هل يمكن للذكاء الاصطناعي مجاراة إيلون ماسك؟ تقدير ذكاء النماذج اللغوية مقابل البشر

السؤال الذي لا يزول

كل بضعة أشهر، ينتشر عنوان: "الذكاء الاصطناعي يجتاز اختبار ذكاء بنتيجة 155." التضمين واضح: الذكاء الاصطناعي تجاوز العبقرية البشرية، وإيلون ماسكات العالم عفا عليهم الزمن. لكن هل في هذا أي حقيقة؟

الإجابة القصيرة: لا. الإجابة الأطول تتطلب فهم ما تقيسه اختبارات الذكاء، وكيف تعالج النماذج اللغوية الكبيرة (LLMs) المعلومات، ولماذا مقارنة الذكاء البشري بالاصطناعي كمقارنة غواصة بسباح.

يفحص هذا المقال الأدلة الفعلية — دراسات محكمة لأداء النماذج اللغوية المعرفي، وبنية اختبارات الذكاء، وما نعرفه عن الملف المعرفي لإيلون ماسك — ليعطيك إجابة صادقة.

ما تقيسه اختبارات الذكاء فعلياً

اختبارات الذكاء ليست مقاييس فردية لـ"الذكاء". إنها تقيّم تسلسلاً هرمياً للقدرات المعرفية، منظمة عادة في نموذج Cattell-Horn-Carroll (CHC):

• الاستدلال السائل (Gf): حل مشكلات جديدة دون معرفة سابقة
• الذكاء المتبلور (Gc): المعرفة المكتسبة والمفردات
• الاستدلال الكمي (Gq): التعرف على الأنماط الرقمية
• المعالجة البصرية (Gv): الاستدلال المكاني والهندسي
• ذاكرة العمل (Gwm): الاحتفاظ بالمعلومات ومعالجتها ذهنياً
• سرعة المعالجة (Gs): الإنتاجية المعرفية السريعة

يُجمع درجة ذكاء كاملة هذه العوامل، لكن الملف أهم من الرقم. شخصان بذكاء 130 يمكن أن يكون لهما ملفات قدرات مختلفة جذرياً — واحد قد يتفوق في الاستدلال اللفظي لكن يكافح في المهام المكانية، بينما الآخر يظهر العكس.

كيف اختُبرت النماذج اللغوية

عدة دراسات أجرت اختبارات ذكاء بشرية على النماذج اللغوية الكبيرة. الأكثر صرامة:

Bubeck et al. (2023) اختبروا GPT-4 على مقياس WAIS-IV (وكسلر)، ووجدوا أنه أدى عند أو فوق الشريحة المئوية 99 في الاختبارات الفرعية اللفظية — المفردات، أوجه التشابه، المعلومات — لكنه واجه صعوبة في مهام الاستدلال المكاني التي تتطلب معالجة بصرية. قدرت الدراسة "الذكاء اللفظي" لـ GPT-4 بحوالي 155.

Zhu et al. (2023) أجر مصفوفات رافن التقدمية (استدلال سائل غير لفظي) على عدة نماذج لغوية. سجل GPT-4 في نطاق الشريحة المئوية 75-90 — محترم، لكن بعيداً عن مستوى العبقرية. أشار المؤلفون إلى أن النماذج اللغوية تحل مشكلات المصفوفات غالباً من خلال مطابقة الأنماط في بيانات التدريب بدلاً من الاستدلال السائل الحقيقي.

تقييمات OpenAI نفسها (2023-2024) تظهر GPT-4 مسجلاً 163 في القسم اللفظي من SAT (الشريحة المئوية 99) لكن 710/800 فقط في الرياضيات — قوي، لكن غير استثنائي بمعايير الجامعات النخبوية.

الوهم اللفظي: لماذا تبدو درجات الذكاء الاصطناعي منتفخة

إليك المشكلة الجوهرية: اختبارات الذكاء لفظية بشدة، والنماذج اللغوية مُدربة على النص.

WAIS-IV يحتوي على 10 اختبارات فرعية أساسية. خمسة منها لفظية أساساً: المفردات، أوجه التشابه، المعلومات، الفهم، الحساب. لهذه، يتمتع النموذج اللغوي بميزة هائلة — فقد استوعب أساساً كل النص المنشور في بيانات تدريبه. عندما يُسأل "ما التشابه بين الساعة والتقويم؟" النموذج لا يستدل — يسترجع الإجابة من نموذجه الإحصائي للغة.

هذا الذكاء المتبلور (Gc)، وليس الاستدلال السائل. وهنا تبدو النماذج اللغوية أكثر إبهاراً. لكن الذكاء المتبلور هو الأقل تنبؤاً بحل المشكلات في العالم الحقيقي والابتكار. يقيس ما تعرفه، لا كيف تفكر.

حيث تفشل النماذج اللغوية: فجوة ماسك

الملف المعرفي لإيلون ماسك — بناءً على درجاته في SAT وأنماط مسيرته — غير متماثل: استدلال سائل عالي جداً، قدرة مكانية استثنائية، مهارات لفظية قوية لكن ليست نخبوية. هذا بالضبط الملف الذي تؤدي فيه النماذج اللغوية أسوأ أداء.

الاستدلال المكاني (Gv): النماذج اللغوية لا يمكنها معالجة المعلومات البصرية-المكانية أصلياً. عندما يُطلب منها تدوير أشكال ثلاثية الأبعاد ذهنياً أو تصور مسارات الصواريخ، تفشل أو تعتمد على حلول بديلة نصية. قدرة ماسك على تصور مكونات الصاروخ وتفاعلاتها في رأسه — عامل رئيسي في SpaceX — لا لها نظير في النماذج اللغوية.

معالجة ذاكرة العمل (Gwm): رغم أن النماذج اللغوية لها نوافذ سياق كبيرة، إلا أنها لا تعالج المعلومات في ذاكرة العمل كما يفعل البشر. تطابق الأنماط، لا تحتفظ بنموذج ذهني وتحوله. قدرة ماسك على الاحتفاظ بموازنات هندسية متعددة في وقت واحد وتحديثها في الوقت الفعلي هي وظيفة ذاكرة عمل لا يمكن للذكاء الاصطناعي الحالي استنساخها.

الاستدلال من المبادئ الأولى: استراتيجية ماسك المعرفية المميزة — تفكيك المشكلات إلى الفيزياء الأساسية والبناء من هناك — تتطلب استدلالاً سائلاً حقيقياً، لا استرجاعاً. عندما تحاول النماذج اللغوية الاستدلال من المبادئ الأولى، تنتج غالباً سلاسل معقولة المظهر لكن منطقياً مكسورة لأنها تستقرئ بين أمثلة التدريب بدلاً من الاستدلال من البديهيات.

نقل التعلم بين المجالات: يطبق ماسك نفس مجموعة الأدوات المعرفية على الصواريخ والسيارات والواجهات العصبية ووسائل التواصل الاجتماعي. النماذج اللغوية يمكنها توليد نص عن كل هذه المجالات، لكنها لا تستطيع نقل استراتيجية حل من مجال إلى آخر كما يفعل خبير بشري.

مشكلة المعايير

هناك مشكلة منهجية أعمق: اختبارات الذكاء صُممت للبشر، ليس للآلات.

عندما يحل إنسان مصفوفات رافن التقدمية، يستخدم مزيجاً من ذاكرة العمل والمعالجة البصرية والاستدلال السائل. عندما يحل نموذج لغوي نفس الاختبار (محول إلى نص)، يستخدم مطابقة الأنماط الإحصائية ضد بيانات التدريب. هذه عمليات معرفية مختلفة جذرياً تصادف إنتاج مخرجات مماثلة في اختبار محدد.

هذه مشكلة قانون جودهارت: عندما يصبح المقياس هدفاً، يتوقف عن كونه مقياساً جيداً. إذا حسّنّا الذكاء الاصطناعي للتسجيل الجيد في اختبارات الذكاء، فنحن لا نجعل الذكاء الاصطناعي أذكى — نجعله أفضل في اختبارات الذكاء.

مقارنة أكثر صدقة ستستخدم اختبارات مصممة للتمييز بين الإدراك البشري ومطابقة الأنماط الإحصائية:

• مشكلات فيزيائية جديدة لا يمكن أن تكون في بيانات التدريب
• استدلال مكاني متعدد الخطوات يتطلب محاكاة ذهنية
• أسئلة عدائية مصممة لكشف اختصارات مطابقة الأنماط
• اتخاذ قرارات في الوقت الفعلي تحت قيود جديدة

على هذه المقاييس، تؤدي النماذج اللغوية الحالية دون مستوى الخبراء البشر بكثير.

ما تقوله الأرقام فعلياً

لنكن محددين. إذا قارنّا الملف المعرفي المقدر لماسك (من تحويل SAT) بأداء GPT-4 المقيس:

الصورة واضحة: النماذج اللغوية تهيمن على الذكاء المتبلور لكنها تتخلف بشكل كبير في الاستدلال السائل والقدرة المكانية ومعالجة ذاكرة العمل — بالضبط القدرات التي تدفع الابتكار الهندسي وحل المشكلات الريادي.

هل يمكن للذكاء الاصطناعي استبدال وظيفة إيلون ماسك؟

"وظيفة إيلون ماسك" — كدور معرفي، ليس كشخص — تتضمن:

1. تحديد مشكلات جديدة ليس لها حلول بعد
2. الاستدلال من المبادئ الأولى في مجالات تقنية متعددة
3. اتخاذ قرارات عالية المخاطر بمعلومات ناقصة
4. دمج الاستدلال المكاني والكمي واللفظي في الوقت الفعلي
5. الحفاظ على الجهد والتركيز في مشاريع متعددة السنوات

الذكاء الاصطناعي الحالي يمكنه المساعدة في كل من هذه لكنه لا يستطيع تنفيذ الدمج. GPT-4 يمكنه المساعدة في كتابة كود لمحاكاة صاروخ، لكنه لا يستطيع decidir ما إذا كان ينبغي بناء صاروخ قابل لإعادة الاستخدام. يمكنه تحليل بيانات كيمياء البطاريات، لكنه لا يستطيع تصور السلوك الحراري لتصميم خلية جديد.

الفجوة ليست فقط في درجات الذكاء — إنها في نوع الذكاء. قيمة ماسك تأتي من الاستدلال السائل المطبق على مشكلات جديدة، لا من معرفة الحقائق. النماذج اللغوية عكس ذلك: معرفة واقعية هائلة مع قدرة محدودة على حل مشكلات جديدة.

المستقبل: تقارب أم تباعد؟

الذكاء الاصطناعي يتحسن بسرعة، لكن التحسنات غير متساوية. النماذج اللغوية تتحسن في المهام اللفظية (حيث فائقة البشرية بالفعل) لكن التقدم في الاستدلال المكاني والاستدلال السائل الحقيقي أبطأ. المقاربات الأكثر وعداً — النماذج متعددة الوسائط، والبنيات العصبية-الرمزية، والذكاء الاصطناعي المجسّد — تحاول سد الفجوات المكانية والاستدلالية، لكنها لا تزال بعيدة عن مستوى الخبير البشري.

التنبؤ الصادق: سيزيد الذكاء الاصطناعي تدريجياً من الإدراك البشري في السنوات الـ 5-10 القادمة، لكن "وظيفة ماسك" — الدمج الإبداعي لأنواع متعددة من الاستدلال المطبق على تحديات هندسية جديدة — ستبقى قدرة بشرية في المستقبل المنظور. ليس لأن البشر متفوقون بطبيعتهم، بل لأن نوع الذكاء المطلوب هو بالضبط النوع الذي تكافح معه بنيات الذكاء الاصطناعي الحالية.

الحكم

• درجات اختبارات الذكاء تبالغ في ذكاء الذكاء الاصطناعي لأن اختبارات الذكاء لفظية بشدة والنماذج اللغوية مُدربة على النص
• النماذج اللغوية تتفوق في الذكاء المتبلور (معرفة الأشياء) لكنها تتخلف في الاستدلال السائل (حل مشكلات جديدة)
• الملف المعرفي لماسك — استدلال سائل عالٍ، قدرة مكانية استثنائية — هو بالضبط حيث الذكاء الاصطناعي أضعف
• عنوان "ذكاء AI 155" مضلل: يقيس نوعاً مختلفاً من الذكاء عما يدفع الابتكار الحقيقي
• الذكاء الاصطناعي يعزز لكنه لا يستطيع استبدال الدمج الإبداعي لأنواع الاستدلال الذي يحدد الإدراك الهندسي الخبير

السؤال ليس ما إذا كان الذكاء الاصطناعي سيصل إلى ذكاء 155. ربما وصل بالفعل — في الاختبارات الفرعية التي لا تهم للابتكار. السؤال الحقيقي هو ما إذا كان الذكاء الاصطناعي سيطور الاستدلال السائل والمكاني والتكاملي الذي يمكن شخصاً من النظر إلى مشكلة لم يحلها أحد وحلها. هذا اختبار ماسك. وحتى الآن، يفشل الذكاء الاصطناعي فيه.