التحسين الذاتي للذكاء الاصطناعي: دراسة حديثة تلقي بظلال من الشك على التوقعات المتفائلة

تعد الوعود الجريئة لصناعة الذكاء الاصطناعي بأن الأنظمة ستتمكن قريبًا من تحسين نفسها ذاتيًا، مع الحد الأدنى من الإشراف البشري، من أبرز التوقعات التي تسيطر على المشهد التقني. فنماذج اللغات الكبيرة (LLMs) باتت قادرة بالفعل على كتابة الأكواد البرمجية، وتوليد بيانات اصطناعية للتدريب، وحتى تحسين الرقائق الحاسوبية التي تعمل عليها. وتتنبأ التوقعات المتفائلة بتقدم انفجاري في الذكاء الاصطناعي، حيث يُنظر إلى ما يسميه الباحثون "التحسين الذاتي المتكرر" (recursive self-improvement) على أنه قاب قوسين أو أدنى. لكن دراسة جديدة، نشرت نتائجها مؤخرًا، تلقي بظلال من الشك على هذه الجداول الزمنية المتفائلة، مشيرة إلى أن الوصول إلى هذا المستوى قد يستغرق وقتًا أطول مما هو متوقع. فقد وجد الباحثون القائمون على هذه الدراسة أن وكلاء الذكاء الاصطناعي ليسوا بعد قادرين على إجراء "أبحاث الذكاء الاصطناعي مفتوحة النهاية" (open-ended AI research) – وهي تحقيقات حرة لا تحتوي على إجابات واضحة وتتطلب حكمًا وذوقًا، وهي مهارات قد تكون أساسية لبناء ذكاء اصطناعي قادر على التحسين الذاتي. قاد فريقًا متعدد المؤسسات من الباحثين، بقيادة بيتر كيرجيس وساياش كابور من جامعة برينستون، هذه الدراسة التي كشفت أن وكلاء الذكاء الاصطناعي يمكنهم حل المشكلات الهندسية الضرورية لإجراء أبحاث الذكاء الاصطناعي، لكنهم يفتقرون إلى القدرة على إصدار الأحكام والإبداع اللازمين لإنتاج أبحاث أصلية بمستوى الأوراق البحثية المقبولة في مؤتمرات تعلم الآلة الكبرى. تشير هذه الفجوة إلى أن بعض الجداول الزمنية المبالغ فيها لأتمتة أبحاث الذكاء الاصطناعي قد تكون سابقة للأدلة المتاحة. فمعظم الأبحاث الحالية حول كيفية قيام الوكلاء بأتمتة أبحاث الذكاء الاصطناعي تقيّم قدرتهم على إكمال مهام ضيقة ذات إجابات قابلة للتحقق، مثل حل المشكلات الهندسية أو تدريب نماذج لغوية صغيرة بعد التدريب مقابل معيار محدد. لكن إحراز تقدم حقيقي في أبحاث الذكاء الاصطناعي يتطلب أيضًا تفكيرًا مفتوح النهاية – مثل اختيار مجموعة من الفرضيات، وتحديد الأدلة التي ستحسم سؤالاً ما، أو معرفة متى يجب البدء من جديد. لاختبار الوكلاء على هذه الأنواع من المهارات، اقترح الباحثون في الدراسة طريقة تقييم جديدة أطلقوا عليها اسم "التقييم الظلي" (shadow evaluation)، والتي تتطلب من الذكاء الاصطناعي الإجابة على سؤال بحثي من ورقة بحثية عالية الجودة غير منشورة. وقد طلب الباحثون من نموذج Claude Opus 4.8 من شركة Anthropic، الذي يعمل على برنامج مفتوح المصدر يسمى OpenClaw، معالجة مثل هذه الأسئلة، وفي هذه الحالة، كانت من ورقتين بحثيتين مقدمتين لمؤتمر NeurIPS 2026 المرموق لتعلم الآلة. تؤكد هذه النتائج على أن الطريق نحو تحقيق التحسين الذاتي الحقيقي للذكاء الاصطناعي قد يكون أكثر تعقيدًا ويتطلب تطوير قدرات إدراكية شبيهة بالبشر، تتجاوز مجرد حل المشكلات التقنية، لتشمل الإبداع والحكم والتفكير النقدي المفتوح.