الذكاء الاصطناعي الضيق، والذكاء العام الاصطناعي، والذكاء الخارق: سلّم القدرات

المصطلحات مفيدة، لكنها ليست قوانين طبيعية

يُفهم الذكاء الاصطناعي الضيق، والذكاء العام الاصطناعي، والذكاء الاصطناعي الخارق على أفضل وجه بوصفها مناطق على عدة أبعاد للقدرة — لا ثلاثة صناديق محددة بدقة. يستخدم الباحثون والمؤسسات تعريفات مختلفة، ولا توجد جهة علمية معتمَدة يمكنها أن تصادق على أن نظامًا ما “أصبح ذكاءً عامًا اصطناعيًا”. لذا ينبغي على القارئ المتمعّن أن يسأل عمّا يقصده المتحدث بهذا المصطلح، وما الأدلة التي تدعم هذا التصنيف.

الذكاء الاصطناعي الضيق (ANI) يعني تقليديًا نظامًا مُحسَّنًا لمهمة أو مجال محدود: محرك شطرنج، أو كاشف احتيال، أو نظام للتعرف على الكلام، أو نموذج للتنبؤ ببنية البروتين. يمكن لنظام كهذا أن يتفوق على أي إنسان في مهمته المستهدفة بينما يظل عديم الفائدة في أي شيء آخر. لكن وصف كل نموذج مُستخدَم اليوم بـ“الضيق” أصبح مضللًا بشكل متزايد. فالنماذج اللغوية والمتعددة الوسائط ذات الأغراض العامة يمكنها الكتابة والبرمجة وتحليل الصور واستخدام الأدوات والتكيّف مع مهام كثيرة بناءً على تعليمات. فهي واسعة بمعنى ما، لكنها غير موثوقة، وتعتمد على بنية دعم تقنية، ومتفاوتة الأداء بين المجالات. غالبًا ما يكون مصطلح “الذكاء الاصطناعي العام الغرض” أو “النموذج واسع القدرة” وصفًا أكثر دقة من إجبار هذه الأنظمة على الانصياع للثنائية القديمة ضيق/عام.

الذكاء العام الاصطناعي (AGI) يشير عادةً إلى آلة ذات كفاءة واسعة تنتقل إلى مهام غير مألوفة. وفيما وراء هذا المحور المشترك، تتباين التعريفات. يشترط بعضها أداءً يضاهي أداء الإنسان العادي في معظم الأعمال المعرفية؛ ويشترط بعضها الآخر القدرة على التعلّم بكفاءة؛ ويركز بعضها على العمل ذي القيمة الاقتصادية؛ ويضيف بعضها استقلالية في العالم المادي أو الرقمي. اقترح باحثون في Google DeepMind وصف الذكاء العام الاصطناعي عبر بُعدين: الاتساع — عدد المهام التي يستطيع أداءها — والعمق — مدى جودة أدائه لها — مع معاملة الاستقلالية كخاصية منفصلة تتعلق بالنشر (DeepMind، Levels of AGI). يتجنب هذا الإطار افتراض أن معيارًا مرجعيًا واحدًا يخلق عتبة سحرية.

الذكاء الاصطناعي الخارق (ASI) نظام افتراضي يتفوق بشكل كبير على أفضل البشر في كل المجالات ذات القيمة المعرفية تقريبًا. وهذه ليست فئة تقنية مُلاحَظة فعليًا، بل سيناريو يُستخدم للتفكير في أنظمة قد تتفوق على المؤسسات البشرية في العلم والاستراتيجية والهندسة والإقناع، وربما في بحث الذكاء الاصطناعي نفسه. أما إن كان نظام كهذا ممكنًا، وبأي سرعة قد يتبع الذكاء العام الاصطناعي، وهل يمكن دمج الذكاء عبر كل المجالات في نظام واحد، فهذه أسئلة لا تزال محل خلاف.

للقدرة أكثر من محور واحد

يفصل التقييم المفيد بين خمس خصائص على الأقل:

• الاتساع: تنوّع المهام والبيئات التي يكون النظام كفؤًا فيها.
• الأداء: هل يضاهي أداء مبتدئ، أم عامل عادي، أم خبير، أم أفضل إنسان.
• الموثوقية: عدد المرات التي ينجح فيها، بما في ذلك في ظروف غير معتادة أو خصامية.
• التعلّم والنقل: مدى سهولة تعامله مع مهمة جديدة فعليًا دون إعادة تدريب مخصصة لها.
• الاستقلالية: إلى أي مدى زمني، وبأي درجة من الأمان، يمكنه التخطيط والتصرف واستخدام الأدوات والتعافي من الأخطاء ومتابعة هدف بإشراف محدود.

يمكن لهذه المحاور أن تتباعد بشكل كبير. فقد يجيب نموذج ما على أسئلة في مئات المواضيع بينما يرتكب أخطاء ابتدائية. وقد يكون نموذج آخر موثوقًا بشكل استثنائي في سير عمل علمي واحد لكنه غير قادر على التعميم. وقد يبدو نموذج محادثة واسع الاطلاع بينما يفشل وكيل مبني على النموذج نفسه لأنه يفقد السياق، أو يسيء استخدام أداة، أو لا يدرك أن خطته بدأت تنحرف. ويميّز تعريف منظمة التعاون الاقتصادي والتنمية (OECD) لنظام الذكاء الاصطناعي بالمثل بين المخرجات المولَّدة وتأثيرها على البيئات المحيطة، وبين مستويات متفاوتة من الاستقلالية والقدرة على التكيّف بعد النشر (مبادئ الذكاء الاصطناعي لمنظمة OECD).

يهم هذا لأن اللغة المصقولة ليست هي نفسها الفاعلية القوية. فالمحادثة الشبيهة بالإنسان تشجّع على إضفاء الطابع الإنساني، بينما قد تخفي درجات المعايير المرجعية اعتمادًا على توجيهات (prompts) مُهيكَلة بعناية، وبيانات نظيفة، وتقييم آلي. وفي المقابل، لا يحتاج النظام إلى التحدث كإنسان ليكون ذا قدرات مؤثرة. فقد يهم نموذج علمي أو وكيل تداول أو أداة سيبرانية بسبب ما يمكنه فعله، لا لأنه يشبه عقلًا بشريًا.

لماذا لا يثبت أي معيار مرجعي واحد وجود الذكاء العام الاصطناعي

تأخذ المعايير المرجعية عيّنات من السلوك تحت شروط محددة. وهي لا تكشف مباشرة عن الفهم أو الوعي أو النوايا أو الأداء في كل موقف لم يُختبَر. قد ترتفع الدرجات بسبب تعميم حقيقي، أو تعرّض لأمثلة تدريب مشابهة، أو توجيه أفضل، أو إتاحة أدوات، أو هندسة حول النموذج. وقد يصل المعيار المرجعي أيضًا إلى التشبّع: فبمجرد اقتراب الأنظمة الرائدة من سقفه، تصبح الفروق الصغيرة صعبة التفسير.

وينطبق التحذير نفسه على التعريفات الاقتصادية. عبارة “يمكنه أتمتة معظم الوظائف” تبدو ملموسة، لكن الوظائف حزم من المهام التقنية، والتفاوض الاجتماعي، والمساءلة، والنشاط الجسدي، والمعرفة المحلية، والمسؤولية عن الأخطاء. النجاح في مهام قائمة بذاتها لا يثبت أن نظامًا ما يمكنه أن يحل محل عامل داخل مؤسسة معقدة وفوضوية. وتذكر منظمة METR صراحة أن أفق زمن إنجاز المهام لديها يتركّز في البرمجيات وتعلّم الآلة والأمن السيبراني، وينبغي ألا يُقرأ كمقياس عام لأتمتة الوظائف (منهجية METR).

لذا ينبغي التعامل مع الذكاء العام الاصطناعي كادعاء يتطلب حزمة من الأدلة. ما المجالات التي اختُبرت؟ ما مدى حداثة المهام؟ ما الأدوات والمساعدة البشرية المسموح بها؟ هل تكرر الأداء بشكل مستقل؟ ما نسبة النجاح؟ هل بقي النظام موثوقًا عندما كانت الأهداف غامضة أو تغيّرت البيئة؟ دون هذه التفاصيل، يكون إعلان الذكاء العام الاصطناعي علامة تجارية أو تنبؤًا أو حكمًا شخصيًا — لا نتيجة قياس.

لماذا يغيّر هذا التمييز السياسات

تخلق ملامح القدرة المختلفة مخاطر مختلفة. تسبب الأنظمة الحالية بالفعل أضرارًا موثّقة عبر الاحتيال، والتمييز، وانتهاك الخصوصية، والنصائح غير الآمنة، وتعطّل سوق العمل، والوسائط الاصطناعية. هذه المشكلات لا تتطلب ذكاءً عامًا اصطناعيًا، ولا ينبغي تأجيلها إلى عتبة مستقبلية. أما الأنظمة المستقلة على نطاق واسع فقد تضيف مخاطر أخرى من خلال تنفيذ عمليات سيبرانية، أو تسريع أبحاث خطرة، أو التحكم في عمليات حرجة بنطاق يتجاوز المراجعة البشرية. ويثير الذكاء الخارق الافتراضي أسئلة أكثر غموضًا بعد حول ما إذا كانت المؤسسات البشرية قادرة على الإشراف على نظام يتفوق عليها استراتيجيًا.

كما تحدد هذه الفئات الضمانات المتناسبة. فقد يحتاج مصنّف طبي ضيق إلى تحقق سريري، ومراقبة، وإجراء استئناف. وقد يحتاج نموذج ذو غرض عام إلى تقييمات للقدرات، وكشف لسوء الاستخدام، وإبلاغ عن الحوادث، وضوابط حول الأدوات الخطرة. وقد يبرر نظام مستقل بدرجة عالية يشغّل بنية تحتية حرجة ضمانات أقوى، واحتواءً، ومتطلبات تفويض بشري أكثر صرامة. واستخدام مصطلح “الذكاء الاصطناعي” كفئة واحدة غير متمايزة يُخفي هذه الفروق.

طريقة أفضل لقراءة ادعاءات الذكاء العام الاصطناعي

عندما يقول أحدهم إن الذكاء العام الاصطناعي موجود بالفعل — أو أنه مستحيل — تَرجِم الادعاء إلى أسئلة قابلة للملاحظة. هل النظام كفؤ على نطاق واسع أم واسع في واجهته فقط؟ هل ينتقل إلى عمل جديد؟ ما مدى موثوقيته؟ هل يمكنه إنجاز مشاريع طويلة وواقعية؟ هل يحتاج إلى تصحيح بشري مستمر؟ هل يتعلّم بعد النشر؟ هل الأدلة عامة وقابلة للتكرار بشكل مستقل؟

الخلاصة الصادقة في عام 2026 ليست أن كل الذكاء الاصطناعي المنشور اليوم ضيق ببساطة، ولا أن النماذج اللغوية واسعة النطاق قد عبرت خطًا للذكاء العام الاصطناعي متفقًا عليه عالميًا. تجمع الأنظمة الحالية بين اتساع لافت وهشاشة جدية. لا يزال الذكاء العام الاصطناعي مفهومًا متنازَعًا عليه، ولا يزال الذكاء الخارق افتراضيًا. لذا فإن “سلّم القدرات” الأكثر فائدة هو خريطة متعددة الأبعاد ذات أدلة مؤرَّخة — لا سلّمًا من ثلاث درجات يمكن لشركة أن تعلن نفسها فائزة عليه.