The Metacognitive Bottleneck: Japanese Riddles Reveal Fundamental Limits of Machine Insight and Self-Evaluation in Reasoning AI

تخيل أنك تحاول تعليم روبوت كيفية حل لغز ما. قد تعتقد أن الجزء الأصعب هو مجرد معرفة الحقائق، مثل حفظ قاموس أو كتاب تاريخ. لكن هناك نوعًا أصعب من التفكير يسمى "الاستنتاج"، حيث يتعين عليك النظر إلى مشكلة ما، وإدراك أن تخمينك الأول خاطئ، ثم فجأة ترى الإجابة بطريقة جديدة تمامًا. الأمر يشبه النظر إلى كومة من قطع الأحجية، والاعتقاد بأنها لا تتناسب مع بعضها، ثم تدرك فجأة أنك كنت تمسك بإحداها مقلوبة. يسمي العلماء هذا "الاستبصار".

الآن، تخيل أنك تريد اختبار ما إذا كان بإمكان الروبوت القيام بذلك. لا يمكنك إعطاؤه اختبارًا في الرياضيات، لأن الروبوتات بارعة في الرياضيات ولكنها قد تكتفي فقط بحفظ الإجابات من تدريباتها. أنت بحاجة إلى اختبار يجبرها على التفكير بإبداع والتحقق من عملها الخاص. هنا يأتي دور مفهوم "ما وراء المعرفة" (Metacognition). فكر في "ما وراء المعرفة" كأنها المشرف الداخلي للروبوت؛ ذلك الجزء من الدماغ الذي يقول: "مهلًا، لقد وجدت الإجابة الصحيحة للتو، لكنني لست متأكدًا مما إذا كان ينبغي لي التوقف هنا أم الاستمرار في البحث". إذا لم يستطع الروبوت الوثوق بمشرفه الداخلي، فقد يجد الحل ولكنه يتحدث ضد نفسه، ويعطي إجابة خاطئة رغم ذلك.

هذا بالضبط ما أراد فريق من الباحثين من اليابان استقصاءه. تساءلوا: هل تصبح نماذج الذكاء الاصطناعي الأكثر ذكاءً لدينا أفضل حقًا في هذا النوع من التفكير الإبداعي، أم أنها فقط تصبح أفضل في تخمين الإجابة الصحيحة لأنها رأت أسئلة مشابهة من قبل؟ ولتحديد ذلك، ابتكروا اختبارًا خاصًا باستخدام الألغاز اليابانية واكتشفوا شيئًا مذهلاً حول طريقة تفكير هذه الآلات.

---

اختبار اللغز: هل يمكن للذكاء الاصطناعي حل "لحظة الـ آه!"؟

قرر الباحثون، بقيادة ماساهارو ميزوموتو وفريقه، استخدام نوع كلاسيكي من ألغاز الأطفال اليابانية يسمى "نازونازو" (nazonazo). هذه ليست ألغازًا عادية مثل "ما الذي له أربعة أرجل وينبح؟". بل هي ألغاز لغوية مخادعة تعتمد غالبًا على التلاعب بالألفاظ، أو تفكيك الحروف، أو رؤية الأرقام بطريقة جديدة. لقد صُممت لتجعل عقلك يصطدم بحائط مسدود، أو "عقبة"، قبل أن تأتي فجأة لحظة "الآه!" (Aha!) حيث تستقر الإجابة في ذهنك.

قام الفريق ببناء معيار جديد يسمى "معيار نازونازو" (NazoNazo Benchmark). لقد جمعوا 201 لغزًا من هذه الألغاز. ولضمان أن يكون الاختبار عادلًا وجديدًا، اختاروا 120 منها للمقارنة مع البشر الحقيقيين. طلبوا من 126 شخصًا حل هذه الألغاز، وحصل البشر على حوالي 52.9% منها بشكل صحيح. وقد أعطى هذا العلماء "حاجزًا بشريًا" لقياس مدى تقدم الروبوتات مقابلهم.

بعد ذلك، أخضعوا 38 نموذجًا لغويًا ضخمًا (وهي عقول الذكاء الاصطناعي المتطورة) تم إصدارها بين عامي 2023 و2025 للاختبار. وتأكدوا من أن نماذج الذكاء الاصطناعي لا يمكنها البحث عن الإجابات على الإنترنت أو استخدام أي مساعدة خارجية؛ بل كان عليها حلها باستخدام ما يوجد داخل "رؤوسها" فقط.

النتائج: الروبوتات لا تزال عالقة في الطين

كانت النتائج صادمة نوعًا ما. فحتى أكثر نماذج "الاستنتاج" تقدمًا، والتي يُفترض أنها الأكثر ذكاءً، لم تحصل إلا على حوالي 17.6% من الألغاز بشكل صحيح. أما النماذج الأبسط فكان أداؤها أسوأ، بنسبة 7.6% فقط.

قارن ذلك بالبشر، الذين كانوا أكثر دقة بأكثر من ثلاث مرات. وبينما عانت معظم النماذج بشكل كبير، برز نموذج واحد كاستثناء ملحوظ: GPT-5. لقد كان النموذج الأعلى أداءً والأحدث إصدارًا في التقييم، وكانت دقة أدائه تقع ضمن نطاق الأداء البشري. ومع ذلك، لاحظ الباحثون أن هذا التداخل لا يثبت أن الذكاء الاصطناعي مكافئ إحصائيًا للبشر، ولكنه يظهر أنه كان النموذج الوحيد الذي اقترب من النطاق البشري. بالنسبة لجميع الآخرين تقريبًا، كان الذكاء الاصطناعي يعاني لصنع تلك القفزة الإبداعية.

لاحظ الباحثون أيضًا شيئًا مثيرًا للاهتمام بخصوص الألغاز نفسها. بالنسبة للبشر، كانت صعوبة الألغاز موزعة بالتساوي، مثل تلة ناعمة (توزيع غاوسي/طبيعي). أما بالنسبة للذكاء الاصطناعي، فقد كانت النتائج منحرفة بشدة نحو القيم المنخفضة جدًا. لقد أخطأ الذكاء الاصطناعي في الألغاز السهلة أو الصعبة، مع وجود عدد قليل جدًا من النماذج التي وصلت لأي مستوى متوسط أو عالٍ. وهذا يشير إلى أن الذكاء الاصطناعي لا "يفكر" حقًا في طريقه؛ بل هو مجرد تخمين.

المشكلة الحقيقية: الروبوت الذي يتحدث ضد نفسه

هذا هو الجزء الأكثر إثارة للاهتمام في القصة. لم يكتفِ الباحثون بالنظر إلى الإجابات النهائية فحسب؛ بل ألقوا نظرة داخل "سجلات التفكير" الخاصة بالذكاء الاصطناعي. وهي الملاحظات الخطوة بخطوة التي يكتبها الذكاء الاصطناعي أثناء تفكيره.

وجدوا نمط فشل محددًا أطلقوا عليه اسم "فشل التحقق" (verification failure).

تخيل أنك تبحث عن مفاتيحك. تنظر تحت الأريكة، وتجدها هناك! تلتقطها. ولكن بعد ذلك، يقول لك صوتك الداخلي: "مهلًا، ربما ليست موجودة حقًا. دعني أتحقق من المطبخ للاحتياط". تذهب إلى المطبخ، تبحث حولك، لا تجد شيئًا، ثم تعود وتقول: "أعتقد أنني لا أملك مفاتيحي".

هذا بالضبط ما كان يفعله الذكاء الاصطناعي. في كثير من الحالات، كان الذكاء الاصطناعي يولد الإجابة الصحيحة في عملية تفكيره. كان يكتب الحل الصحيح. ولكن بدلاً من قول: "حسنًا، هذه هي الإجابة"، كان يستمر في البحث، ويشك في نفسه، وفي النهاية يختار إجابة خاطئة.

حدث هذا في عدد مذهل من الحالات:

• بالنسبة لأحد النماذج، حدث هذا في 39.34% من المرات التي أخطأ فيها في الإجابة.
• وبالنسبة لنموذج آخر، كانت النسبة 30.57%.
• حتى النماذج الأفضل كانت تعاني من هذه المشكلة، بنسب تتراوح بين 5.23% و39.34%.

كان الذكاء الاصطناعي مثل محقق يجد المجرم، ثم يقرر اعتقال الشخص الخطأ لأنه لم يثق في أدلته. يطلق الباحثون على هذا اسم "عنق زجاجة ما وراء المعرفة" (metacognitive bottleneck). يمكن للروبوت أن يجد الحل، لكنه لا يستطيع الوثوق به بما يكفي ليتوقف ويلتزم به.

ماذا يعني هذا للمستقبل؟

تشير الورقة البحثية إلى أن المشكلة لا تكمن فقط في جعل الذكاء الاصطناعي أكثر ذكاءً أو تزويده بمزيد من البيانات. المشكلة هي أن هذه النماذج سيئة في التحقق من عملها الخاص. إنها بارعة في توليد الأفكار ولكنها سيئة جدًا في معرفة متى تتوقف وتقول: "نعم، هذا هو الحل".

كما استبعد الباحثون بعض الأفكار. فقد أظهروا أن الذكاء الاصطناعي لم يكن مجرد يحفظ الألغاز من الإنترنت، لأنه لو كان كذلك لكان قد حصل على درجات أعلى بكثير. ووجدوا أيضًا أن تغيير اللغة التي يفكر بها الذكاء الاصطناعي (اليابانية مقابل الإنجليزية) لم يساعد كثيرًا، مما يثبت أن المشكلة أعمق من مجرد مهارات لغوية.

إذًا، ما هي الخلاصة؟ لقد بنينا آلات يمكنها أحيانًا حل لغز، لكنها تفتقر إلى الثقة للإقرار بأنها حلت اللغز بالفعل. لكي يصبح الذكاء الاصطناعي ذكيًا حقًا، قد نحتاج إلى تعليمه ليس فقط كيفية التفكير، بل كيفية الثقة في أفكاره الخاصة. وحتى ذلك الحين، عندما يتعلق الأمر بالألغاز الصعبة، فمن المرجح أن يتفوق مراهق بشري فضولي على الروبوت.