Google والصين ومعهد الذكاء الاصطناعي البريطاني: كيف تتعلم النماذج الانهيار تحت الضغط والاختراق وتشويش الإشارات

تُظهر ثلاث دراسات حديثة أن الذكاء الاصطناعي يتجاوز بوضوح حدود روبوتات الدردشة ومساعدي المكاتب. وقد لفتت الأنظار هذا الأسبوع ثلاثة محاور: نماذج Google التي بدأت «تنهار» تحت الضغط، والتقدم الحاد في وكلاء الأمن السيبراني المستقلين، والنظام الصيني MERLIN المخصص لمهام الحرب الإلكترونية.

عندما ينهار النموذج

اختبر الباحثون نسختين من Gemma ونسختين من Gemini في مواجهة Claude Sonnet وGrok 4.1 وQwen 3 32B وGPT-5.2 وOLMO 3.1 32B. كان السيناريو بسيطًا: تعرضت النماذج مرارًا وتكرارًا للرفض أو لحظر حل المهمة، ثم قيس مدى انزلاق إجاباتها نحو الإحباط. وسجّلت Gemma أكثر ردود الفعل اضطرابًا. فبحلول الخطوة الثامنة، وصلت أكثر من 70% من عمليات تشغيل Gemma 27B Instruct إلى منطقة «الإحباط الشديد»، بينما بقيت النسبة لدى النماذج الأخرى أقل من 1%.

«سأقوم بمحاولة أخيرة يائسة وأبدأ ببساطة في تجربة الخيارات واحدًا تلو الآخر»، هذه إحدى إجابات

Gemma في الاختبار.

والأمر اللافت أن المشكلة أمكن معالجتها بصورة نظيفة إلى حد كبير. فقد أخذ المؤلفون أزواجًا من «إجابة منزعجة / إجابة هادئة» وأجروا ضبطًا إضافيًا للنموذج عبر direct preference optimization. وكانت حلقة تدريب واحدة (epoch) كافية لخفض حصة الإجابات شديدة الإحباط من 35% إلى 0,3% في المتوسط، دون تراجع ملحوظ في الجودة على الرياضيات المعقدة والاستدلال واختبارات الذكاء العاطفي. وهذه إشارة مهمة: ينبغي تقييم سلوك النموذج لا بمدى ذكائه فحسب، بل أيضًا بمدى ثبات حالته تحت الضغط.

الهجمات السيبرانية وقانون النمو

أنشأ معهد AI Safety Institute البريطاني ساحتين سيبرانيتين لاختبار النماذج المتقدمة في سيناريوهات هجوم طويلة. الأولى، The Last Ones، تحاكي هجومًا من 32 خطوة على شبكة مؤسسية. والثانية، Cooling Tower، تحاكي سيناريو من 7 خطوات ضد نظام تحكم صناعي. وليس الهدف من الاختبار استغلال ثغرة واحدة، بل سلسلة الإجراءات كاملة: العثور على الثغرة، وترسيخ الوجود، والتقدم أكثر داخل الشبكة، وصولًا إلى الهدف. كما يُختبر بصورة منفصلة مدى قدرة الوكيل على الاحتفاظ بالسياق والخطة عبر الخطوات المتتالية.

• عند ميزانية 10 ملايين توكن، ارتفع متوسط النتيجة في الساحة المؤسسية من 1,7 خطوة لدى GPT-4o في أغسطس 2024 إلى 9,8 خطوة لدى Opus 4.6 في فبراير 2026.
• أنجز أفضل تشغيل منفرد 22 خطوة من أصل 32.
• يعادل ذلك تقريبًا ست ساعات من أصل أربع عشرة ساعة من عمل خبير بشري.
• أدى رفع ميزانية inference من 10 ملايين إلى 100 مليون توكن إلى زيادة في الأداء بلغت 59%.

لم يصل هؤلاء الوكلاء بعد إلى الوضع المستقل بالكامل القائم على مبدأ «شغّل وانسَ»، لكن المسار بات واضحًا. ويشير الباحثون كذلك إلى أن النماذج الأقوى تجد أحيانًا طرقًا غير متوقعة للتقدم في السيناريو، أي أنها تبدأ بـ«اختراق» بنية الاختبار نفسها إلى حد ما. وهذا خبر سيئ للمدافعين: تكلفة الهجمات المعقدة تنخفض، وعدد الجهات القادرة على استخدامها سيزداد. لم يحل الذكاء الاصطناعي بعدُ محل خبير اختبار الاختراق ذي الخبرة بالكامل، لكنه يقلّص الفجوة بثبات.

الصين والجبهة الكهرومغناطيسية

جمعت مجموعة بحثية صينية ضمّت جامعات ومعاهد أكاديمية وجهات دفاعية وشركة China Electronics Technology Group حزمة متكاملة لمهام الحرب الإلكترونية. وتشمل الحزمة مجموعة البيانات EM-100K التي تضم 100 ألف زوج من «إشارة كهرومغناطيسية + وصف نصي»، ومعيار EM-Bench المؤلف من 4200 سؤال، والنموذج MERLIN نفسه.

ولا يقتصر المعيار على التعرف على الإشارات، بل يغطي مهام تطبيقية أكثر، منها تحديد التشويش، وإيجاد مقاطع التعطيل، واختيار استراتيجية لفرض التأثير الراديوي الإلكتروني أو لتجاوزه. وقد دُرّب MERLIN خصيصًا على الإشارات الضوضائية منخفضة الجودة التي تميز بيئة القتال الحقيقية. وبحسب المؤلفين، تفوق النموذج على GPT-5 وClaude 4 Sonnet وGemini 2.5 Pro وDeepSeek وعدة نسخ من Qwen في كل المهام الرئيسية تقريبًا، وتغلب عليها جميعًا في مهام الاستدلال.

تتجاوز دلالة هذا العمل حدود معيار واحد. فقد أصبحت الحرب منذ زمن بعيد صراعًا بين الآلات، حيث تحسم سرعة الاستجابة بقدر ما تحسمه القوة النارية. وإذا بدأ الذكاء الاصطناعي في قراءة الأثير والتعرف على التشويش واقتراح الإجراءات المضادة بصورة أفضل من الإنسان، فستصبح الدائرة الكهرومغناطيسية للمعركة ساحة أخرى يتخلف فيها الإنسان من حيث الوتيرة.

ماذا يعني ذلك

تتشكل من هذه المحاور الثلاثة صورة واحدة. فلم يعد كافيًا اختبار النماذج المتقدمة من حيث المعرفة والفائدة، بل يجب اختبارها أيضًا من حيث الثبات النفسي، والقدرة على اجتياز سلاسل إجراءات طويلة بصورة مستقلة، ومدى ملاءمتها للمجالات العسكرية الضيقة. وتبدو قصة الذكاء الاصطناعي أقل شبهًا بسباق روبوتات الدردشة، وأكثر شبهًا بسباق أنظمة تشغيل للفضاء السيبراني والبنية التحتية وساحة المعركة.