💬 NLP

The Cognitive Divergence: AI Context Windows, Human Attention Decline, and the Delegation Feedback Loop

تضع هذه الورقة نظرية "التباعد المعرفي"، وهو ديناميكية تعزز نفسها حيث يؤدي النمو الأسي لنوافذ سياق الذكاء الاصطناعي والتراجع المتزامن في الانتباه البشري المستدام إلى خلق فجوة قدرات متسعة، مدفوعة بـ "حلقة تغذية راجعة للتفويض" يتم من خلالها تآكل القدرة المعرفية البشرية بشكل أكبر مع زيادة الاعتماد على الذكاء الاصطناعي.

المؤلفون الأصليون: Netanel Eliav (Machine Human Intelligence Lab)

نُشر 2026-03-31

📖 5 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Netanel Eliav (Machine Human Intelligence Lab)

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

الصورة الكبيرة: سباق حيث يصبح أحد العدائين خارقاً والآخر ينهكه التعب

تخيل سباقاً بين عدائين: الانتباه البشري وذاكرة الذكاء الاصطناعي.

لفترة طويلة، كانا يركضان بسرعات متقاربة نوعاً ما. ولكن مؤخراً، حدث شيء غريب. بدأ عداء الذكاء الاصطناعي يأخذ قفزات عملاقة مدفوعة بالصواريخ، بينما بدأ العداء البشري يتعثر في أربطة حذائه ويتباطأ.

تسمي هذه الورقة البحثية هذه الفجوة المتسعة بـ "التباعد المعرفي" (The Cognitive Divergence). وهي تجادل بأن هذين الاتجاهين لا يحدثان في نفس الوقت فحسب، بل إنهما في الواقع يجعل كل منهما الآخر أسوأ في حلقة مفرغة.

1. العداءان (البيانات)

العداء (أ): الذكاء الاصطناعي (القارئ الخارق)
فكر في "نافذة السياق" للذكاء الاصطناعي كأنها مدى ذاكرته. هي مقدار النص الذي يمكنه استيعابه في رأسه في وقت واحد لفهم قصة أو مستند.

في عام 2017: كان بإمكان الذكاء الاصطناعي استيعاب حوالي 512 كلمة في رأسه (ما يعادل صفحة واحدة تقريباً من النص).
في عام 2026: يمكن للذكاء الاصطناعي استيعاب 2,000,000 كلمة (حوالي 2,000 صفحة، أو مكتبة صغيرة).
الاتجاه: ذاكرة الذكاء الاصطناعي تنمو بشكل أسي. إنها تتضاعف كل 14 شهراً. الأمر يشبه إعطاء الذكاء الاصطناعي دماغاً يستمر في الكبر كل يوم.

العداء (ب): الإنسان (القارئ المشتت)
فكر في "مدى السياق الفعال" للإنسان كأنه مدى انتباهنا. هو مقدار النص الذي يمكننا قراءته وفهمه وتذكره فعلياً في جلسة واحدة دون تشتت.

في عام 2004: كان بإمكان الإنسان التركيز على مستند لمدة 25 دقيقة متواصلة، بالقراءة وإعادة القراءة لفهمه. وهذا يعادل حوالي 16,000 كلمة.
في عام 2026: بسبب الهواتف الذكية، ووسائل التواصل الاجتماعي، والتنبيهات المستمرة، يركز الإنسان الآن على مستند لمدة 5 دقائق فقط قبل أن يشرد ذهنه. وهذا يعادل 1,800 كلمة فقط.
الاتجاه: انتباهنا يتقلص. نحن نصبح أسوأ في القراءة العميقة والاحتفاظ بالأفكار المعقدة في رؤوسنا.

النتيجة:
في عام 2022، لحق الذكاء الاصطناعي أخيراً بالإنسان. ولكن منذ ذلك الحين، انطلق الذكاء الاصطناعي بسرعة فائقة. الآن، يمكن للذكاء الاصطناعي معالجة 1,000 ضعف كمية المعلومات التي يمكن للإنسان التركيز عليها في جلسة واحدة.

2. الفخ: "حلقة تفويض المهام" (The Delegation Feedback Loop)

هذا هو الجزء الأهم في الورقة البحثية. فهو يشرح لماذا هذه الفجوة خطيرة وكيف تزداد سوءاً.

تخيل أن لديك عضلة (قدرة دماغك على التركيز والتفكير بعمق).

القاعدة: العضلات تبقى قوية فقط إذا استخدمتها. إذا توقفت عن استخدامها، ستضعف (الضمور).
الفخ: لأن الذكال الاصطناعي بارع جداً في القراءة والكتابة، نبدأ في الطلب منه القيام بكل شيء، حتى المهام الصغيرة والسهلة.
- الطريقة القديمة: تكتب رسالة بريد إلكتروني قصيرة للاعتذار عن اجتماع. يستغرق الأمر 30 ثانية من التفكير. يحصل دماغك على تمرين بسيط.
- الطريقة الجديدة: تطلب من الذكاء الاصطناعي: "اكتب رسالة بريد إلكتروني من جملتين للاعتذار عن هذا الاجتماع". يقوم بذلك فوراً. تقوم أنت بالنسخ واللصق.

الحلقة:

الذكاء الاصطناعي يصبح أفضل: يمكنه القيام بالمهام الصعبة والسهلة على حد سواء.
نتوقف عن المحاولة: نترك الذكاء الاصطناعي يقوم حتى بالمهام الصغيرة لأنها أسرع.
عضلاتنا تتقلص: لأننا لا نقوم بـ "التمرين" الخاص بالتفكير أو الكتابة أو التركيز، تصبح أدمغتنا أضعف.
نعتمد على الذكاء الاصطناعي أكثر: بما أن أدمغتنا أصبحت أضعف، نشعر بأننا أقل قدرة على القيام بالمهام بمفردنا، لذا نطلب من الذكاء الاصطناعي القيام بالمزيد.

التشبيه:
الأمر يشبه استخدام كرسي متحرك كهربائي للذهاب إلى صندوق البريد.

في البداية، يكون الأمر مريحاً.
لكن إذا استخدمت الكرسي المتحرك في كل رحلة، حتى لو كانت مجرد الذهاب إلى المطبخ، فستختفي عضلات ساقيك في النهاية.
قريباً، لن تتمكن من المشي على الإطلاق، وستصبح معتمداً بنسبة 100% على الكرسي المتحرك.
تحذر الورقة البحثية من أننا نفعل هذا بـ عقولنا. نحن نستعين بمصادر خارجية لأفكارنا حتى ننسى كيف نفكر لأنفسنا.

3. مشكلة "الضياع في المنتصف" (Lost in the Middle)

تشير الورقة أيضاً إلى خلل في الذكاء الاصطناعي. على الرغم من أن الذكاء الاصطناعي لديه ذاكرة هائلة (مليونان من الكلمات)، إلا أنه ليس مثالياً.

الخلل: إذا أعطيت الذكال الاصطناعي مستنداً ضخماً، فإنه يكون بارعاً في تذكر البداية والنهاية، ولكنه غالباً ما ينسى أو يرتبك بشأن المنتصف.
الخطر: نحن نفترض أن الذكاء الاصطناعي يقرأ الكتاب بأكم له بدقة. لكنه قد يفوت أهم التفاصيل في المنتصف. ولأن مدى انتباهنا قصير جداً (5 دقائق)، فلا يمكننا حتى التحقق من عمل الذكاء الاصطناعي لمعرفة ما إذا كان قد ارتكب خطأ. نحن نثق في عقل ضخم "يهلوس" في منتصف القصة، ونحن مشتتون جداً لدرجة تمنعنا من رصد ذلك.

4. لماذا يجب أن نهتم؟ (الأثر في العالم الحقيقي)

تقترح الورقة أن هذا ليس مجرد إحصائية تقنية؛ بل هو أزمة صحة عامة.

التعليم: إذا ترك الطلاب الذكاء الاصطناعي يكتب مقالاتهم، فهم لا يتعلمون كيفية بناء الحجج. إنهم يفقدون "عضلة" التفكير النقدي.
العمل: المحترفون يفقدون مهاراتهم (Deskilled). لا يمكنهم كتابة رسالة بريد إلكتروني بسيطة أو تلخيص تقرير دون مساعدة. إذا تعطل الذكاء الاصطناعي، سيصبحون عاجزين.
الصحة: أدمغتنا تتغير جسدياً. تظهر الدراسات أن الاستخدام المكثف لوسائل التواصل الاجتماعي والذكاء الاصطناعي يؤدي إلى تقلص أجزاء من الدماغ المسؤولة عن التركيز والتحكم في النفس، بشكل مشابه لكيفية تأثير الإدمان على الدماغ.

الخلاصة

الورقة لا تقول "الذكاء الاصطناعي سيء". بل تقول "الذكاء الاصطناعي يغيرنا، ونحن لا نلاحظ ذلك."

نحن نبني عالماً يمكن للآلات فيه استيعاب المكتبة بأكملها في رؤوسها، بينما يكافح البشر للتركيز على صفحة واحدة فقط. إذا استمررنا في ترك الآلات تقوم بكل التفكير، حتى الأشياء الصغيرة، فإننا نخاطر بفقدان القدرة على التفكير لأنفسنا تماماً.

الحل؟
نحن بحاجة لتصميم ذكاء اصطناعي يساعدنا على ممارسة التفكير، وليس فقط القيام بالتفكير نيابة عنا. نحن بحاجة لمعاملة انتباهنا كعضلة: استخدمها، أو ستفقدها.

إليك ملخص تقني مفصل للورقة البحثية المسبقة بعنوان "التباعد المعرفي: نوافذ سياق الذكاء الاصطناعي، وتراجع الانتباه البشري، وحلقة التغذية الراجعة للتفويض" بقلم نتانييل إلياف (MHIL)، مارس 2026.

1. بيان المشكلة

تحدد الورقة بحثاً تباعداً حرجاً وذاتي التعزيز بين اتجاهين متباينين:

التوسع الأسي لسياق الذكاء الاصطناعي: نمت نوافذ السياق لنماذج اللغات الكبيرة (LLMs) من 512 رمزاً (token) في عام 2017 إلى 2,000,000 رمز في عام 2026، مدفوعة بالابتكارات الهيكلية مثل FlashAttention وMixture-of-Experts (MoE).
الانكماش المستمر للانتباه البشري: انخفضت قدرة الانتباه المستدام لدى البشر بشكل ملحوه خلال نفس الفترة، مدفوعة بالتجزئة الرقمية واستهلاك الوسائط قصيرة المدى.

المشكلة الجوهرية هي التباعد المعرفي (Cognitive Divergence): الفجوة الآخذة في الاتساع بين حجم المعلومات التي يمكن للذكاء الاصطناعي معالجتها في تمريرة واحدة، وحجم المعلومات التي يمكن للإنسان استيعابها ودمجها بفعالية في جلسة واحدة. تجادل الورقة بأن هذا ليس مجرد فجوة ثابتة، بل هو نظام ديناميكي حيث تؤدي قدرة الذكاء الاصطناعي إلى خفض عتبة التفويض البشري، مما يؤدي إلى الضمور المعرفي (حلقة التغذية الراجعة للتفويض).

2. المنهجية

تستخدم الدراسة نهجاً متعدد التخصصات يجمع بين النمذجة الكمية، وتوليف الأدبيات، والمراجعة البيولوجية العصبية:

اشتقاق نطاق السياق الفعال (ECS): لمقارنة القدرات البشرية وقدرات الذكاء الاصطناعي على مقياس مشترك (الرموز/tokens)، اشتق المؤلف مقياساً يسمى ECS.
- المعادلة: $ECS(t) = S(t) \times R_{tok} \times CSF(t)$
- $S(t)$ : مدة القراءة في الجلسة (الوقت النشط التراكمي في مهمة ما).
- $R_{tok}$ : معدل القراءة محولاً إلى رموز (حوالي 5.28 رمز/ثانية بناءً على 238 كلمة في الدقيقة).
- $CSF(t)$ : عامل قياس الاستيعاب (يأخذ في الاعتبار إعادة الفحص والمعالجة العميقة، وقد انخفض من 2.0 في عام 2004 إلى 1.2 في عام 2026).
- مصادر البيانات: بيانات التركيز على الشاشة الطولية من Mark et al. (2003–2020)، والتحليل التلوي لمعدل القراءة من Brysbaert (2019)، والاستقراءات السلوكية لعام 2026.
نمذجة نمو الذكاء الاصطناعي: تم استخدام نموذج نمو أسي ( $C_{AI}(t) = C_0 \cdot e^{\lambda t}$ ) ليتناسب مع بيانات نافذة السياق التاريخية (2017–2026).
تعديل الجودة: تأخذ التحليلات في الاعتبار "تعفن السياق" (ظاهرة "الضياع في المنتصف" - Lost-in-the-Middle)، مما يقلل من نافذة السياق الفعالة للذكاء الاصطناعي إلى النطاق الذي تظل فيه دقة الاسترجاع عالية (100 ألف إلى 200 ألف رمز) بدلاً من الحد الأقصى الهيكلي الخام (2 مليون رمز).
التوليف البيولوجي العصبي: مراجعة لثماني دراسات مراجعة من قبل الأقران في مجال التصوير العصبي (fMRI، EEG، PET) تربط استخدام المنصات الرقمية بالتغيرات الهيكلية والوظيفية في القشرة الجبهية والدوائر المكافئة للدوبامين.
تحليل الحساسية: تم اختبار النموذج مقابل ستة سيناريوهات (تتفاوت فيها قيم CSF ومدة الجلسة) لضمان ثبات استنتاج التباعد تحت افتراضات المعلمات المختلفة.

3. المساهمات الرئيسية

بناء مفهوم نطاق السياق الفعال (ECS): مقياس مبتكر مكافئ للرموز للقدرة المعرفية البشرية، مما يسمح بالمقارنة المباشرة مع نوافذ سياق الذكاء الاصطناعي.
تكميم التباعد: توصيف إحصائي يظهر أن نقطة التقاطع حدثت حوالي نوفمبر 2022 (إطلاق ChatGPT).
- النسبة الخام (2026): سياق الذكاء الاصطناعي (2 مليون رمز) أكبر بمقدار 1,111 ضعفاً من الـ ECS البشري (~1,800 رمز).
- النسبة المعدلة بالجودة (2026): حتى مع مراعاة تدهور الاسترجاع، فإن سياق الذكاء الاصطناعي الفعال أكبر بمقدار 56 إلى 111 ضعفاً من القدرة البشرية.
فرضية حلقة التغذية الراجعة للتفويض: نموذج نظري يقترح دورة تعزيز ذاتي:
- نمو قدرة الذكاء الاصطناعي $\leftarrow$ انخفاض عتبة التفويض البشري (إسناد المهام الأسهل).
- الإسناء لما دون القدرة $\leftarrow$ تقليل الممارسة المعرفية (فقدان "الحمل التعليمي" - germane load).
- تقليل الممارسة $\leftarrow$ الضمور المعرفي (تراجع الانتباه والتركيب).
- الضمور $\leftarrow$ مزيد من خفض عتبة التفويض.
الآليات البيولوجية العصبية: توليف للأدلة التي تظهر أن انكماش الانتباه مرتبط بانخفاض تنشيط القشرة الجبهية الظهرية الجانبية (dlPFC)، وتغير دوائر مكافأة الدوبامين، والتغيرات الهيكلية في المادة الرمادية، والتي تتفاقم بسبب مقاطع الفيديو قصيرة المدى وجداول التعزيز ذات النسبة المتغيرة.

4. النتائج الرئيسية

معدلات النمو: تنمو نوافذ سياق الذكاء الاصطناعي بمعدل ( $\lambda \approx 0.59$ سنة $^{-1}$ ) مع زمن تضاعف يصل إلى ~14 شهراً، وهو ما يتجاوز قانون مور بشكل كبير. أما الـ ECS البشري فهو ينخفض خطياً بمعدل ~1,300 رمز/سنة (2017–2026).
نقطة التقاطع: في عام 2017، كان سياق الذكاء الاصطناعي (512 رمزاً) يمثل فقط ~~4% من الـ ECS البشري (~~13,500 رمز). وبحلول عام 2022، وصلا إلى التكافؤ. وبحلول عام 2026، أصبحت الفجوة أكبر بعدة مراتب.
تحول عتبة التفويض: تظهر البيانات التجريبية (Microsoft/LinkedIn، Anthropic Economic Index) أن استخدام الذك الذكاء الاصطناعي قد انتقل من المهام المعقدة (كتابة المقالات، البرمجة) إلى المهام التافهة (الرد على رسائل البريد الإلكتروني المكونة من جملتين)، مما يشير إلى أن عتبة التفويض قد انخفضت إلى ما دون مستوى الضرورة المعرفية الحقيقية.
أدلة الضمور المعرفي: تشير الدراسات (Gerlich 2025؛ Kim et al. 2026؛ Kosmyna et al. 2025) إلى أن الاعتماد الكثيف على الذكاء الاصطناعي يرتبط بانخفاض التفكير النقدي، و"الكسل المعرفي"، وانخفاضات قابلة للقياس في المشاركة العصبية أثناء مهام الكتابة ("الدين المعرفي").
الاستقرار: التباعد قوي عبر تحليلات الحساسية. حتى بافتراض "ثبات CSF" (عدم انخفاض كفاءة الاستيعاب)، تظل النسبة >600 ضعف بسبب انهيار مدة الجلسة وحدها.

5. الأهمية والآثار المترتبة

اللاتماثل المعرفي (Epistemic Asymmetry): تخلق هذه الفجوة وضعاً يعالج فيه الذكاء الاصطناعي نطاقات سياقية لا يستطيع البشر التحقق منها. وتنهار سير عمل "المراجعة والتحقق" القياسية، مما يستلزم تصميمات واجهات جديدة (مثل التلخيص الهرمي، وتحديد عدم اليقين على مستوى الادعاء).
المخاطر التعليمية: في التعليم، تعمل أدوات الذكاء الاصطناعي التي تحل محل الجهد التركيبي على منع "الحمل التعليمي" الضروري لتشكيل المخططات الذهنية (schema formation)، مما يؤدي إلى فقدان المهارات.
الصحة العامة: تصنف الورقة التراجع في الانتباه كأزمة صحة عامة معرفية، مدفوعة بالتفاعل بين تصميم المنصات (الدوائر الدوبامينية) وإسناد المهام للذكاء الاصطناعي.
أجندة البحث: تدعو الورقة إلى:
1. تطوير أداة قياس نفسي موثقة لـ ECS.
2. إجراء دراسات طولية لتتبع استخدام الذكاء الاصطناعي والقدرة المعرفية على مدار 3-5 سنوات.
3. إجراء تجارب تصميم الواجهات لاختبار ما إذا كان "التدرج" (Scaffolding) بدلاً من "الاستبدال" يحافظ على القدرة المعرفية.

الخاتمة

تخلص الورقة إلى أن التباعد المعرفي هو ديناميكية هيكلية ذاتية التعزيز. وبينما تعد الفجوة الثابتة مثيرة للقلق، فإن حلقة التغذية الراجعة للتفويض تشكل خطراً أكبر على المدى الطويل: فبينما يفوض البشر المهام التافهة بشكل متزايد للذكاء الاصطناعي، تضمر العضلات المعرفية المطلة للانتباه المستدام والتركيب، مما يزيد من اتساع الفجوة. وتجادل المؤلفة بأنه بدون تدخل في تصميم الواجهات والممارسة التعليمية، ستؤدي هذه الحلقة إلى ترسيخ مجتمع ذي قدرة معرفية متراجعة مقارنة بالأدوات التي يستخدمها.