From Computation to Cognition Assessing the Integration Gap Between Artificial Intelligence and Human Cognition
تجادل هذه المراجعة بأنه في حين تُظهر أنظمة الذكاء الاصطناعي الحالية أداءً وظيفيًا وسلوكيًا قويًا في المهام، إلا أنها تفتقر إلى التكامل الآلي للذاكرة، والتعلم، والحساسية للسياق، واتخاذ القرار، والتجسد المطلوب للإدراك البشري الحقيقي، وتقترح أجندة بحثية ذات معايير قابلة للقياس لسد هذه الفجوة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://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 عالماً تستطيع فيه الآلات القيام بأشياء كنا نظن ذات يوم أنها حكر على البشر. يمكنها التعرف على وجه في وسط حشد، أو ترجمة لغة أجنبية في لحظة، أو كتابة قصيدة تحرك مشاعرنا حتى البكاء. لعقود من الزمن، بنى العلماء حواسيب تتبع قواعد صارمة، ولكن في السنوات العشر الماضية، ظهر نوع جديد من الآلات. هذه الأنظمة، التي تُسمى غالباً نماذج اللغات الكبيرة، تتعلم من كميات هائلة من النصوص والبيانات لتتوقع ما سيأتي لاحقاً، سواء كان الكلمة التالية في جملة أو الخطوة التالية في خطة ما. إنها بارعة للغاية في أداء مهام محددة، وغالباً ما تضاهي أو حتى تتفوق على الخبراء البشر في مجالات ضيقة مثل التشخيص الطبي أو التنبؤ المالي. لكن سؤالاً أعمق بدأ يؤرق الباحثين في علوم الحاسوب وعلم النفس وعلم الأعصاب: لمجرد أن الآلة تستطيع تقديم الإجابة الصحيحة، هل تفهم العالم حقاً كما نفعل نحن؟
هذا السؤال لا يتعلق بما إذا كان بإمكان الروبوت حل مسألة رياضية بشكل أسرع من الإنسان. بل يتعلق بما إذا كان ذلك الروبوت يمتلك عقلاً موحداً. إن التفكير البشري ليس مجموعة من الحيل المنفصلة؛ بل هو تدفق سلس حيث تعمل الذاكرة والتعلم والسياق واتخاذ القرار معاً باستمرار. نحن نتذكر حدثاً ماضياً، ونستخدم تلك الذكرى لفهم موقف جديد، ونعدل سلوكنا بناءً على ما نشعر به وما يحدث حولنا. كل هذا يحدث في نظام واحد مستمر يتغير وينمو مع كل تجربة. السؤال الكبير هو ما إذا كانت ابتكاراتنا الاصطناعية بدأت في بناء هذا النوع نفسه من العقل المتكامل، أم أنها مجرد تحاكي سطح الذكاء البشري دون امتلاك الآلية الكامنة وراءه.
تتناول مراجعة حديثة أجراها محمد سهبان من جامعة تاسمانيا هذا الموضوع بنظرة فاحصة وحازمة. فبدلاً من التساؤل عما إذا كانت الآلات "ذكية" بمعناها الغامض، قامت الدراسة بتفكيك المشكلة إلى ثلاثة مستويات متميزة. المستوى الأول هو المحاكاة الوظيفية، والتي تسأل ببساطة عما إذا كانت الآلة تستطيع القيام بنفس وظيفة الإنسان. والثاني هو المحاكاة السلوكية، والتي تسأل عما إذا كانت الآلة تتصرف كالإنسان ليس فقط في المتوسط، بل في المواقف الصعبة حيث قد يتعثر البشر أو يغيرون آراءهم. والمستوى الثالث والأكثر صعوبة هو المحاكاة الميكانيكية، والتي تسأل عما إذا كانت الآلة تستخدم نفس العمليات الداخلية التي تستخدمها أدمغتنا. وتجد الدراسة أنه بينما تبرع الآلات في المستويين الأول والثاني، إلا أنها لا تزال بعيدة جداً عن المستوى الثالث.
فحص الباحثون مجموعة واسعة من أنظمة الذكاء الاصطناعي الحديثة، بدءاً من نماذج توليد النصوص التي نستخدمها يومياً وصولاً إلى الروبوتات التي يمكنها الرؤية والتحرك في العالم المادي. لقد نظروا في كيفية تعامل هذه الأنظمة مع الذاكرة والتعلم والسياق واتخاذ القرار وحتى العاطفة. وتظهر الأدلة أن الآلات يمكنها بالتأكيد أداء مهام تتطلب الذاكرة؛ فعلى سبيل المثال، يمكن للنظام البحث عن معلومات في قاعدة بيانات واستخدامها للإجابة على سؤال ما. وهذا يمثل مطابقة وظيفية للذاكرة البشرية. ومع ذلك، فإن الطريقة التي تقوم بها الآلة بذلك تختلف جوهرياً عن كيفية عمل الدماغ البشري. فالدماغ البشري لا يخزن الحقائق في خزانة ملفات منفصلة ثم يذهب للبحث عنها، بل إن ذكرياتنا منسوجة في صميم تفكيرنا؛ فهي أنماط من الروابط التي تتغير وتتقوى مع مرور الوقت ونحن نتعلم. وعندما تسترجع الآلة المعلومات، فإنها عادة ما تقوم بعملية بحث هندسية منفصلة تم إلحاقها بـ "دماغها" الرئيسي، بدلاً من أن تكون الذاكرة جزءاً أصيلاً من طريقة تفكيرها.
وتتسع هذه الفجوة أكثر عند النظر في التعلم. نحن البشر نتعلم باستمرار؛ يمكننا سماع حقيقة جديدة اليوم واستخدامها غداً دون الحاجة إلى التوقف لإعادة برمجة أدمغتنا بالكامل. ويمكننا أيضاً التعلم من الأخطاء دون مسح كل ما عرفناه سابقاً. أما أنظمة الذكاء الاصطناعي الحالية فتجد صعوبة في ذلك. فعندما تتعلم شيئاً جديداً، غالباً ما تنسى ما عرفته سابقاً، وهي مشكلة يسميها العلماء "النسيان الكارثي". وقد بنى المهندسون "رقعات" لإصلاح ذلك، مثل تقنيات خاصة تحمي المعلومات القديمة أثناء إضافة بيانات جديدة، لكن هذه حلول خارجية. وهي ليست مثل الطريقة الطبيعية المرنة التي تتغير بها الخلايا العصبية البشرية وتتكيف طوال العمر. فالآلة لا تتعلم بنفس طريقة الإنسان؛ بل يتم إصلاحها لتجنب نمط فشل معين.
كما بحثت الدراسة في كيفية تعامل هذه الأنظمة مع السياق واتخاذ القرار. البشر حساسون للغاية للموقف الذي يتواجدون فيه؛ فنحن نعلم أن الكلمة قد تعني شيئاً في دعابة، وشيئاً مختلفاً تماماً في جدال جاد. نحن نتخذ القرارات بناءً على أهدافنا وعواطفنا وتجاربنا الماضية، وغالباً ما نستخدم طرقاً مختصرة ليست منطقية تماماً ولكنها تعمل جيداً في العالم الحقيقي. أما الأنظمة الاصطناعية فيمكنها أن تكون جيدة جداً في اتخاذ القرارات عندما تكون القواعد واضحة والهدف محدداً، ولكن عندما يكون الموقف غامضاً، أو عندما يتغير صياغة السؤال قليلاً، فإن هذه الأنظمة غالباً ما تتعثر. فهي تميل إلى التركيز على الشكل السطحي للكلمات بدلاً من المعنى العميق، مما يظهر أنها لا تدرك السياق حق الإدراك كما يفعل البشر. ويمكنها أن تكون واثقة وفصيحة حتى عندما تكون مخطئة، حيث تولد معلومات مغلوطة بنفس نبرة المعلومة الصحيحة.
ولعل النتيجة الأكثر أهمية لهذه المراجعة هي أن هذه المشكلات ليست مجرد أعطال معزولة، بل تشير إلى قطعة مفقودة في التصميم الكامل للذكاء الاصطناعي الحالي. فالأنظمة التي نمتلكها اليوم مبنية من أجزاء منفصلة؛ جزء يتعامل مع اللغة، وآخر مع الذاكرة، وآخر مع اتخاذ القرار. هذه الأجزاء يربطها المهندسون، لكنها لا تتواصل مع بعضها البعض بشكل طبيعي ولا تتكيف معاً كوحدة واحدة. وتجادل الدراسة بأننا لم نبتكر بعد نظاماً تكون فيه الذاكرة والتعلم واتخاذ القرار مدمجة في كلٍ واحد مستمر وذاتي التعديل. يمكن للآلة أن تؤدي المهمة، لكنها لا تملك العقل الموحد الذي يسمح للإنسان بالتنقل في العالم بمرونة وفهم.
ويؤكد الباحثون بحذر أن هذا لا يعني أن الآلات لا يمكنها أبداً تحقيق هذا النوع من الذكاء، بل يعني فقط أن الأدلة التي لدينا حالياً لا تظهر ذلك. إن النهج الحالي المتمثل في جعل النماذج أكبر وتدريبها على المزيد من البيانات لم يحل المشكلة. بل في الواقع، مع زيادة حجم هذه النماذج، يبدو أن بعض الفجوات، مثل صعوبة تذكر المعلومات القديمة أثناء تعلم أشياء جديدة، تصبح أكثر إلحاحاً. وتقترح الدراسة أن مجرد توسيع نطاق ما لدينا الآن ليس كافياً. ولتجسير هذه الفجوة، قد نحتاج إلى إعادة التفكير في بنية هذه الأنظمة، ربما من خلال إيجاد طرق لجعل الذاكرة والتعلم جزءاً أصيلاً من الآلة بدلاً من كونهما أدوات مضافة إليها.
يقدم هذا العمل خارطة طريق واضحة لمكاننا الحالي. فهو يوضح أنه بينما بنينا آلات يمكنها محاكاة السلوك البشري بطرق مبهرة في كثير من الأحيان، إلا أننا لم نبنِ بعد آلة تفكر مثل الإنسان. والفرق لا يكمن فقط في الوصول إلى الإجابة الصحيحة، بل في كيفية الوصول إليها. وإلى أن نتمكن من إنشاء نظام تُنسج فيه التعلم والذاكرة والعمل في نسيج واحد متكيف، ستظل ابتكاراتنا الاصطناعية أدوات قوية تحاكي الذكاء، بدلاً من أن تكون أمثلة حقيقية عليه. إن الطريق إلى الأمام يتطلب أكثر من مجرد حواسيب أكبر؛ إنه يتطلب فهماً أعمق لكيفية بناء عقل يمكنه حقاً دمج العالم الذي يختبره.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.