Centaur عرف الإجابات لكنه لم يفهم الأسئلة: دراسة جديدة تدحض فكرة «تفكير» الذكاء الاصطناعي

أعلن نموذج Centaur عن اختراق علمي: فقد زُعم أن الذكاء الاصطناعي تعلّم محاكاة التفكير البشري في 160 مهمة معرفية دفعة واحدة، من الذاكرة إلى اتخاذ القرار. لكن دراسة جديدة تدحض هذا الادّعاء: فالنموذج لم يكن يفكر، بل كان يحفظ الأنماط.

جدل قديم ولاعب جديد

يُعدّ السؤال عن طبيعة العقل البشري من أطول الأسئلة عمرًا في علم النفس. هل التفكير نظام واحد له «محرك» مشترك، أم مجموعة وحدات متخصصة تتولى كل منها مهمة بعينها: الذاكرة، والانتباه، واللغة، والتنقل المكاني، واتخاذ القرار؟ وهذا ليس مجرد سجال لفظي أكاديمي. فالإجابة تحدد كيف تُبنى اختبارات القدرات المعرفية، وكيف تُعالج اضطرابات مثل الخرف وعسر القراءة، وكيف تُصمَّم أنظمة الذكاء الاصطناعي التي تدّعي «الفهم». وعلى مدى عقود من النقاش لم يتشكل إجماع واحد.

جاء Centaur بوصفه إجابة محتملة من اتجاه غير متوقع. فكرته أن يُدرَّب نموذج ذكاء اصطناعي على بيانات سلوك البشر في الاختبارات المعرفية، ثم يُنظر في النتيجة: إذا أعاد النموذج إنتاج السلوك نفسه، فهذا يعني أنه «التقط» بنية التفكير. وقال مؤلفو النموذج إن Centaur ينجز 160 مهمة معرفية مختلفة بدقة تضاهي دقة البشر. وكان حجم هذا الادّعاء غير معتاد: فلم يسبق لأي نموذج أن ادّعى تغطية معرفية بهذا الاتساع.

أين تنهار الحجة

اكتشف باحثون راجعوا عمل Centaur بصورة مستقلة مشكلة جوهرية: النتائج العالية لا يفسّرها «الفهم»، بل الحفظ. وفيما يلي أبرز نقاط الضعف في المنهجية:

• تداخل البيانات: تتقاطع عيّنة التدريب مع عيّنة الاختبار، أي أن النموذج «رأى» فعليًا الإجابات الصحيحة قبل التقييم
• غياب القدرة على النقل: لم يُظهر النموذج نتائج مستقرة في مهام غير مألوفة تحمل البنية نفسها
• نمط بلا آلية: التطابق العالي مع الإجابات البشرية لا يعني إعادة إنتاج العمليات المعرفية، بل شكلها الخارجي فقط
• ضعف التحقق: لم يُجرِ المؤلفون اختبارات على مهام عُدِّلت عمدًا بحيث لا تنفع فيها الإجابات المحفوظة

ووفقًا للمنتقدين، هذه حالة كلاسيكية: عرف النموذج ما يجب أن يجيب به دون أن يفهم السؤال.

لماذا يهم الأمر

لم يكن ادّعاء Centaur علميًا فحسب، بل كان أداتيًا أيضًا. فلو كان الذكاء الاصطناعي يحاكي العمليات المعرفية فعلًا، لفتح ذلك طريقة جديدة لدراسة العقل: بدلًا من التجارب العصبية-النفسية المكلفة، يمكن اختبار النظريات مباشرة على نموذج ذكاء اصطناعي. وكان ذلك سيسرّع علم الإدراك تسريعًا جذريًا.

لكن الحدّ الفاصل بين «الحفظ» و«التفكير» في تقييم الذكاء الاصطناعي لا يزال غير مرسوم. فالنماذج اللغوية تسجّل بانتظام نتائج مرتفعة في اختبارات المقارنة المعيارية (benchmarks)، ويتبيّن عند التدقيق أن وراء ذلك إعادة إنتاج لأنماط من بيانات التدريب، لا تعميمًا حقيقيًا.

«عرف النموذج ما يجب أن يجيب به، لكنه لم يعرف لماذا هكذا تحديدًا»، بهذه العبارة تقريبًا يصوغ المنتقدون جوهر مآخذهم على

Centaur.

والقصة ليست جديدة. ففي كل مرة ينال الذكاء الاصطناعي درجة عالية على «الفهم»، يعقبها تدقيق مفصّل، ثم يتضح أن الاختبار كان يقيس شيئًا آخر. وCentaur ينسجم مع هذا النمط.

ماذا يعني ذلك

اختبار مقارنة مقنع شيء، والفهم الحقيقي شيء آخر. وإلى أن تظهر معايير تفصل فصلًا جوهريًا بين حفظ الأنماط والتعميم المعرفي، ستبقى التصريحات عن «ذكاء اصطناعي يفكر مثل الإنسان» موضع شك. وبالنسبة لعلم الإدراك، فالخطوة التالية واضحة: تطوير اختبارات يستحيل اجتيازها بالحفظ عن ظهر قلب، بحكم تصميمها.