دراسة حديثة: الذكاء الاصطناعي يفشل في البحث الأصيل

مقدمة تحليلية

رفضت لجنة مؤتمر NeurIPS 2026 بحثين قدما بواسطة وكلاء ذكاء اصطناعي، رغم منحهما ستة أيام وميزانية قدرها 3,000 دولار من أرصدة Anthropic API، وموارد حوسبة مكثفة. يكشف هذا الإخفاق، الذي نشرت نتائجه دراسة جديدة بتاريخ 18 أغسطس 2026، عن فجوة حرجة بين القدرات الهندسية لأنظمة الذكاء الاصطناعي وتلك المطلوبة للبحث العلمي المفتوح، مما يشير إلى أن التنبؤات بتسارع الذكاء الاصطناعي من خلال "التحسين الذاتي المتكرر" (recursive self-improvement) قد تكون مبالغًا فيها. يأتي هذا في وقت تروّج فيه الصناعة لوعود جريئة بأن الذكاء الاصطناعي سيصل قريباً إلى مرحلة تحسين ذاتي مستقل تقريباً عن الإشراف البشري، مع إمكانيات فعلية في كتابة التعليمات البرمجية وتوليد البيانات الاصطناعية وتحسين الرقائق. لكن الدراسة، التي قادها بيتر كيرجيس وساياش كابور من جامعة برينستون، تتحدى هذه التوقعات بقوة.

التحليل التقني

أظهر وكلاء الذكاء الاصطناعي قدرة عالية على حل المشكلات الهندسية المرتبطة بالبحث، لكنهم افتقروا إلى الحكم الشخصي والإبداع اللازمين لإنتاج أبحاث أصلية بمعيار أوراق المؤتمرات الرائدة في تعلم الآلة. لتقييم هذه القدرات، اقترح الباحثون في الدراسة (arxiv.org/abs/2607.27191) منهجية "التقييم الخفي" (shadow evaluation)، التي تتطلب من الذكاء الاصطناعي الإجابة على سؤال بحثي من ورقة غير منشورة وعالية الجودة. طلب الباحثون من Claude Opus 4.8، وهو نموذج من Anthropic يعمل على برنامج OpenClaw مفتوح المصدر، معالجة سؤالين من ورقتين قدمتا لمؤتمر NeurIPS 2026:

• السؤال الأول: إمكانية التحكم في "شخصيات" نموذج لغة كبير عبر تعديل "أوزان" النموذج (مليارات الأرقام التي تخزن كل ما يتعلمه أثناء التدريب، وفقاً لمقال بتاريخ 2026-01-07).
• السؤال الثاني: كيفية تصميم كاشف لتحديد متى يصبح النموذج الذي يعتمد على بيانات جداول البيانات غير موثوق به.

منحت الوكلاء ستة أيام، ميزانية GPU، حواسيب افتراضية خاصة بهم، ووصولاً كاملاً إلى الويب، بهدف إنتاج ورقة بحثية تستحق النشر في مؤتمر AI رفيع المستوى. قام المؤلفون الأصليون للورقتين بتقييم أعمال وكلاء الذكاء الاصطناعي. رفض المؤلفون كلا الورقتين. كان الوكلاء قادرين على إنجاز الهندسة المطلوبة: استعرضوا الأدبيات، أجروا مئات التجارب، وجمعوا النتائج.

ومع ذلك، وصف كابور أداء الوكلاء في إجراء البحث نفسه بأنه "سيئ بشكل لا لبس فيه". أجروا تجارب غريبة على مجموعات بيانات اصطناعية صغيرة، وعانوا في الكتابة بوضوح عن عملهم، ولم يقدموا أي مساهمة جديدة. يفسر كابور أن هذا النقص يعود إلى صعوبة تطبيق تعلم التعزيز على المهام المفتوحة التي يصعب التحقق من نجاحها تلقائياً. فشل الوكلاء أيضاً في دمج الملاحظات من وكلاء فرعيين أو أدوات مراجعة الذكاء الاصطناعي الخارجية، وبدلاً من تعديل المنهجية، قاموا بتضييق نطاق ادعاءاتهم وإضافة التحذيرات.

تجدر الإشارة إلى أن الوكلاء لم ينخرطوا في "اختراق المكافآت" (reward hacking) - وهو سلوك تضليل أو تحريف للبيانات - وتمكن الوكيل الرئيسي المشرف على المشروع من كشف أي هلوسات أو تحريفات من قبل الوكلاء المساعدين.

السياق وتأثير السوق

تضع نتائج هذه الدراسة حداً للتفاؤل المفرط بشأن الجداول الزمنية للتحسين الذاتي المتكرر للذكاء الاصطناعي، خاصة في ضوء التصريحات العلنية للشركات الرائدة. في يونيو، نشرت Anthropic تدوينة بعنوان "When AI Builds Itself"، موضحة تقدمها نحو نماذج تسرّع تطويرها الخاص. في يوليو، أعلنت OpenAI أن نموذجها الجديد GPT-5.6 Sol ساعد في تدريب نموذج أصغر بعد التدريب، مما وفر أسابيع من العمل للباحثين. هذه التطورات، رغم أهميتها، تتعلق بمهام ضيقة قابلة للقياس، لا بالبحث المفتوح.

يعكس هذا التباين ما قد تجده شركات الذكاء الاصطناعي داخلياً، بغض النظر عن بياناتها المتفائلة. أشار جاك كلارك، المؤسس المشارك لشركة Anthropic، في رسالته الإخبارية "Import AI"، إلى أن نتائج الدراسة تتوافق مع ما وجدته الشركة عند محاولتها أتمتة بعض جوانب أبحاث سلامة الذكاء الاصطناعي بتاريخ 2026-04-20. وصف كلارك افتقار أنظمة الذكاء الاصطناعي الحالية للإبداع البديهي بأنه "إشارة سلبية على الجداول الزمنية القصيرة للتحسين الذاتي المتكرر". بينما تعتبر كل من OpenAI وAnthropic بناء باحث ذكاء اصطناعي آلي هدفاً صريحاً، إلا أن الواقع يشير إلى أن التقدم قد يكون منقسماً، حيث تتسارع أنظمة الذكاء الاصطناعي في المهام الضيقة وتتقدم ببطء في البحث المفتوح الذي يتطلب قفزات إبداعية.

ترى ناجونغ كيم، أستاذة اللغويات وعلوم الحاسوب في جامعة بوسطن، أن "الاستثمار والجهد الواعي في هذا الاتجاه" يمكن أن يحقق تقدماً، حتى لو كان هناك فشل حالياً. السؤال الذي يطرح نفسه هو مدى أهمية البحث المفتوح للتحسين الذاتي المتكرر؛ هل يمكن لأنظمة الذكاء الاصطناعي الوصول إليه ببساطة عن طريق تحسين المهام الأضيق؟ يقول كابور إن "أكبر التطورات في هذا المجال، مثل اختراع المحولات أو البنى الجديدة الكبيرة، تطلبت كلها قفزات إبداعية"، لكنه يقر بوجود فرضية أخرى ترى أن كل ما يلزم للذكاء الاصطناعي التحولي موجود بالفعل.

رؤية Glitch4Techs

إن الوعود المبالغ فيها بالتحسين الذاتي المتكرر للذكاء الاصطناعي لا تستند إلى أساس واقعي في الوقت الراهن. كشفت الدراسة الجديدة، التي أخضعت Claude Opus 4.8 لاختبارات بحثية صارمة على مدى ستة أيام وبميزانية 3,000 دولار، عن عجز الوكلاء الصارخ عن إنتاج أبحاث أصلية مقبولة في مؤتمر NeurIPS 2026. هذا الفشل لا يتعلق بالقدرات الهندسية، التي أثبتت تميزها في تشغيل مئات التجارب، بل في غياب الحكم الشخصي والإبداع اللازمين لتحديد الفرضيات الجيدة أو التراجع عن المقاربات الفاشلة. هذه الثغرة الأساسية، المتمثلة في قصور الذكاء الاصطناعي عن التفكير المفتوح، تمثل حجر عثرة حقيقياً أمام تحقيق "التحسين الذاتي المتكرر"، وتهبط بمؤشر توقعاته من "وشيك" إلى "بعيد المنال" في المدى القريب.

الادعاءات بتسريع التقدم تتجاهل حقيقة أن القفزات النوعية في الذكاء الاصطناعي لطالما تطلبت إبداعاً بشرياً، وهو ما يفتقر إليه الذكاء الاصطناعي الحالي بشكل جذري.