علماء يقترحون طريقة جديدة لقياس ذكاء الذكاء الاصطناعي الذي يتجاوز المستوى البشري

نشرت مجموعة من الباحثين في يوليو 2026 على منصة arXiv ورقة بحثية تقترح نهجًا جديدًا لقياس قدرات أنظمة الذكاء الاصطناعي التي تتفوق على الإنسان بالفعل. فبدلًا من الاختبارات الثابتة التي يكتبها البشر، تولّد النماذج بنفسها تحديات عامة لبعضها، ثم تُجمَّع النتائج في تصنيف سيكومتري تنافسي.

ما المشكلة في الاختبارات المعيارية الحالية

يزداد السؤال الذي يتصدر عنوان الورقة، «كيف نقيس الذكاء خارج النطاق البشري»، طابعًا عمليًا، إذ تتفوق النماذج الرائدة تباعًا على البشر في الامتحانات المهنية واختبارات البرمجة والأولمبيادات العلمية. وتصل الاختبارات المعيارية التي يكتبها البشر مع الوقت إلى حد التشبّع (saturate): تحقق النماذج فيها تدريجيًا الدرجة القصوى أو ما يقاربها، فيفقد الاختبار قدرته على التمييز بين الأنظمة من حيث الجودة. وتزداد المشكلة حدّة بالنسبة إلى النماذج التي تتفوق على الإنسان في مجال بعينه: فقد لا يعرف واضعو الاختبارات (examiners) أي المسائل صعبة بما يكفي وقابلة للتحقق (verifiable) في آن واحد لنظام بهذا المستوى. ويرى المؤلفون أن هذه الصعوبة ليست مصادفة مرتبطة باختبارات بعينها، بل نتيجة منهجية لأسلوب التقييم على مقياس مطلق (absolute-scale evaluation) ذاته، حيث تُقارَن النتيجة بمعيار بشري ثابت.

كيف يعمل النهج الجديد

بدلًا من المقياس المطلق، يقترح المؤلفون نموذجًا للقياس النسبي (relative measurement): تولّد النماذج بنفسها تحديات عامة (public challenges) مصممة للتمييز بين الأنظمة الأخرى من حيث الجودة. أي أن الاختبار لا يضعه خبير بشري، بل نظام ذكاء اصطناعي ينافس أنظمة أخرى.

• تُجمَّع نتائج هذه التحديات في نظام تصنيف سيكومتري تنافسي (adversarial psychometric rating system)
• يمكن لهذا النظام، بحسب تصور المؤلفين، أن يتوسع مع نمو قدرات الأنظمة المقيَّمة، أي أنه لا «يصطدم بسقف» كما تفعل الاختبارات المعيارية الثابتة
• يصف المؤلفون بروتوكولات عملية تقلل الحوافز للهجمات القائمة على المعلومات الخاصة (private-information attacks)، أي محاولات «التلصص» على الإجابات أو شروط الاختبار
• تدعم البروتوكولات الفصل في النتائج (adjudication) دون الحاجة إلى حَكَم (judge-free)، أي أنها لا تتطلب نموذجًا منفصلًا يعمل كحَكَم ولا إنسانًا لإصدار الحكم
• جُرّب الإطار على المهام القابلة للتحقق (verifiable)، وكذلك على المجالات المفتوحة التي لا تقبل التحقق الرسمي (open-ended non-verifiable)

لماذا نحتاج إلى نظام تقييم كهذا

الفكرة أن يظل التقييم «قادرًا على العمل» حتى بعد أن تتجاوز الأنظمة المستوى البشري (human frontier) في مجال معين. ففي هذه الحالة لا تعود الاختبارات التي كتبها البشر قادرة على التمييز بين نموذج جيد وآخر متفوق، لأن الإنسان واضع الاختبار نفسه لا يستطيع أن يضمن تقدير صعوبة المسألة وصحتها بالنسبة إلى نظام يفوق قدرات البشر.

ويتمثل التحدي الهندسي الرئيسي لهذا النهج في منع النماذج من «التواطؤ» فيما بينها، أو من تكييف التحديات بطريقة غير نزيهة لاستهداف نقاط ضعف منافسيها. ولهذا يصف المؤلفون بروتوكولات منفصلة للتصدي للهجمات القائمة على المعلومات الخاصة، ويشددون على الفصل في النتائج دون حَكَم منفصل: فكلما قلّت في النظام النقاط التي يمكن «خداعها» بإجراءات منسّقة من المشاركين في التقييم، ازدادت موثوقية التصنيف النهائي.

ماذا يعني ذلك

تندرج هذه الورقة في نقاش أوسع حول استنفاد (saturation) الاختبارات المعيارية القائمة للذكاء الاصطناعي: فمع تفوق النماذج على الاختبارات البشرية واحدًا تلو الآخر، تحتاج الصناعة إلى طرق قياس لا تعتمد على قدرة الإنسان على ابتكار مسائل صعبة بما يكفي. ويُعدّ النهج الذي تولّد فيه النماذج التحديات وتقيّمها لبعضها إحدى الإجابات الممكنة عن هذا التحدي، وإن كانت موثوقيته العملية ومقاومته للتلاعب لا تزالان بحاجة إلى اختبار على أنظمة حقيقية واسعة الاستخدام.