GPT-5.2 تحقق أفضل نتيجة في أسئلة امتحانات القبول بجامعتي طوكيو وكيوتو

بلغ GPT-5.2 حدًّا جديدًا ظلّ طويلًا يُعدّ ساحة بشرية خالصة: ففي اختبار على أسئلة امتحانات القبول بجامعتي طوكيو وكيوتو، سجّل النموذج نتيجة أعلى من نتائج متقدمي هذا العام. والمسألة هنا ليست مجرد اجتياز حدٍّ أدنى؛ فبحسب بيانات LifePrompt، وصل النظام في وضع التفكير إلى مستوى يتجاوز حتى أعلى درجات القبول في عدد من التخصصات، ومنها الطب.

أجرت شركة LifePrompt الاختبار، وقارنت إجابات النموذج بأسئلة الامتحانات الحالية ونتائج حملة القبول الفعلية. ومن المهم التوضيح أن هذا ليس مشاركة رسمية للشبكة العصبية في القبول الياباني، ولا يتعلق الأمر بتسجيلها في جامعة، بل هو اختبار إجهاد (stress test) للقدرات الأكاديمية للنموذج في بيئة شديدة التنافس. وهذه الصيغة تحديدًا هي ما يمنح الاختبار قيمته: فهو يقيس أداء الذكاء الاصطناعي لا في benchmark مجرّد، بل في مهام معقدة تُستبعد فيها أقوى الترشيحات.

واختيار هذه الساحة ليس عشوائيًا أيضًا. فجامعتا طوكيو وكيوتو هما أرقى جامعات اليابان وأكثرها انتقائية، وتُعدّ البرامج الطبية تقليديًا من أصعب البرامج قبولًا. وإذا كان النموذج يتجاوز فعلًا السقف الأعلى لدرجات القبول في هذه التخصصات، فهذا لا يدل على سعة معرفة فحسب، بل على قدرة راسخة على التعامل مع مسائل تتطلب منطقًا وسلاسل استدلال طويلة وحسابات دقيقة، مع الحفاظ على السياق عبر عدة شروط متزامنة.

ويبدو، استنادًا إلى وصف الاختبار، أن وضع التفكير هو العامل الحاسم. ففيه يقضي النموذج وقتًا أطول في تحليل المسألة داخليًا قبل أن يقدّم إجابته النهائية. وهذا مهم خصوصًا في امتحانات القبول، إذ كثيرًا ما تعاقب الأسئلة على حلقة وسيطة خاطئة واحدة، لا على الجهل بمعلومة بعينها. ولذلك يقلّ تشبّه تقدّم هذه الأنظمة بـ«التخمين الإحصائي»، ويقترب أكثر فأكثر من حلّ المسائل خطوة بخطوة. وفي الوقت نفسه، لا يلغي ذلك القيود: فحتى الدرجة المتميزة في مجموعات أسئلة الامتحانات لا تثبت بعدُ أن النموذج موثوق بالقدر نفسه في الحوار المباشر أو العمل البحثي أو القرارات السريرية.

وفي مجال التعليم، تحمل النتيجة إشارات في عدة اتجاهات. أولًا، تؤدي الامتحانات النمطية دور مرشّح معرفي خالص بكفاءة أقل، إذا كان نموذج استدلال قوي قادرًا على اجتيازها باستمرار بنتائج أفضل من غالبية البشر. ثانيًا، تتغير قيمة الإعداد نفسه: فلم يعد الحلّ الآلي لمسائل مألوفة هو الأهم، بل القدرة على صياغة الأسئلة، والتحقق من الخطوات الوسيطة، والدفاع عن الاستنتاجات، والعمل بالتكامل مع أدوات الذكاء الاصطناعي. وأخيرًا، تدفع هذه النتائج الجامعات إلى إعادة النظر في أساليب التقييم، بإضافة مكوّنات شفهية أكثر، وأعمال مشاريع، ومهام تكون فيها الحجة المستقلة حاسمة، لا الإجابة النهائية في ورقة الامتحان وحدها.

أما بالنسبة لسوق الذكاء الاصطناعي، فهذه أيضًا مؤشر على وجهة المنافسة بين النماذج. فلم يعد الفوز للنظام الذي يصوغ النصوص بأسلوب أجمل، بل للنظام الذي يتحمّل أعباء معرفية طويلة ويحافظ على دقته تحت ضغط الشروط المعقدة. والامتحانات الأكاديمية مناسبة لهذا الغرض تحديدًا لأن كلفة الخطأ فيها عالية ومعيار النجاح واضح. وإذا بدأ النموذج يتفوق بثقة في مثل هذه البيئة، فإن إمكاناته تتجاوز سريعًا حدود التعليم إلى التحليلات والحسابات الهندسية والتحضير لاختبارات الشهادات المهنية ومجالات أخرى تتطلب انضباطًا في التفكير.

والخلاصة بسيطة: ارتفع سقف ما يُعدّ ذكاءً اصطناعيًا «ذكيًا» مرة أخرى، ولم يعد السؤال هو هل يستطيع النموذج اجتياز امتحان صعب، بل كيف ينبغي للناس والمؤسسات إعادة ترتيب القواعد في ضوء هذه الحقيقة. وما زالت هذه الاختبارات حتى الآن عرضًا للقدرات أكثر منها بديلًا عن الخبرة الحقيقية. لكن الفجوة بين المهام الأكاديمية للإنسان ونظيرتها للنموذج القوي تواصل التقلّص بسرعة.