دراسة: نماذج الذكاء الاصطناعي تخمّن ولا “تفكر” فعليًا
النقابي الجنوبي/خاص
بحث أجرته آبل يكشف انهيار قدرات النماذج المتقدمة عند مواجهة تعقيد منطقي متصاعد
كشفت دراسة حديثة أجرتها شركة آبل أن نماذج الاستدلال القائمة على الذكاء الاصطناعي، مثل تلك التي تطورها OpenAI وMeta وDeepSeek، ليست ذكية كما يُروج لها، بل تعتمد بشكل أساسي على تخمينات إحصائية لا ترقى إلى مستوى التفكير المنطقي الحقيقي.
وأظهرت الدراسة أن هذه النماذج، رغم قدرتها على التعامل مع المهام البسيطة بكفاءة، تفقد دقتها بشكل كبير مع ارتفاع مستوى تعقيد المشكلة، بل وتنهار تمامًا في بعض الحالات المعقدة. وتستخدم هذه النماذج، المعروفة بالنماذج اللغوية الكبيرة (LLMs)، كميات هائلة من البيانات البشرية لتوليد ردود تبدو منطقية، لكنها تستند في جوهرها إلى أنماط احتمالية تستخرجها الشبكات العصبية.
وتحسّن هذه النماذج أداءها أحيانًا من خلال ما يُعرف بـ”سلسلة الأفكار”، وهي تقنية تحاكي أسلوب التفكير البشري بتقسيم الحل إلى خطوات متتابعة. غير أن هذا “التحليل” لا يخرج عن كونه عملية تخمين رياضي منظم، ما يؤدي إلى ما يُعرف بظاهرة “الهلوسة”، حيث تنتج النماذج معلومات زائفة أو غير دقيقة.
وبحسب تقرير صدر مؤخرًا عن OpenAI، فإن نماذج الاستدلال المنطقي تُظهر قابلية أعلى للهلوسة مقارنة بالنماذج العامة، وتزداد المشكلة مع تطور هذه النماذج وتعقيدها.
وفي اختبار أجرته الدراسة على أربعة ألغاز كلاسيكية بتعقيدات متفاوتة، تفوقت النماذج العامة في حل المسائل البسيطة دون تكلفة حسابية عالية، بينما أظهرت نماذج الاستدلال أداءً أفضل في مستويات متوسطة من التعقيد، لكنها فشلت بشكل حاد عند مواجهة مسائل شديدة التعقيد. وأشار الباحثون إلى أن هذه النماذج تفتقر إلى آلية تقييم دقيقة لجودة منطقها الاستدلالي، مما يزيد من احتمالية الفشل في مواقف حرجة.
وفي خلفية هذا السياق، تعاني آبل من تأخر ملحوظ في مجال الذكاء الاصطناعي، إذ أظهرت تحليلات أن مساعدها الصوتي Siri أقل دقة بنسبة 25% مقارنة بـ ChatGPT من OpenAI. وتركز الشركة على تطوير تقنيات مدمجة بالهاتف تعتمد على ذكاء اصطناعي محلي خفيف بدلًا من النماذج الضخمة، وهو توجه وُصف من قبل بعض الخبراء، مثل بيدروس دومينغوس أستاذ علوم الحاسوب، بأنه “إثبات لغياب الذكاء الاصطناعي”.
مع ذلك، أشاد عدد من الخبراء بالدراسة الجديدة، معتبرين أنها تعيد النقاش إلى مساره العلمي الصحيح، وتسلط الضوء على الحدود البنيوية التي تقيّد هذه النماذج مهما بلغت دقتها الظاهرية.
ويأمل الباحثون أن تسهم نتائج الدراسة في تعزيز الجهود الرامية إلى بناء نماذج أكثر فهمًا وذكاءً، قائمة على تحليل منطقي حقيقي يتجاوز مجرد توقع الكلمات التالية.