Artificial General Intelligence (AGI)

الذكاء الاصطناعي العام (AGI) شكل افتراضي من الذكاء الاصطناعي (AI) يضاهي القدرات البشرية أو يتجاوزها في جميع المهام المعرفية تقريبًا، ويتعلم مهامًا جديدة من دون تصميمه أو إعادة تدريبه لكل مهمة. ووفق معظم التعريفات، فإن كل نظام ذكاء اصطناعي مستخدم اليوم هو ذكاء اصطناعي ضيق (ANI)، لا يبرع إلا ضمن النطاق الذي تدرب عليه، مع أن نماذج اللغة الكبيرة (LLMs) التي تكتب وتبرمج وتستدل عبر مجالات عديدة جعلت هذا الحد موضع نقاش مستمر. وفي الاستخدام الحديث، يُعد الذكاء الاصطناعي القوي مرادفًا لـAGI. استخدم Mark Gubrud المصطلح في 1997، وروّج له الباحثان Shane Legg وBen Goertzel نحو عام 2002.

تعريف AGI#

لا يوجد تعريف واحد متفق عليه لـAGI، وتقيس المقترحات الرئيسية جوانب مختلفة:

• الناتج الاقتصادي: يعرّف ميثاق OpenAI AGI بأنه «أنظمة مستقلة بدرجة عالية تتفوق على البشر في معظم الأعمال ذات القيمة الاقتصادية».
• الأداء والعمومية: اقترح فريق من Google DeepMind مستويات AGI، وهو إطار يقيّم النظام على محورين: مدى جودة أدائه مقارنةً بالبالغين المهرة، من مستوى ناشئ (مساوٍ لإنسان غير ماهر أو أفضل منه قليلًا) إلى مستوى يفوق البشر (أفضل من جميع البشر)، وما إذا كان يحقق ذلك الأداء في مهمة واحدة أم عبر نطاق واسع من المهام غير البدنية، بما فيها تعلم مهارات جديدة.
• كفاءة التعلم: يعرّف فرانسوا شوليه في «حول مقياس الذكاء» (2019) الذكاء بأنه كفاءة اكتساب المهارات: أي مدى سرعة إتقان النظام للمهام التي لم يسبق له رؤيتها، مع محدودية البيانات والمعرفة السابقة، بدلًا من مقدار المهارات التي اكتسبها بالفعل.
• العقل والفهم: يتمثل السؤال الفلسفي في ما إذا كانت الآلة ستفهم حقًا وسيكون لها عقل، وهو المعنى الأصلي للذكاء الاصطناعي القوي في حجة الغرفة الصينية التي طرحها جون سيرل عام 1980.

يصنّف إطار مستويات الذكاء الاصطناعي العام (AGI) النظام باستخدام ما يصل إلى ثلاثة أسئلة، يبدأ أولها بالعمومية:

صنّف المؤلفون روبوتات المحادثة لعام 2023، مثل ChatGPT وBard وLlama 2، ضمن الذكاء الاصطناعي العام الناشئ، وأدرجوا كل مستوى أعلى من العمومية باعتباره لم يتحقق بعد، في حين تغطي الأنظمة الضيقة النطاق المقياس بالفعل وصولًا إلى مستوى الذكاء الفائق للبشر، حيث وضعوا AlphaFold وAlphaZero وStockfish.

الذكاء الاصطناعي العام مقابل الذكاء الاصطناعي ضيق النطاق والذكاء الفائق#

• ANI: يتفوق ضمن نطاق محدد، ويحتاج إلى بيانات جديدة وإعادة التدريب لإنجاز أي شيء خارجه. يقع كاشف Ultralytics YOLO26 المدرّب على COCO في عمود الأنظمة ضيقة النطاق ضمن إطار المستويات: فهو يعثر على 80 فئة من الكائنات ويضع تسميات لها خلال أجزاء من الثانية لكل صورة، ولا يستطيع تعلّم فئة جديدة أو الإجابة عن سؤال أو التخطيط لإجراء من دون إعادة تدريب أو أنظمة أخرى تعمل معه.
• AGI: يضاهي الأشخاص المهرة في معظم المهام المعرفية، وينقل ما يتعلمه إلى مجالات لم يُدرّب عليها قط؛ وهي قدرة لا يوفرها التعلّم بالنقل اليوم إلا بين المهام وثيقة الصلة.
• الذكاء الاصطناعي الفائق (ASI): يتجاوز أفضل البشر في كل المجالات تقريبًا. والنظام الذي يطوّر ذكاءه بوتيرة أسرع مما يستطيع الناس مواكبتها هو السيناريو الكامن وراء التفرّد التكنولوجي.
• الذكاء الاصطناعي القوي: مرادف للذكاء الاصطناعي العام في الاستخدام الحديث. أما في المعنى الأصلي لدى سيرل، فهو آلة تمتلك عقلًا حرفيًا؛ وهو ادعاء بشأن الفهم لا تتناوله اختبارات القدرات.

تربك نماذج اللغة الكبيرة المتقدمة هذه الفئات. إذ يستطيع نموذج واحد صياغة العقود وحل مسائل الرياضيات التنافسية ووصف الصور، لكن قدراته غير متوازنة، وهو نمط يُسمّى الذكاء المتعرّج، كما تتوقف أوزانه عن التعلّم عند انتهاء التدريب.

مسائل مفتوحة#

• التعلّم المستمر: لا تتكيف النماذج المنشورة إلا ضمن نافذة السياق الخاصة بها، كما أن مواصلة تدريبها على بيانات جديدة تنطوي على خطر النسيان الكارثي للمهارات السابقة.
• الموثوقية: حتى النماذج التي تجتاز اختبارات الخبراء تُصدر أخطاء بثقة، مثل الهلوسات، وتفشل على نحو غير متوقع عند مواجهة تغييرات بسيطة في المهام التي تنجح في حلها.
• العالم المادي: يجب أن تدرك أنظمة الذكاء الاصطناعي المتجسد البيئات الحقيقية وتخطط فيها وتتصرف، وتُعد نماذج العالم التي تتنبأ بتغير المشاهد أحد المسارات المقترحة نحو الحس السليم اللازم لذلك.
• المواءمة والتحكم: يبحث أمان الذكاء الاصطناعي، بما في ذلك المواءمة الفائقة، في كيفية ضمان أن يواصل نظام قد يتجاوز قدرات المشرفين عليه السعي إلى الأهداف التي قصدها الناس.

قياس التقدم نحو الذكاء الاصطناعي العام#

تختلف الاختبارات باختلاف التعريفات. وتتبع معايير ARC-AGI تعريف شوليه باستخدام ألغاز جديدة يسهل على الناس حلها، وتُقيّم على مجموعات اختبار مخفية لمنع حفظ الإجابات. واستبدل ARC-AGI-3، الذي أُطلق في مارس 2026، ألغاز الشبكات الثابتة بمئات البيئات التفاعلية للألعاب، من دون تعليمات أو أهداف معلنة، لذا يجب على الوكيل الاستكشاف واستنتاج القواعد والتخطيط؛ وعند الإطلاق، حقق المختبِرون البشر نتيجة 100%، بينما حققت أنظمة الذكاء الاصطناعي المتقدمة 0.51%. وفي سبتمبر 2026، أفادت مؤسسة ARC Prize Foundation بأن GPT-6 Astra من OpenAI حقق 62.7% باستخدام بيئة الاختبار القياسية، و99.9% باستخدام بيئة تحتفظ بحالة استدلال النموذج بين الحركات، وذكرت أن استنفاد المعيار لا يثبت تحقق الذكاء الاصطناعي العام. أما الاختبارات المعتمدة على المعرفة، مثل الامتحان الأخير للبشرية، فتقيس الإجابة عن الأسئلة بمستوى الخبراء.

تتباين التوقعات بشأن موعد ظهور الذكاء الاصطناعي العام تباينًا كبيرًا. ففي استطلاع شمل 2,778 باحثًا نشروا أبحاثًا في أبرز مؤتمرات الذكاء الاصطناعي، ونُشرت نتائجه عام 2024، أشار التوقع الإجمالي إلى احتمال 50% أن تتفوق الآلات المستقلة عن البشر على البشر في كل مهمة ممكنة بحلول عام 2047، أي قبل 13 عامًا من الموعد الذي توقعه استطلاع الفريق نفسه قبل عام.