعي، مما يمنع مشكلة "السقف" للمعايير الثابتة.

ما الحماية التي تمنع النماذج من الخداع في النظام؟

يصف المؤلفون البروتوكولات ضد هجمات المعلومات الخاصة ويدعمون الحكم بدون حكم، مما يقلل من نقاط التلاعب في نظام التصنيف ويضمن موثوقية التصنيف النهائي.