لماذا توجد هذه الصفحة
يميل معظم هذا الدليل إلى أخذ مخاطر الذكاء العام الاصطناعي على محمل الجد، لأن معظمه يتناول ما يحدث إن كان المتفائلون على حق. وهذا الموقف يجعل من السهل اختزال المتشككين في صورة كاريكاتورية — “إنهم ببساطة لا يفهمون التوسع” — والمضي قدمًا. وهذا إجحاف بحق موقف جوهري يتبناه باحثون بنوا بعض الأدوات التأسيسية لهذا المجال. تعرض هذه الصفحة حججهم الفعلية، لا نسخة صُمِّمت لتخسر، دون التحكيم في من هو المصيب؛ راجع كيف تزن الأدلة على الذكاء العام الاصطناعي وتنبؤات الجدول الزمني للذكاء العام الاصطناعي لمعرفة كيف يُبلَّغ عادةً عن نطاق الآراء.
يان لوكون: لا نموذج عالم، لا تخطيط
غادر يان لوكون شركة Meta في نوفمبر 2025 بعد اثني عشر عامًا، تضمنت تأسيس مختبرها FAIR، وبحلول مارس 2026 كان الرئيس التنفيذي والمؤسس المشارك لشركة AMI Labs، وهي شركة ناشئة مقرها باريس جمعت جولة تمويل تأسيسية بقيمة 1.03 مليار دولار — وهي بحسب التقارير أكبر جولة تمويل تأسيسية مسجَّلة لشركة ناشئة أوروبية — لبناء ما يسميه “نماذج العالم” (TechCrunch). وهذا مهم: فتشكك لوكون لم يتحوّل إلى مجرد تحفّظ — بل تصلّب إلى شركة يراهن عليها بمسيرته المهنية.
اعتراض لوكون حجة معمارية، وليس نظرية تثبت أن نماذج المحوّلات لا تستطيع التخطيط. تتنبأ النماذج ذاتية الانحدار القياسية بالرموز من دون نموذج صريح ودائم للعالم أو مخطِّط منفصل. تستخدم كل عملية تمرير للنموذج رسمًا حسابيًا ثابتًا، لكن النظام الأوسع يستطيع تخصيص حساب استدلالي أكبر عبر توليد رموز إضافية أو تقييمها أو مراجعتها. قد يحسّن ذلك النتائج من دون أن يثبت وجود تخطيط راسخ وطويل الأمد.
يقترح لوكون بدلًا من ذلك نموذجًا قابلًا للتهيئة للعالم يتنبأ بحالات مستقبلية معقولة، مقترنًا بفاعل يبحث عن أفعال على مستويات متعددة من التجريد (ورقة موقف لوكون؛ نظرة ميتا البحثية). هذا اتجاهه البحثي المقترح، وليس حكمًا مستقرًا على ما يستحيل أن تفعله نماذج اللغة الحالية. والرهان هو أن الذكاء الذاتي المتين سيحتاج إلى معماريات تتعلم من الفيديو والخبرة المكانية والحسية الحركية، لا من النص وحده.
أندرو نغ: ارفع سقف الأدلة
يجادل أندرو نغ — مؤسس DeepLearning.AI، والشريك العام المُدير في AI Fund، وأستاذ مساعد في ستانفورد — بأن “الذكاء العام الاصطناعي تحوّل إلى مصطلح ضجيج إعلامي أكثر منه مصطلحًا ذا معنى دقيق”، وأن الصناعة تبعد عقودًا عن نظام قادر على أداء أي مهمة فكرية يستطيع الإنسان أداءها، من قيادة شاحنة إلى كتابة أطروحة دكتوراه (PYMNTS). ومساهمته الملموسة منهجية: “اختبار تورينغ-الذكاء العام الاصطناعي” المقترح، حيث يصمم حكم تجربة عمل حقيقي متعددة الأيام — مهام فعلية، لا عرضًا توضيحيًا منتقى — ولا ينجح النظام إلا إذا أدى أداءً جيدًا كإنسان ماهر. والفكرة: نقل الأهداف من درجات لوحات الترتيب إلى الأداء المستمر، لنزع فتيل ما يراه ضجيجًا لمخاطر فقاعة.
غاري ماركوس: الهلوسة، وانهيار الاستدلال، وحساب الافتراضات المتراكمة
بنى غاري ماركوس، الأستاذ الفخري لعلم النفس والعلوم العصبية في جامعة نيويورك ومؤسس Geometric Intelligence وRobust.AI، حجة متعددة الجبهات. بشأن الموثوقية: النماذج اللغوية الكبيرة “لا تعرف حرفيًا الفرق بين الحقيقة والزيف”، ويستشهد بإثبات صوري بأنها ستهلوس حتى مع بيانات مثالية وحوسبة غير محدودة — وقد تأكد ذلك، بحسب قوله، عندما فشل GPT-5 (أغسطس 2025) في حل مشكلة الهلوسة وهلوس o3 من OpenAI أكثر من سابقيه (Marcus on AI). وبشأن الاستدلال: “لن نحل الفيزياء بأنظمة لا تستطيع لعب برج هانوي على برج من 8 أقراص” — مستشهدًا باكتشاف آبل أن نماذج “الاستدلال” في النماذج اللغوية الكبيرة تنهار بعد عتبة تعقيد معينة بدلًا من أن تتدهور بسلاسة.
وتدخّله الأكثر مناقشة على نطاق واسع منهجي: تفنيد سيناريو التنبؤ “AI 2027” بوصفه “خيالًا متنكرًا في زي العلم” — يستعير تقنيات سردية بينما يعرض استشهادات وحواشي كما لو أن النتيجة تنبؤ. ويُفكّك ماركوس السيناريو إلى نحو ثمانية معالم متتابعة من “قفزات الإيمان”، ويضرب احتمالاتها الفردية الضمنية ببعضها، ويُظهر أن الاحتمال المُركَّب لنزول السلسلة الكاملة في موعدها يقترب من الصفر (Substack) — مدعومًا بسجل التنبؤ نفسه: هلوسات أُعلن أنها “حُلَّت” في 2024، وسيارات ذاتية القيادة يُفترَض أنها “في كل مكان” بحلول 2017. والجدير بالذكر أن ماركوس لا يجادل بأن “الذكاء العام الاصطناعي مستحيل” — “أي شخص يعتقد أن الذكاء العام الاصطناعي مستحيل” مخطئ بقدر خطأ أي شخص يعتقد أنه وشيك، بحسب قوله — ويضع الآن وصولًا معقولًا بحلول عام 2100، لا 2027. وهذا الموقف نفسه دليل على أن معسكر المتشككين تشتت لا موقف واحد — وهي نقطة تطرحها صفحة تنبؤات الجدول الزمني عن المجال ككل.
تيم ديتمرز: الحوسبة مادية
يطرح تيم ديتمرز، الباحث في معهد آلن للذكاء الاصطناعي، حجة لا تعتمد على بنية النموذج — بل تتعلق بالفيزياء. يجادل بأن الأداء لكل دولار من معالجات الرسوميات وصل إلى هضبة نحو عام 2018، وأن معظم المكاسب الظاهرة منذ ذلك الحين جاءت من حسابات عددية أقل دقة — إجراء الحساب الرياضي نفسه بتكلفة أرخص — بدلًا من نمو حوسبة حقيقي. ويُقدِّر أنه “ربما تبقى سنة، ربما سنتان أخريان من التوسع” قبل أن تصطدم المكاسب بجدران الذاكرة، والإدخال والإخراج، والطاقة، حيث تنمو الطاقة والتكلفة أُسّيًا مقابل مكاسب قدرة خطية فقط (timdettmers.com). ويؤطّر “الذكاء العام الاصطناعي” على أنه يتطلب كفاءة ذات دلالة اقتصادية في مهام مادية، لا درجات معايير مرجعية، ويمدّ المنطق إلى نهايته: فذكاء خارق سيواجه القيود المادية نفسها عند تحسين مكدس استدلاله الخاص. وبخلاف الحجج أعلاه، لا تعتمد هذه الحجة على كون المرء محقًا بشأن النماذج اللغوية الكبيرة تحديدًا — بل هي ادعاء عن الركيزة التي يعمل عليها أي ذكاء رقمي.
القائمة الأقصر: انظر أيضًا
تُكمِّل قائمة أقصر الحجة. يحتفظ رودني بروكس، كبير مسؤولي التقنية في Robust.AI والأستاذ الفخري للروبوتات في معهد MIT، بسجل سنوي مؤرَّخ وقابل للدحض للتنبؤات — انضباط نادر بين معلّقي الذكاء الاصطناعي — ويجادل من خلال عقود من خبرة الروبوتات بأن تقدم المعايير المرجعية الضيقة يستمر في أن يُخلَط به مع الكفاءة العامة. ويشير فرانسوا شوليه، صانع معيار ARC-AGI المرجعي، إلى نماذج تسجل قرب الصفر في مهام بُنيت لمقاومة الحفظ — إذ سجّلت نسخة ARC-AGI-3 الأحدث أفضل نماذج 2026 أقل من 1% مقابل 100% للبشر — كدليل على أن الذكاء هو كفاءة اكتساب المهارة، لا التوسع. ويجادل سوبارا كامبهامباتي من جامعة ولاية أريزونا بأن النماذج اللغوية الكبيرة لا تستطيع التخطيط أو التحقق الذاتي بغض النظر عن التوجيه، ويشكك الآن فيما إذا كانت رموز سلسلة الأفكار تمثل استدلالًا حقيقيًا أصلًا. وتجادل ميلاني ميتشل من معهد سانتا في بأن نجاح النماذج اللغوية الكبيرة يعكس مطابقة أنماط عبر توزيعات التدريب لا استدلالًا سببيًا. وتجادل إميلي بندر، اللغوية في جامعة واشنطن والمؤلفة المشاركة لـ“الببغاوات الاحتمالية”، بأن المخرجات الطليقة شكل بلا فهم متجذر — فالنماذج المُدرَّبة على التنبؤ بتسلسلات الكلمات تفتقر إلى الوصول إلى النية التواصلية.
منهجية التنبؤ نفسها هدف
وراء أي باحث فردي، يصوّب المتشككون مباشرة على كيفية إنتاج الجداول الزمنية للذكاء العام الاصطناعي. تُظهر منهجية استطلاع الخبراء أثرًا موثَّقًا جيدًا لـ“الأفق المتحرك” — يضع المستجيبون الذكاء العام الاصطناعي على بُعد نحو خمسة عشر إلى خمسة وعشرين عامًا بغض النظر عن وقت سؤالهم — ويتفاقم ذلك بآثار اختيار وحساسية للصياغة. ويُصنّف تقرير لمؤسسة RAND في مارس 2026 هذه المشكلات بشكل منهجي عبر طرق الاستطلاع، وأسواق التنبؤ، واستقراء الحوسبة على حد سواء (RAND).
وقد جذب مقياس “أفق الزمن” الخاص بـMETR نفسه — وهو منحنى القدرة الأكثر استشهادًا كدليل على التسارع، والمُناقَش في صفحة تنبؤات الجدول الزمني — تدقيقًا شمل METR نفسها. وكشف إشعار في يناير 2026 عن تصحيح بنسبة 35% طُبِّق على مطابقة لوجستية بميل ثابت، وأن نحو ثلث تقديرات صعوبة المهام مُستنتَجة لا مقيسة، وأن METR “لا تعرف” ما إذا كان الأفق الزمني الحقيقي لنموذج ما يقع فعليًا داخل فاصل الثقة الذي تُبلِّغ عنه (METR). وذهب نقد مستقل نُشر قبل أيام إلى أبعد من ذلك: المهام نظيفة على نحو غير واقعي، وقد تكون الحلول العامة قد لوّثت البيانات، وجاءت أوقات خط الأساس البشري من عينة صغيرة محفَّزة ماليًا رجّح أنها ضخّمت الوقت الذي “ينبغي” أن تستغرقه المهام — ما يجعل التسارع الظاهري للذكاء الاصطناعي مصنوعة مقارنة جزئيًا (Transformer News). وعلى أي حال، تُعاد تسعير حصة كبيرة من استدلالات المجال بشأن الجداول الزمنية بناءً على مطابقة منحنى واحد مشوَّش لا يستطيع مؤلفوه أنفسهم ضمانه بالكامل.
ويتفاقم ذلك بمشكلة أقدم: قانون غودهارت المُطبَّق على المعايير المرجعية. فبمجرد أن يصبح معيار مرجعي هدف تحسين، تُضبط المختبرات النموذج نحو لوحة الترتيب بدلًا من البنية التي يقيسها — فقد انتقل MMLU من درجة 43 نقطة لـGPT-3 مقابل خط أساس بشري بـ90 نقطة في 2020 إلى تجمّع أفضل النماذج بإحكام شديد بحلول منتصف 2024 لدرجة أن الفروق تقع ضمن ضجيج تنسيق التوجيه. ويجعل التلوث الناتج عن تسرّب المعايير المرجعية قراءة الدرجات المرتفعة كمكسب حقيقي أصعب. راجع كيف تزن الأدلة على الذكاء العام الاصطناعي وسلّم القدرات لمعرفة لماذا يُعدّ “تجاوز معيار مرجعي” و“بلوغ الذكاء العام الاصطناعي” ادعاءين مختلفين.
ما لا تدّعيه هذه الصفحة
لا يرقى شيء من هذا إلى حجة بأن الذكاء العام الاصطناعي مستحيل، ولا يطرح أي من الباحثين أعلاه هذا الادعاء — فماركوس صريح في أن كلا الطرفين مخطئان. وما تُثبته الصفحة جوهر حقيقي: قيود بنيوية لا تُحَل بوضوح بالتوسع، وسقف حوسبة مادي لا يبالي بأي خارطة طريق، وجهاز تنبؤ لا يستطيع، بحسب اعتراف METR نفسها، ضمان المنحنى الذي يستشهد به الجميع بالكامل. أما هل يُجمَع ذلك إلى “بُعد عقود” أم “أقرب مما تقترحه هذه الصفحة” فهو بالضبط ما يمتنع هذا الدليل عن حسمه للقارئ. ما لن يفعله هو ترك حجة المتشككين صورة كاريكاتورية.