الفصل الثالث: تحسين المؤشرات
إعداد: Sam Mitchell و Stuart Elliott و Abel Baret، منظمة التعاون الاقتصادي والتنمية.
تقدم المؤشرات التجريبية لقدرات الذكاء الاصطناعي الواردة في هذا المجلد رؤى قيّمة حول ما تستطيع أنظمة الذكاء الاصطناعي فعله وما لا تستطيعه. غير أنها، كأي إطار في مراحله المبكرة، تنطوي على حدود تستدعي دراسة متأنية وتحسيناً مستقبلياً. ويستكشف هذا الفصل بنية مقاييس القدرات، بما في ذلك الحاجة المحتملة إلى صفات خارقة للقدرة البشرية، ومقارنة أكثر اتساقاً بالبشر عبر المقاييس، ومقارنات إضافية بين أنظمة الذكاء الاصطناعي متعددة الوكلاء والذكاء الجماعي البشري، وقيمة التداخل بين المقاييس وتكامل القدرات الذي يعكسه. ويقترح الفصل في الختام خارطة طريق لتحسين المؤشرات وتحديثها بما يواكب مشهد الذكاء الاصطناعي المتسارع التقدم.
معالجة الحدود الحالية للمقاييس
تعكس المجموعة الأولية من مؤشرات قدرات الذكاء الاصطناعي قرارات تتعلق بالقدرات المشمولة وبنية المقاييس، وتشير هذه الحدود إلى سبل يمكن من خلالها توسيع المؤشرات التجريبية أو تحسينها.
ضمان التغطية الكاملة لقدرات الذكاء الاصطناعي
كما ذُكر في الفصل الثاني، اتُّخذت قرارات عملية بشأن القدرات المشمولة لبناء مجموعة أولية تكون شاملة على نحو تقريبي. وقد أثار العمل الجاري ومراجعات الأقران عدة أسئلة حول ما إذا كان ينبغي توسيع مجموعة القدرات:
بدأت عملية بناء مقاييس الذكاء الاصطناعي بتوزيع الخبراء على أربع مجموعات مجالية، هي اللغة والاستدلال والقدرات الحسية الحركية والقدرات الاجتماعية، لتحديد القدرات التي سيعملون عليها. واستُلهمت هذه المجالات من فئات علم النفس المعرفي البشري، بهدف تكوين مجموعات خبراء منفصلة تنظر في المقاييس التي يمكن أن تكون مفيدة في وصف تقدم الذكاء الاصطناعي والتحديات المتبقية أمامه. ورأى الخبراء في مجالي الاستدلال والقدرات الحسية الحركية أن من المناسب إضافة مقاييس أخرى، مما أفضى إلى إنشاء مجموعة المؤشرات العشرة الواردة في هذا التقرير. واقترح بعضهم، ومنهم عدد من المراجعين، مراجعة المجالات، متسائلين عما إذا كان من الممكن استخدامها للإبلاغ عن نتائج مجمعة عبر مقاييس متعددة. فهل ثمة أسباب مقنعة لإضافة مجالات إلى مؤشرات قدرات الذكاء الاصطناعي تتيح تجميع المقاييس المتعددة المتعلقة بقدرات الاستدلال والقدرات الحسية الحركية؟
وبالنظر إلى الخبرات المتاحة في المجموعة وهدف بناء عدد صغير نسبياً من المؤشرات، أُغفلت عدة قدرات واضحة، إذ أُدرجت الرؤية بوصفها الشكل الوحيد للإدراك الحسي، والمناولة بوصفها الشكل الوحيد للتحكم الحركي. فهل تمثل هاتان القدرتان بديلين كافيين عن القدرات الحسية الحركية المغفلة؟ وهل ينبغي إضافة مؤشرات منفصلة للحواس الأخرى ولأشكال التحكم الحركي الأخرى؟
وقد تستحق بعض المجالات مقياساً خاصاً لإبراز قضايا بعينها. فهل ينبغي أن يكون هناك مقياس للاستدلال منفصل عن حل المشكلات؟ وهل ينبغي أن يكون هناك مقياس لاتخاذ القرار منفصل عن حل المشكلات؟ وهل ينبغي إنشاء مقياس للفاعلية يركز على استقلالية الذكاء الاصطناعي في المجالات المعرفية البحتة، ويكمل الاستقلالية الروبوتية التي يتناولها مقياس الذكاء الروبوتي؟
وأخيراً، وكما ذُكر في الفصل الثاني، هل ينبغي، بالنظر إلى أهمية القضايا المحتملة المرتبطة به، مواصلة المحاولة الأولية لبناء مؤشر للوعي؟ أم ينبغي إغفاله بسبب الجدل المحتمل والصعوبات العلمية ووضعه غير المؤكد بوصفه قدرة؟ وهل يمكن تغطية الوعي على نحو ملائم ضمن مقاييس قائمة مثل الذكاء الروبوتي المتكامل أو ما وراء المعرفة والتفكير الناقد؟
ويتعين في جميع هذه الأسئلة الموازنة بين ثلاث سمات مترابطة: تعقيد منظومة المؤشرات، ومدى تطابقها مع الأدبيات العلمية في علم النفس البشري والذكاء الاصطناعي، والأهمية المحتملة لالتقاط الجوانب الرئيسية لقدرات الذكاء الاصطناعي التي ينبغي لصانعي السياسات فهمها ومعالجتها.
النظر في بنية مقاييس القدرات
ثمة أسئلة عدة تتعلق ببنية المقاييس ينبغي النظر فيها:
تستبعد المقاييس جوانب القدرات الخارقة للقدرة البشرية نوعياً، أي القدرات التي يمتلكها الذكاء الاصطناعي ولا يمتلكها البشر، في حين تشمل القدرات الخارقة كمياً، وهي قدرات بشرية لكن الذكاء الاصطناعي يستطيع أداءها بسرعة أو على نطاق أكبر بكثير. ويحصر ذلك المستويات الخمسة في أنواع الأشياء التي يستطيع البشر فعلها، مع الإشارة إلى أن الذكاء الاصطناعي قد يتمكن من فعلها بسرعة أكبر أو بدقة أعلى أو مع الوصول إلى بيانات أكثر. فهل ثمة أسباب سياساتية مهمة لإضافة مستويات أداء خارقة نوعياً إلى المقاييس؟ وهل ثمة أمثلة واضحة على مستويات أداء خارقة نوعياً يكون لإضافتها إلى قمة معظم المقاييس معنى؟
وتتسم المقاييس بالغموض حول ما إذا كانت معايَرة على الأداء البشري المتوسط أم على أداء الخبراء من البشر. ففي بعض المقاييس، كحل المشكلات، تعكس الصعوبات في المستويات العليا أداء الخبراء من البشر، بينما تعكس في مقاييس أخرى، كالرؤية، القدرة على التعميم عبر التطبيقات البصرية، وهي صعبة على الذكاء الاصطناعي لكنها سهلة على الإنسان العادي. فهل ينبغي جعل اختيار المقارنة البشرية أكثر اتساقاً عبر المقاييس، أم أنه يعكس بطبيعته فروقاً مهمة فيما هو صعب على البشر وما هو صعب على الذكاء الاصطناعي؟
وتقارن المقاييس الذكاء الاصطناعي بقدرات الأفراد من البشر. غير أن عدداً من المراجعين اقترحوا إجراء مقارنات إضافية بين أنظمة الذكاء الاصطناعي متعددة الوكلاء والذكاء الجماعي البشري. فهل ينبغي دمج هذه المقارنة في المقاييس؟
وكما ذُكر في الفصل الثاني، تتداخل القدرات فيما بينها، ولا سيما في المستويات العليا من المقاييس، حيث كثيراً ما ينطوي الأداء الأكثر تعقيداً على مهام تتطلب قدرات متعددة. فبعض المقاييس، مثل الرؤية والمعرفة والتعلم والذاكرة، يركز أكثر على القدرات الأولية مع تداخل أقل، بينما يبرز بعضها الآخر تحديات التكامل. فكيف ينبغي النظر إلى التداخل بين المقاييس وتكامل القدرات الذي يعكسه؟
تطوير عملية تحديث منهجية لمؤشرات قدرات الذكاء الاصطناعي
بالنظر إلى الوتيرة السريعة لتطور الذكاء الاصطناعي، ستصبح المقاييس الثابتة سريعاً متقادمة. ويحتاج صانعو السياسات والجمهور إلى فهم دقيق ومحدّث لقدرات الذكاء الاصطناعي، ولذلك ينبغي تحديث المقاييس بانتظام لتعكس التقدم التقني المستمر والطبيعة المتطورة لأنظمة الذكاء الاصطناعي. ويعكس تحديد المستوى الحالي لأداء الذكاء الاصطناعي على كل مقياس أحدثَ ما بلغته أبحاث الذكاء الاصطناعي في نهاية عام 2024، حين أُنجزت فصول المقاييس.
ومنذ إطلاق ChatGPT في أواخر عام 2022، شهدت النماذج اللغوية الكبيرة تقدماً هائلاً، شمل تحسناً في طيف واسع من الاختبارات، ودمج قدرات الصورة والصوت، وظهور أنظمة تحاكي الاستدلال متعدد الخطوات وتبدأ في تنفيذ مهام متعددة الخطوات. وفي أثناء وضع اللمسات الأخيرة على هذا التقرير في الأشهر الأولى من عام 2025، أُعلن عن عدة نماذج استدلال جديدة، منها R1 من DeepSeek و Grok 3 من X. كما ظهر عدد من وكلاء الذكاء الاصطناعي الجدد، منهم Deep Research و Operator من OpenAI. ويؤكد التقدم المتزامن، وإن كان أقل شهرة، في الروبوتات والذكاء الاصطناعي العصبي الرمزي الحاجةَ إلى تحديثات مستمرة.
والواقع أن مواكبة تطورات الذكاء الاصطناعي تتطلب عملية تحديث منهجية. فقد انطوى الإنشاء الأولي للمؤشرات على حكم الخبراء الذي عكس نطاق الأدلة المتاحة، بما في ذلك ما يوجد من اختبارات رسمية وتحليلات لوظائف أنظمة نموذجية بارزة.
وفي عامي 2025 و2026، تعتزم المنظمة تصميم مقاربة لتكرار عملية مراجعة الأدلة هذه بصورة أكثر منهجية وتجربتها. ومن الاحتمالات الممكنة أن تجمع عملية التحديث بانتظام أحدث تقييمات أداء الذكاء الاصطناعي ومجموعة من أحكام الخبراء المتعلقة بالمستويات العليا من المقاييس. ومن شأن إرساء دورة مراجعة منظمة، مقرونة بمدخلات مستمرة من المجتمع العلمي، أن ينشئ أداة تقييم ديناميكية تتطور جنباً إلى جنب مع الذكاء الاصطناعي.
ومن العناصر الرئيسية في هذا التطور المواءمة المنهجية بين المقاييس المتاحة لأداء الذكاء الاصطناعي والمقاييس المعتمدة في المؤشرات. غير أن هذه المواءمة الأولية ساعدت في الأساس على تحديد المستويات التي تمتلك في كل مقياس مجموعة من المقاييس الواعدة القابلة للتجميع بصورة أكثر منهجية. وفي معظم الحالات، لا تقدم الفصول الحالية سوى تقييم انطباعي للأداء في تلك المقاييس. وقد أوضحت عملية التطوير الأولية أن الاختبارات المعيارية موزعة توزيعاً غير متكافئ عبر مجالات القدرات، فاللغة والرؤية تحظيان بتقييمات واسعة، بينما يفتقر التفاعل الاجتماعي والذكاء الروبوتي إليها.
وستتطلب المرحلة التالية تحليلاً أكثر منهجية لمدى المواءمة والتغطية التي توفرها مجموعة المقاييس بالنسبة إلى تعريف كل مستوى على المقاييس. ويُؤمل أن تجمع هذه المرحلة مجموعة كافية من مقاييس الأداء لكثير من المستويات العليا، وأن تستكشف طرقاً مختلفة لتجميع نتائجها. وسيتضمن هذا التحليل تقييماً للاتساق بين المقيّمين لضمان تفسير ادعاءات المقاييس بشأن قدرات الذكاء الاصطناعي تفسيراً متسقاً.
وخطوةً في هذا الاتجاه، تعمل المنظمة على إنشاء مستودع لمقاييس أداء الذكاء الاصطناعي ضمن الموقع الإلكتروني لمؤشرات قدرات الذكاء الاصطناعي، لتستكشف من خلاله جدوى تزويد الباحثين بمنصة يقدمون عليها تقييماتهم ويصنفونها وفقاً للمستويات المختلفة لمقاييس القدرات. وستُدرج الإسهامات الجديدة في عملية التحديث المنتظمة. ومن خلال تمكين الباحثين من الإسهام باختبارات معيارية جديدة وتقدير الاختبارات القائمة، يضمن هذا المستودع استخدام أكثر المقاييس صلة وصرامة في تقييم قدرات الذكاء الاصطناعي.
وفضلاً عن ذلك، يمكن للمستودع، في مستويات القدرة التي لا توجد لها اختبارات معيارية راسخة، أن يوجه تطوير تقييمات جديدة، مساعداً الباحثين على استهداف الثغرات الحرجة في تقييم الذكاء الاصطناعي. أما مستويات القدرة ذات الأهمية الخاصة في توجيه السياسات، فيمكن للمنظمة أن تضطلع أيضاً بدور في تطوير تقييمات جديدة لها.
ومن خلال معالجة الثغرات الحالية وإنشاء عملية تحديث ديناميكية، تعتزم المنظمة ضمان أن تظل المؤشرات وثيقة الصلة وغنية بالرؤى. والغاية في نهاية المطاف لا تقتصر على تزويد صانعي السياسات بمعلومات دقيقة، بل تمتد إلى تطوير سبيل يتيح لمجتمع الذكاء الاصطناعي الأوسع أن يسهم في تشكيل تطور المؤشرات وأن يستخدمها في وصف تطور الذكاء الاصطناعي.
