ابدأ بنوع الادعاء المطروح
“الذكاء الاصطناعي يستطيع فعل هذا”، و“الذكاء العام الاصطناعي سيصل قريبًا”، و“هذا النظام قد يتسبب في كارثة” ليست الادعاء نفسه. وتحتاج أدلة مختلفة. فقد يُثبت عرض توضيحي مصقول أن نموذجًا نجح مرة واحدة في ظروف مواتية. لكنه لا يُثبت الموثوقية، أو القيمة الاقتصادية، أو التشغيل المستقل الآمن. أما التنبؤ فيُعبّر عن حكم بشأن المستقبل. وهو ليس قياسًا لقدرة حاضرة.
هذا مهم لأن الذكاء العام الاصطناعي لا يملك اختبارًا متفقًا عليه عالميًا. وتؤكد التعريفات مزيجًا مختلفًا من الاتساع، والأداء، والاستقلالية، والتعلّم، والكفاءة المادية، والأثر الاقتصادي. وبدلًا من التساؤل عمّا إذا كان عنوان إخباري واحد يُثبت الذكاء العام الاصطناعي، ينبغي للقراء أن يسألوا ما الذي قِيس، وتحت أي شروط، وإلى أي مدى يتجاوز الاستنتاج الأدلة.
السُّلَّم أدناه ليس تصنيفًا صارمًا يهزم فيه كل عنصر في مستوى معين كل ما دونه. فقد يكون تقييم مخبري قابل للتكرار دليلًا أقوى على آلية ضيقة من بيانات نشر مشوَّشة. والغرض منه هو كشف الخطوات الاستدلالية التي تخفيها غالبًا الادعاءات الترويجية والمثيرة للقلق.
المستوى الأول: القصة العابرة والعرض التوضيحي المُنتقى
تكشف القصص العابرة عن إمكانيات وأنماط إخفاق. ويُظهر تسجيل شاشة لوكيل يبني تطبيقًا أن عملية تشغيل واحدة على الأقل أنتجت النتيجة المعروضة، بافتراض أن العرض التوضيحي أصيل. وتُظهر هلوسة مفاجئة أن إخفاقًا يمكن أن يحدث. ولا يخبرنا أي منهما بمدى تكرار حدوث السلوك.
اسأل هل انتقى العارض أفضل عملية تشغيل، أو حرّر توقفات أو إخفاقات، أو استخدم مساعدة بشرية خفية، أو اختار مهمة مألوفة. وابحث عن التوجيه الكامل، والأدوات، وإصدار النموذج، وإعدادات أخذ العينات، وعدد المحاولات، وحالات الإخفاق. ودون ذلك، تعامل مع النتيجة كخيط يستحق التحقيق — لا كمعدل.
تظل العروض التوضيحية مفيدة. فغالبًا ما تظهر القدرات الجديدة بشكل فوضوي قبل وجود قياس رسمي. والخطأ هو تحويل “يمكن أن يحدث” إلى “يحدث عادةً”، ثم إلى “سيحوّل الاقتصاد”.
المستوى الثاني: المعيار المرجعي أو التقييم المضبوط
يحدد التقييم مهامًا، وشروطًا، وقاعدة تسجيل. ويمكنه مقارنة الأنظمة بشكل أكثر منهجية من قصة عابرة. وتستخدم التقييمات القوية مهامًا محجوزة، وتمنع التلوث، وتُبلِّغ عن عدم اليقين، وتوثّق الهيكل والمساعدة البشرية، وتختبر أنماط الإخفاق ذات الصلة. ويزيد التكرار المستقل من الثقة.
ومع ذلك يمكن لدرجات المعايير المرجعية أن تُضلِّل. فقد تحتوي بيانات التدريب على أسئلة مشابهة. وقد تُحسِّن الفرق أداءها لاختبار عام. ولا تُثبت المعرفة متعددة الخيارات مهارة في مكان عمل غير مألوف. وتُخفي المتوسطات إخفاقات كارثية في الذيل. وقد يكون نظام ينجح في 90 بالمئة من الحالات غير قابل للاستخدام في سير عمل من 30 خطوة لأن الأخطاء تتراكم.
يستخدم التقرير الدولي لسلامة الذكاء الاصطناعي 2026 مصطلح “فجوة التقييم” للمشكلة المتمثلة في أن نتائج الاختبارات المضبوطة قبل النشر لا تتنبأ بشكل موثوق بالأداء في العالم الحقيقي. كما يصف ملامح القدرة الحالية بأنها “متفاوتة”: يتباين الأداء بشكل كبير بين المهام والسياقات، ويمكن للأنظمة أن تفشل في عمل يبدو بسيطًا رغم نجاحها في تقييمات صعبة. وهذه نتائج بشأن حدود القياس، لا إثبات أن كل معيار مرجعي عديم الفائدة. وينبغي لمقال موثوق أن يُبلِّغ عن الدرجة وعمّا يغفله الاختبار على حد سواء.
المستوى الثالث: الدراسات الخصامية، والسببية، ودراسات الرفع
تحتاج ادعاءات المخاطر إلى أكثر من معيار مرجعي قياسي. تبحث الفرق الحمراء عن طرق لاستدعاء سلوك محظور أو خطر. وتُغيّر التجارب السببية سمة واحدة وتختبر ما إذا كانت النتائج تتغير. وتقارن دراسات الرفع ما يستطيع الأشخاص تحقيقه بالذكاء الاصطناعي مقابل خط أساس ذي دلالة، كالإنترنت وحده.
تجيب هذه الدراسات عن أسئلة مختلفة. تُظهر نتيجة فريق أحمر إمكانية الوصول تحت الهجوم المُختبَر، لا انتشارًا على مستوى السكان. وقد يُظهر تقييم قدرة أن نموذجًا يستطيع إنتاج خطة ضارة دون إظهار أن فاعلًا حقيقيًا يستطيع تنفيذها. وقد تكون دراسة رفع أكثر صلة بسوء الاستخدام، لكن مشاركيها، وحدها الزمني، وخط أساسها، ومقياس نتيجتها، وضماناتها تحدد ما تعنيه.
تُنتج العينات الصغيرة عدم يقين واسع. وقد يُقلِّل المشاركون الخبراء من تقدير الرفع للمبتدئين لكنهم يمثلون بشكل أفضل مهاجمين متطورين. وتتجنب المهام البديلة إحداث ضرر فعلي لكنها قد تُغفل عوائق العالم الحقيقي. وتشيخ النتائج بسرعة مع تغيّر النماذج والضوابط. ويسمّي التقرير الجيد هذه الحدود بدلًا من ضغطها إلى “الذكاء الاصطناعي يُتيح” أو “الذكاء الاصطناعي لا يزيد” المخاطر.
المستوى الرابع: أدلة الميدان والنشر
يمكن لبيانات العالم الحقيقي أن تكشف عن التبنّي، والإنتاجية، والحوادث، وسوء الاستخدام، والتكيّف المؤسسي. ويمكن للتجارب الميدانية العشوائية وشبه التجارب المصممة بعناية أن تُقدِّر آثارًا سببية. ويمكن لقواعد بيانات الحوادث وبيانات الشكاوى أن تُظهر ضررًا متكررًا. ويمكن للتدقيقات أن تكشف تفاوتات لم يختبرها مختبر المطوِّر.
كما أن لأدلة النشر نقاطًا عمياء. فالشركات تلاحظ أكثر مما تُفصح عنه. ويختار المستخدمون ما إذا كانوا سيتبنون أداة وكيف، ما يُحيّز المقارنات البسيطة. والحوادث المُبلَّغ عنها ليست كل الحوادث. ومكسب إنتاجي في خدمة العملاء لا يُعمَّم تلقائيًا على البحث، أو الإدارة، أو الطب، أو الروبوتات.
وينبغي للقراء البحث عن الفئة السكانية، والإعداد، ومجموعة المقارنة، والفترة الزمنية، والنتيجة، وتضارب المصالح. و“أنجز العمال مهامًا أكثر” يختلف عن “خلقت الشركة قيمة أكبر”، ويختلف كلاهما عن “انخفضت العمالة”. وينبغي ألا تُعاد تسمية أدلة العمالة الحالية بشأن الذكاء الاصطناعي التوليدي كأدلة على ذكاء عام اصطناعي افتراضي.
المستوى الخامس: استقراء الاتجاه والتنبؤ
تجمع التنبؤات بين القياسات والافتراضات. ويمكن لاتجاهات الحوسبة، والتقدم الخوارزمي، والاستثمار، وأداء المعايير المرجعية، وموثوقية الوكلاء أن تُثري تنبؤًا، لكن لا شيء منها يحدد بمفرده تاريخًا للذكاء العام الاصطناعي. وقد تخفّ القيود، أو تتشدد، أو تتحول. وقد تتغير التعريفات.
يُقدِّر بحث آفاق الزمن لدى METR وقت إنجاز خبير بشري للمهام التي يُتوقَّع فيها نجاح وكيل مُختبَر بموثوقية معلَنة، عادةً 50 أو 80 بالمئة. وتتألف مجموعتها الحالية أساسًا من مهام هندسة برمجيات، وتعلّم آلي، وأمن سيبراني مكتفية ذاتيًا وواضحة المواصفات بقواعد تسجيل واضحة. والمقياس دليل مفيد بشأن إعداد وكيل مُحدَّد وتوزيع مهام مُحدَّد. وهو ليس الوقت الذي يعمل فيه الذكاء الاصطناعي بشكل مستقل، ولا مقياسًا لكل العمل ذي القيمة الاقتصادية، ولا مؤقتًا يعدّ تنازليًا نحو الذكاء العام الاصطناعي. وتُحذِّر METR أيضًا من أن القياسات فوق 16 ساعة غير موثوقة مع مجموعة مهامها الحالية.
قيّم التنبؤ من خلال تعريفه الإجرائي، وتاريخه، واحتماله، ونموذجه، ومعدله الأساسي، وسجله السابق. ويقول تنبؤ معايَر، من حيث الجوهر: “النتائج المخصَّص لها 30 بالمئة ينبغي أن تحدث في نحو 30 بالمئة من الحالات”. ولا يمكن تسجيل تاريخ واثق دون معايير حسم. وتلتقط استطلاعات الخبراء معتقدات مطَّلعة لكنها لا تحوّل الخلاف إلى دليل تجريبي.
وتخدم السيناريوهات غرضًا آخر. فهي تستكشف مسارات مشروطة: إذا اتخذت القدرات، والوصول، والاستقلالية، والاستجابة المؤسسية قيمًا محددة، فماذا يترتب على ذلك؟ ويمكن لسيناريو أن يكشف نقاط ضعف دون أن يكون المستقبل الأكثر احتمالًا. سمِّه وفقًا لذلك.
المستوى السادس: الآلية والحجة النظرية
لا يمكن إثبات بعض مخاطر الذكاء العام الاصطناعي الجسيمة مباشرة دون الأنظمة ذات الصلة — ولا ينبغي إنشاؤها لمجرد الحصول على إثبات. يقترح الباحثون بدلًا من ذلك آليات مثل اختراق المكافآت، والسعي الأداتي وراء الموارد، والسباقات التنافسية، أو التفويض التدريجي للسلطة. ويمكن للنماذج الصورية أن توضّح ما إذا كان استنتاج ما يتبع من افتراضات.
السؤال المركزي ليس ما إذا كانت الحجة تبدو حيّة. بل أي المقدّمات لها دعم تجريبي. هل يملك النظام هدفًا مستمرًا؟ هل يستطيع التخطيط عبر الأفق المطلوب؟ هل يملك وصولًا إلى أدوات، أو مال، أو بنية تحتية، أو نسخ من نفسه؟ هل ستفشل المراقبة؟ هل تستطيع المؤسسات الاستجابة؟ يمكن لكل حلقة أن تُغيّر احتمال السلسلة بأكملها.
غياب بيانات كارثة مباشرة ليس دليلًا على مخاطر صفرية. ولا يُثبت مسار ممكن منطقيًا احتمالًا كبيرًا. وينبغي للقرارات تحت عدم اليقين أن تراعي العاقبة، وقابلية العكس، ووقت الإنذار، وتكلفة الضمانات وفعاليتها. وهذا حكم في إدارة المخاطر، لا اكتشاف بأن النظرية قد أصبحت ملاحظة.
استخدم بطاقة أدلة للادعاءات ذات العواقب
لأي بيان مهم، سجّل ستة حقول:
- الادعاء: القضية الضيقة المطروحة فعليًا.
- الحالة: نتيجة مُلاحَظة، أو استدلال، أو تنبؤ، أو سيناريو، أو توصية.
- المصدر: دراسة أولية، أو بيانات رسمية، أو تجميع، أو تقرير شركة، أو إعلام، أو رأي.
- النطاق: النموذج، والإصدار، والمهمة، والفئة السكانية، والولاية القضائية، والتاريخ.
- عدم اليقين: حجم العينة، وفاصل الثقة، والتكرار، والبيانات المفقودة، والبدائل المعقولة.
- مُحفِّز التحديث: أدلة من شأنها تعزيز الادعاء أو إضعافه أو سحبه.
إن ملف الذكاء الاصطناعي التوليدي الطوعي الصادر عن NIST مكمّل عبر القطاعات لإطار إدارة مخاطر الذكاء الاصطناعي، لا اختبارًا أو شهادة للذكاء العام الاصطناعي. وينظّم إجراءات مقترحة تحت وظائف الإطار: الحوكمة، والرسم، والقياس، والإدارة، ويعامل إدارة المخاطر كنشاط دوري مستمر. وتدعو إرشادات القياس الأوسع لإطار NIST لإدارة مخاطر الذكاء الاصطناعي إلى اختبار موثَّق، ومقاييس لعدم اليقين، وقياس ذي صلة بالنشر، ومراقبة، ومراجعة مستقلة حيث يمكنها تقليل التحيّز الداخلي. والنموذج الدقيق أقل أهمية من جعل سلسلة الأدلة قابلة للتدقيق.
طابِق الثقة مع الأدلة
لا تتطلب تغطية موثوقة للذكاء العام الاصطناعي حيادًا زائفًا. بعض الحقائق راسخة جيدًا: تتحسن النماذج في تقييمات كثيرة، وتحدث أضرار حقيقية بالفعل، وتظل القدرات متفاوتة، وتملك المؤسسات رؤية ناقصة. أما القضايا الأخرى — تواريخ الذكاء العام الاصطناعي، والإقلاع غير المتصل، والوعي الرقمي، والمواءمة المستقرة، واحتمالات الانقراض — فتظل محل نزاع عميق.
الاستجابة المنضبطة هي الدقة. قل “وجدت الدراسة” عند وصف نتيجتها، و“يستدل المؤلفون” عند تجاوز ذلك، و“يخصص المتنبئون” عند الإبلاغ عن معتقد، و“يفترض هذا السيناريو” عند استكشاف مسار. ثم اربط المصدر قريبًا من الادعاء.
قد تبدو هذه اللغة أقل درامية من عدّ تنازلي أو إعلان. لكنها أكثر فائدة. وستتخذ البشرية قرارات أفضل بشأن الذكاء الاصطناعي المتقدم من خلال معرفة ما تدعمه الأدلة، وأين تتوقف، وما الذي سيغيّر التقييم.