السبت 18 يوليو 2026
نقاط ضعف الذكاء الاصطناعي: هل يفهم GPT-4 المفاهيم أم مجرد أنماط؟
دراسة جديدة تكشف عن تحديات كبيرة تواجه الذكاء الاصطناعي في استدلاله عبر القياس، ما يثير تساؤلات حول مدى فهمه العميق للمفاهيم.
هل يمكن للذكاء الاصطناعي أن يفهم مثل البشر؟ دراسة جديدة تكشف التحديات في التفكير المجرد
في دراسة جديدة، كشف باحثون من جامعة أمستردام ومعهد سانتا في عن ضعف الذكاء الاصطناعي في فهم التناظرات بشكل مرن. على الرغم من أن نماذج مثل GPT-4 أظهرت أداءً جيدًا في بعض اختبارات الاستدلال التناظري، فقد تبين أنها تعاني من التكيف مع التعديلات البسيطة في الأسئلة. هذه النتائج تثير تساؤلات حول مدى قدرة الذكاء الاصطناعي على التفكير المجرد واتخاذ قرارات مرنة.
هل تفهم نماذج الذكاء الاصطناعي المفاهيم المجردة أم تكتفي بمحاكاة الأنماط؟
في دراسة جديدة نُشرت في TMLR، أجرى باحثون من جامعة أمستردام ومعهد سانتا في تحليلاً لأداء نماذج الذكاء الاصطناعي اللغوية، مثل GPT-4، في اختبارات الاستدلال التناظري. رغم الأداء القوي الذي أظهرته هذه النماذج في بعض المهام، إلا أن الدراسة كشفت عن نقاط ضعف واضحة عند تغيير صيغة المشكلات، مما يشير إلى أن الذكاء الاصطناعي قد لا يكون قادرًا على التفكير المرن كما يفعل البشر.
الاستدلال التناظري: أداة بشرية لفهم العالم
الاستدلال التناظري هو القدرة على إيجاد روابط بين أشياء مختلفة بناءً على أوجه التشابه فيما بينها، وهو أحد الأساليب الأساسية التي يستخدمها البشر لفهم العالم واتخاذ القرارات. على سبيل المثال، عند قول "الفنجان بالنسبة للقهوة مثل الوعاء بالنسبة لـ..."، فإن الإجابة الصحيحة هي "الحساء".
تُظهر نماذج الذكاء الاصطناعي، مثل GPT-4، أداءً مميزًا في بعض اختبارات الاستدلال التناظري، لكنها تعتمد على الأنماط التي تعلمتها من بياناتها التدريبية. ولكن هل يمكن لهذه النماذج أن تستنتج معلومات جديدة بمرونة وذكاء شبيه بالبشر، أم أنها مجرد محاكاة لأنماط مألوفة؟
اختبار قدرات الذكاء الاصطناعي في التناظر
قامت الباحثتان مارثا لويس من معهد المنطق واللغة والحوسبة بجامعة أمستردام وميلاني ميتشل من معهد سانتا في بمقارنة أداء البشر وGPT-4 على ثلاثة أنواع من اختبارات التناظر:
- تسلسلات الحروف: تحديد النمط في تسلسل الأحرف وإكماله بشكل صحيح.
- مصفوفات الأرقام: تحليل أنماط الأرقام والعثور على الرقم المفقود.
- تناظر القصص: اختيار القصة الأكثر تشابهًا مع قصة معينة من بين خيارين متاحين.
كيف يتعامل الذكاء الاصطناعي مع المشكلات المعدلة؟
لاختبار مدى فهم الذكاء الاصطناعي الحقيقي للتناظر، قامت الدراسة بتعديل المشكلات الأصلية بطرق دقيقة لمعرفة مدى تأثير التعديلات على الأداء. تقول الباحثتان: "النظام الذي يفهم التناظرات حقًا يجب أن يحافظ على أدائه المرتفع حتى عند تغيير صياغة المشكلات." وعند اختبار البشر والذكاء الاصطناعي على المشكلات المعدلة، ظهرت فجوة واضحة في القدرة على التكيف. فبينما تمكن البشر من الاحتفاظ بأداء عالٍ في معظم الحالات، أظهرت نماذج GPT-4 انخفاضًا ملحوظًا في الأداء، مما يشير إلى أن استنتاجاتها غالبًا ما تعتمد على أنماط سطحية بدلاً من فهم عميق للعلاقات بين العناصر.
موضوعات متعلقة
الفجوة بين الذكاء الاصطناعي والبشر في التفكير المرن
في اختبار مصفوفات الأرقام، عانت نماذج الذكاء الاصطناعي من انخفاض كبير في الأداء عندما تغير موضع الرقم المفقود، بينما لم يواجه البشر أي مشكلة في ذلك. أما في تناظر القصص، فقد لوحظ أن GPT-4 يميل لاختيار أول إجابة معروضة له أكثر من البشر، الذين لم يتأثروا بترتيب الإجابات. كما أن الذكاء الاصطناعي واجه صعوبة أكبر من البشر عند إعادة صياغة العناصر الأساسية للقصة، مما يشير إلى اعتماده على التشابهات السطحية بدلًا من الفهم العميق للعلاقات السببية.
هل يمكن للذكاء الاصطناعي أن يحل المهام الأكثر تعقيدًا؟
أظهرت الدراسة أن أداء نماذج GPT-4 يتراجع عندما يتم تعديل المشكلات، حتى في المهام البسيطة نسبيًا. أما بالنسبة للمهام الأكثر تعقيدًا التي تتطلب تفكيرًا أكثر تقدمًا، فقد كان التحدي صعبًا لكلا الطرفين، حيث أظهر كل من الذكاء الاصطناعي والبشر صعوبة في حلها، ولكن بدرجات متفاوتة.
الذكاء الاصطناعي: أداة قوية لكنها ليست بديلاً عن العقل البشري
تشير هذه النتائج إلى أن القدرات التي تُظهرها النماذج اللغوية الكبيرة ليست بالضرورة دليلًا على فهمها الحقيقي، بل قد تكون مجرد قدرة متقدمة على اكتشاف الأنماط. وتعلق الباحثتان على ذلك بالقول: "على الرغم من أن نماذج الذكاء الاصطناعي تُظهر إمكانيات مذهلة، فإن هذا لا يعني أنها تفهم ما تفعله حقًا. قدرتها على التعميم عبر المشكلات المختلفة لا تزال أقل بكثير من الإدراك البشري."
هذه الدراسة تمثل تحذيرًا مهمًا بشأن استخدام الذكاء الاصطناعي في مجالات حساسة مثل التعليم، والقانون، والرعاية الصحية. فرغم أن هذه التقنيات يمكن أن تكون أدوات مساعدة قوية، إلا أنها لا تزال غير قادرة على استبدال التفكير البشري الحقيقي في المهام التي تتطلب فهمًا عميقًا ومرونة في الاستنتاج.
