تحديث مخطط أفق الزمن لـ METR يكشف عن نمو أسي في مهام الذكاء الاصطناعي القابلة للتحقق، بينما لا تزال المهام التي تتطلب الحكم البشري متأخرة
يؤكد مخطط METR المحدث التقدم الأسي في مهام الذكاء الاصطناعي القابلة للتحقق، لكن النماذج لا تزال متأخرة في المهام التي تتطلب حكماً بشريًا.
ف
··دقيقتان قراءةفريق تحرير ساي تك
هيئة التحرير

أصدر معهد METR غير الربحي لتقييم الذكاء الاصطناعي تقريرًا محدثًا لمخطط أفق الزمن (time‑horizon plot) الذي يُظهر أن النماذج المتقدمة ما زالت تضاعف طول المهام القابلة للتحقق التي يمكنها إكمالها كل أربعة أشهر. يضيف التحديث مجموعة مهام أوسع، تشمل بعضها مهام تستغرق من البشر ساعات أو أيام، مثل تصميم تقييمات جديدة للذكاء الاصطناعي وتقييم الحجج الفلسفية، في حين تستمر الزيادة الأسية في مجالات البرمجة والرياضيات.
اعتمدت METR على منهجية تقيس صعوبة كل مهمة بمدة إنجازها من قبل مختبرين بشريين، ثم تُصنّف النماذج بحسب أطول مهمة يمكنها إكمالها. في مهمة تصميم تقييمات الذكاء الاصطناعي، لم يتجاوز نموذج Opus 5.5 (أحدث نموذج في السلسلة) مستوى "حدود فوق العتبة" (borderline‑above‑the‑bar)، وهو ما يعتبر غير كافٍ لاستخدامه في أبحاث METR. وعلى صعيد تقييم الحجج الفلسفية، سقطت النماذج أيضًا دون مستوى الأداء البشري، ما يؤكد الفجوة المستمرة في المهام التي تتطلب حكماً بشريًا.
يُفسّر الخبراء هذه النتائج كإشارة محورية لتطوير البحث والتطوير (R&D) المدعوم بالذكاء الاصطناعي. يقول ساياش كابور (Sayash Kapoor)، عالم حاسوب سينضم إلى جامعة كاليفورنيا في بيركلي: "نحن الآن في مرحلة تحتاج فيها تقييمات الذكاء الاصطناعي إلى إبداع أكبر". عدم قدرة النماذج الحالية على صياغة معايير تقييم مفيدة أو إظهار ذوق بحثي موثوق يشير إلى أن أتمتة خط أنابيب البحث العلمي بالكامل لا تزال هدفًا بعيد المنال.
مع ذلك، تُظهر البيانات تقدمًا تدريجيًا؛ إذ أن أداء Opus 5.5 الحدودي يمثل قفزة مقارنةً بالعام الماضي، حين كان جميع النماذج تُصنّف "واضحًا تحت العتبة". تحذر نجونغ كيم (Najoung Kim) من جامعة بوسطن من تعميم النتائج على المهام الصعبة القياس، وتؤكد أن توقع التقدم في هذه المجالات سيظل معقدًا، وهو ما يعترف به فريق METR التقني.
النتيجة الأوسع هي أن الذكاء الاصطناعي يواصل تسارعه في المهام القابلة للتحقق تلقائيًا، لكن الرحلة نحو نماذج تستطيع ممارسة الحكم السليم—وهو أمر أساسي لأتمتة الاكتشاف العلمي—تستوجب تبني أساليب تدريب وإطارات تقييم جديدة. لذا يجب على الصناعات والمؤسسات الأكاديمية التركيز على تطوير مقاييس تلتقط تعقيدات حل المشكلات المفتوحة، لتفادي توقف المنحنى الأسي عند مواجهة التفكير البشري الحقيقي.



