اقترحت Google DeepMind إطارًا معرفيًا لقياس التقدم نحو AGI

قدّمت Google DeepMind إطار عمل معرفي لقياس التقدم نحو الذكاء العام (AGI) ليس من خلال معايير فردية، بل من خلال مجموعة من القدرات المعرفية. جنباً إلى جنب مع ذلك، أطلقت الشركة مسابقة هاكاثون على Kaggle لمساعدة الباحثين على تطوير اختبارات عملية لنظام تقييم كهذا.

لماذا يكون الإطار ضروريّاً

تنطلق Google DeepMind من مشكلة بسيطة: تقريباً جميع المختبرات الكبرى تتحدث عن الذكاء العام، لكن لا توجد حتى الآن طريقة مقبولة عموماً لقياس مدى اقتراب الأنظمة منه. الاختبارات الفردية في الرياضيات أو البرمجة أو توليد النصوص تُظهر فقط أجزاء من الصورة الكاملة. إذا كان الهدف هو فهم المستوى العام للذكاء في النموذج، فيجب أن تكون عملية القياس أوسع من مجموعة واحدة من المهام أو سيناريو عرضي واحد ناجح.

في عمل جديد بعنوان Measuring Progress Toward AGI: A Cognitive Taxonomy، تقترح الفريق الاعتماد على العلوم المعرفية وعلم النفس وعلم الأعصاب. المنطق هو: إذا كان الذكاء العام مفهوماً كذكاء عام كافٍ، فيجب تقييمه من خلال الوظائف المعرفية الأساسية، وليس فقط من خلال المهارات التطبيقية. هذا ليس مقياساً جاهزاً "ذكاء عام أم لا"، بل هو إطار عمل علمي يمكن تطبيقه على اختبارات محددة.

«العلوم المعرفية جزء مهم من الحل»، كما يكتب المؤلفون.

مما يتكون النهج

في قلب الإطار عشر قدرات يعتبرها فريق DeepMind مهمة للذكاء العام لأنظمة الذكاء الاصطناعي. تشمل القائمة الإدراك والتوليد والانتباه والتعلم والذاكرة والاستدلال والميتامعرفية والوظائف التنفيذية وحل المشاكل والإدراك الاجتماعي. هذه المجموعة مهمة لأنها تغطي ليس فقط نقاط القوة المعروفة في النماذج الحديثة، مثل توليد النصوص أو السلاسل المنطقية، بل أيضاً أشياء أكثر تعقيداً—على سبيل المثال، القدرة على تتبع أخطائها الخاصة والتبديل بمرونة بين الأهداف والعمل بشكل صحيح مع السياق الاجتماعي.

لتحويل هذه التصنيفات إلى أداة قابلة للقياس، تقترح DeepMind بروتوكولاً من ثلاث خطوات. أولاً، يجب تشغيل أنظمة الذكاء الاصطناعي من خلال مجموعة واسعة من المهام المعرفية لكل قدرة، مع استخدام مجموعات اختبار محجوزة لتقليل خطر تلوث البيانات. ثانياً، لنفس المهام، يتم جمع مستوى أساسي بشري من عينة ممثلة ديموغرافياً من البالغين.

بعد ذلك، تتم مقارنة نتائج النماذج ليس مقابل "درجة اجتياز" مجردة، بل مقابل توزيع النتائج البشرية لكل قدرة. الفكرة هنا هي أن المقارنة مع البشر يجب أن تكون تجريبية دقيقة وليس شعاراً عاماً. قد يكون النموذج قوياً جداً في الاستدلال والذاكرة، لكنه أضعف بشكل ملحوظ في تعلم التعليمات الجديدة أو في التفسير الاجتماعي.

في هذه الحالة، يصبح الحوار حول التقدم نحو الذكاء العام أكثر موضوعية: يظهر ليس فقط حيث يثير النظام الإعجاب، بل أيضاً أين بالضبط لديه فجوات هيكلية.

مسابقة Kaggle الهاكاثون

لا تقتصر DeepMind على نشر واحد فقط. بالتعاون مع Kaggle، أطلقت الشركة مسابقة هاكاثون بعنوان Measuring progress toward AGI: Cognitive abilities لمساعدة المجتمع على بناء التقييمات المفقودة عملياً. يُدعى المشاركون إلى استخدام منصة Kaggle الجديدة Community Benchmarks واختبار أفكارهم على مجموعة من النماذج الرائدة. التركيز على المناطق التي يكون فيها الفجوة في التقييمات ملحوظة حالياً.

• التعلم
• الميتامعرفية
• الانتباه
• الوظائف التنفيذية
• الإدراك الاجتماعي

صندوق الجوائز يبلغ $200.000. وفقاً لقواعد DeepMind، ستحصل أفضل عملين في كل من المسارات الخمسة على $10.000 لكل منهما، وستحصل أربعة طلبات قوية إضافية بغض النظر عن المسار على $25.000 لكل منهما. تفتح الطلبات من 17 مارس 2026 إلى 16 أبريل 2026، وتعد الشركة بالإعلان عن النتائج في 1 يونيو 2026. هذه تفصيلة مهمة: DeepMind لا تنشر الإطار كنظرية فقط، بل تحاول بسرعة بناء نظام بيئي من الفحوصات والتجارب الخارجية حوله.

ماذا يعني هذا

تقترح Google DeepMind النظر إلى التقدم في الذكاء الاصطناعي ليس كسباق للأرقام القياسية الفردية، بل كمقارنة منهجية للملفات الشخصية المعرفية للنماذج مع المستوى البشري. إذا نجح هذا النهج، سيكون لدى الصناعة لغة أوضح للحديث عن «الاقتراب من الذكاء العام»—مع توزيع حسب القدرات والفجوات المفهومة والاختبارات القابلة للتكرار، بدلاً من مجرد إعلانات صاخبة حول الاختراق التالي.