← أحدث الأبحاث
🤖 AI

On Benchmarking Human-Like Intelligence in Machines

تجادل هذه الورقة بأن نماذج تقييم الذكاء الاصطناعي الحالية تفشل في قياس القدرات المعرفية الشبيهة بالبشر بدقة بسبب مشكلات مثل الملصقات غير الموثقة والمهام غير الصالحة بيئيًا، وتقترح خمس توصيات ملموسة لإجراء تقييم معياري أكثر صرامة بناءً على دراسة تقييم بشري لتسعة معايير قائمة.

المؤلفون الأصليون: Lance Ying, Katherine M. Collins, Lionel Wong, Ilia Sucholutsky, Ryan Liu, Adrian Weller, Tianmin Shu, Thomas L. Griffiths, Joshua B. Tenenbaum

نُشر 2026-08-13
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Lance Ying, Katherine M. Collins, Lionel Wong, Ilia Sucholutsky, Ryan Liu, Adrian Weller, Tianmin Shu, Thomas L. Griffiths, Joshua B. Tenenbaum

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تحاول تعليم روبوت كيف يكون إنساناً. أنت لا تريد فقط أن يكون فائق الذكاء في الرياضيات أو قادراً على التنبؤ بالطقس؛ بل تريد منه أن يفكر، ويشعر، ويتفاعل بالطريقة التي تفعلها أنت. هذا هو عالم "الذكاء الشبيه بالبشر". لعقود من الزمن، كان العلماء يبنون هذه العقول الرقمية، آملين في إنشاء آلات لا تكتفي بحل المشكلات فحسب، بل تفهم الطريقة الفوضوية والمربكة والمتناقضة أحياناً التي يتعامل بها البشر مع العالم. لكن الجزء الصعب هنا هو: كيف تعرف ما إذا كان الروبوت يتصرف حقاً كإنسان، أم أنه مجرد ممثل بارع يتظاهر بذلك؟ لمعرفة ذلك، عادة ما يخضع الروبوت لاختبار. ولكن ماذا لو كان الاختبار نفسه معيباً؟ ماذا لو كان الاختبار يتوقع من الروبوت تقديم إجابة واحدة مثالية، في حين أن البشر الحقيقيين قد يقدمون في الواقع عشرات الإجابات المختلفة وغير الواثقة تماماً؟ تغوص هذه الورقة البحثية في هذه المشكلة تحديداً، وتجادل بأن طريقتنا الحالية في اختبار الذكاء الاصطناعي تشبه الحكم على ارتجال موسيقي من الجاز عبر مطالبة الموسيقي بعزف نوتة واحدة مثالية.

يرى مؤلفو هذه الورقة، وهم فريق من الباحثين من جامعات مرموقة، أننا نفشل حالياً في قياس الذكاء "الشبيه بالبشر" بشكل صحيح. ويقترحون أن العديد من اختبارات الذكاء الاصطناعي الشائعة بسيطة للغاية وتعتمد على تسميات "الحقيقة المطلقة" التي لا تتوافق في الواقع مع طريقة تفكير البشر الحقيقيين. ولإثبات وجهة نظرهم، أجروا تجربة ضخمة حيث طلبوا من 117 إنساناً حقيقياً خوض تسعة اختبارات مختلفة للذكاء الاصطناعي. غطت هذه الاختبارات أموراً مثل رصد السخرية، أو تحديد ما إذا كانت النكتة مضحكة، أو معرفة ما إذا كان الموقف الاجتماعي داعماً. وبدلاً من مجرد اختيار "أ، ب، أو ج"، استخدم البشر أشرطة تمرير (sliders) لإظهار مدى قوة شعورهم تجاه إجابة ما ومدى ثقتهم في هذا الشعور.

كانت النتائج مذهلة. تشير الورقة إلى أنه بالنسبة للعديد من هذه الاختبارات، كانت الإجابة "الصحيحة" التي تدرب عليها الذكاء الاصطناعي خاطئة في الواقع مقارنة بما يعتقده معظم البشر. فعلى سبيل المثال، في مهمة تتعلق بـ "الدعم الاجتماعي"، ذكر الاختبار أن جملة معينة كانت "غير داعمة"، بينما صنفها البشر بأنها داعمة بدرجة متوسطة في المتوسط. والأمر الأكثر إثارة للاهتمام هو أن البشر لم يختلفوا مع الاختبار فحسب، بل اختلفوا مع بعضهم البعض بطريقة منظمة. فبعض الناس كانوا واثقين جداً من إجاباتهم، بينما كان آخرون غير متأكدين، وتنوعت آراؤهم عبر طيف واسع. وتجد الورقة أن معايير قياس الذكاء الاصطناعي الحالية غالباً ما تتجاهل هذه "الفوضى"؛ فهي تعامل الحكم البشري كمسألة رياضية لها إجابة واحدة صحيحة، بينما هو في الواقع أشبه بمحادثة حيث يمتلك كل شخص منظوراً مختلفاً قليلاً.

يقترح المؤلفون خمس قواعد جديدة لبناء اختبارات أفضل. أولاً، علينا التوقف عن التخمين فيما يفكر فيه البشر والبدء في سؤالهم فعلياً، وجمع بيانات حقيقية من الناس لاستخدامها كـ "معيار ذهبي". ثانياً، بدلاً من البحث عن إجابة واحدة صحيحة، يجب أن نقارن الذكاء الاصطناعي بـ "توزيع" الإجابات البشرية بأكمله—أي معرفة ما إذا كان بإمكان الذكاء الاصطناعي استيعاب حقيقة أن بعض الناس يفكرون بطريقة ما والبعض الآخر يفكر بطريقة أخرى. ثالثاً، نحتاج إلى قياس "التدرج"؛ فالبشر نادراً ما يشعرون بيقين بنسبة 100% أو عدم يقين بنسبة 0%، بل يشعرون بـ "نعم إلى حد ما" أو "لا قليلاً". تقترح الورقة استخدام أشرطة التمرير وتقييمات الثقة لالتقاط هذا التباين، بدلاً من إجبارهم على اختيار بسيط بين نعم أو لا. رابعاً، يجب أن تستند الاختبارات إلى نظريات نفسية عميقة، وليس مجرد أسئلة عشوائية. فمجرد اجتياز طفل لاختبار "الاعتقاد الخاطئ" لا يعني أن الروبوت الذي يجتاز الاختبار لديه "نظرية العقل" حقيقية؛ إذ يجب تصميم الاختبار لقياس الأجزاء المعقدة من تلك المهارة فعلياً. وأخيراً، يجب أن تكون المهام نفسها أكثر شبهاً بالحياة الواقعية. الحياة الواقعية غامضة، ومربكة، ومليئة بالسياقات. فإذا كان الاختبار نظيفاً وبسيطاً للغاية، فهو لا يخبرنا ما إذا كان بإمكان الذكاء الاصطناعي التعامل مع العالم الحقيقي.

باختصار، تقترح الورقة أنه لبناء ذكاء اصطناعي يفكر مثلنا حقاً، علينا التوقف عن معاملة الذكاء البشري كاختبار متعدد الخيارات. نحن بحاجة إلى احتضان عدم اليقين، والاختلاف، والمناطق الرمادية. ومن خلال تصميم اختبارات تعكس الطبيعة الغنية والمتنوعة والمربكة أحياناً للفكر البشري، يمكننا أخيراً البدء في بناء آلات لا تبدو ذكية فحسب، بل تشعر حقاً بأنها بشرية.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 🤖 cs.AI →