DeepMind تقترح عشرة مقاييس معرفية لقياس التقدم نحو الذكاء الاصطناعي العام (AGI)

نشرت Google DeepMind ورقة «Measuring Progress Toward AGI»، وهي محاولة لتزويد القطاع بأداة قياس فعلية للتقدم نحو AGI، بدلًا من تصنيف جديد لا يمكن التحقق منه.

من أين جاءت المشكلة

قبل نحو ثلاث سنوات نشرت DeepMind ورقة «Levels of AGI»، وهي منظومة من خمسة مستويات للذكاء (من المبتدئ إلى الخارق) وستة مستويات للاستقلالية (من الأداة البسيطة إلى الوكيل المستقل تمامًا). وقد نجح التشبيه بمستويات القيادة الذاتية: فهو منظّم وواضح ويسهل شرحه للمستثمرين والصحفيين. وحصل القطاع بذلك على قاموس مشترك، أشبه بمصطلحات موحّدة للحديث عن AGI.

لكن التصنيف انطوى على عيب جوهري: لم تكن هناك أي أداة للتحقق من موقع نظام معيّن فعليًا. كان بإمكان أي شركة أن تصف نموذجها بأنه «level 2» أو «level 3» دون أن يملك أحد وسيلة لدحض ذلك. وتحوّل مصطلح «AGI» إلى وسم تسويقي، مناسب للبيانات الصحفية وجذب الاستثمارات، لكنه غير مناسب إطلاقًا للعلم. وهذه هي المشكلة التي تحاول الورقة الجديدة معالجتها.

عشرة مقاييس بدلًا من درجة واحدة

تقترح الورقة، التي صدرت في مارس 2026، نهجًا مختلفًا جذريًا. فبدلًا من تصنيف نهائي واحد، تعرض عشرة مقاييس منفصلة، يقيس كل منها جانبًا محددًا من القدرات المعرفية. والمقاييس مستقلة عن بعضها: فقد يحقق النظام نتيجة عالية في الاستدلال ونتيجة منخفضة في التكيف مع المهام الجديدة، وسيظهر هذا التفاوت بوضوح بدلًا من أن يختفي خلف قيمة متوسطة. وبذلك يرسم هذا النهج صورة متعددة الأبعاد للنظام، لا رقمًا واحدًا.

والفارق الجوهري عن القياس المعياري المعتاد (benchmarking) أن المقاييس لا تُبنى على مجموعات بيانات وكتب تمارين، بل على أدوات علم النفس المعرفي، وهو علم درس الذكاء لدى البشر على مدى عقود وطوّر منهجيات تقاوم آثار التدريب. ومن الجوانب التي تقيسها الورقة:

• الذاكرة العاملة والاحتفاظ بالسياق
• التخطيط والاستدلال متعدد الخطوات
• نقل المعرفة إلى مجالات جديدة
• التعلّم من عدد قليل من الأمثلة (few-shot)
• ما وراء المعرفة، أي إدراك حدود المعرفة الذاتية
• الاستدلال السببي
• التكيف مع بيانات خارج توزيع التدريب

ويقدّم المؤلفون الإطار بوصفه نقطة انطلاق للنقاش، لا معيارًا نهائيًا. وقائمة المقاييس مفتوحة للتوسع.

لماذا هذا أهم من اختبارات القياس المعيارية

حتى الآن كان التقدم في الذكاء الاصطناعي يُقاس بصورة غير مباشرة: MMLU وHumanEval وARC-Challenge وGSM8K. والمشكلة أن النماذج تعلّمت «الإفراط في التكيّف» عمدًا مع اختبارات بعينها. فقد توقفت الدرجة العالية في MMLU منذ زمن عن أن تكون مؤشرًا موثوقًا على الاستدلال الحقيقي، وهذا معروف للجميع في القطاع، لكن المعايير لا تتغير.

أما النهج القائم على علم النفس المعرفي فخداعه أصعب بكثير. فإذا كان النموذج عاجزًا عن التعميم على مهام جديدة كليًا، فلن يخفي ذلك أي تدريب إضافي على مجموعة الاختبار. والمنهجيات المطوَّرة لقياس الذكاء لدى البشر مقاومة لـ«التلقين» بطبيعتها.

وبالنسبة إلى المستثمرين ومشتري الذكاء الاصطناعي من الشركات والجهات التنظيمية، قد يعني هذا نهاية حقبة كان بوسع أي مختبر فيها إعلان «اختراق نحو AGI» دون إمكانية تحقق مستقل. فالمقاييس المشتركة القابلة للقياس تتيح المقارنة بين أنظمة شركات مختلفة، ومن ثمّ تتيح المساءلة.

ماذا يعني ذلك

تنقل DeepMind النقاش حول AGI من «لدينا المستوى N» إلى «هذا بالتحديد ما يمكن قياسه به». وهذا ليس جوابًا عن موعد وصول AGI، ولا ضمانًا للتوافق، فمختبرات مختلفة ستفسّر المقاييس بطرق مختلفة. لكنه أول خطوة جدية نحو معايير تقييم مشتركة، مبنية على العلم لا على التسويق.