دراسة تكشف ما لا يستطيع الذكاء الاصطناعي فهمه رغم تطوره

تكنولوجيا الخميس ١٩/نوفمبر/٢٠٢٦ ٠١:٤٤ ص
دراسة تكشف ما لا يستطيع الذكاء الاصطناعي فهمه رغم تطوره
صورة أرشيفية

مسقط - الشبيبة

رغم قدرة الذكاء الاصطناعي على تحليل كميات هائلة من البيانات واستخراج الموضوعات والأنماط المتكررة في المحادثات، فإنه لا يزال يواجه صعوبة في فهم المعاني الدقيقة والسياقات التي يقصدها البشر، وفق ما توصلت إليه دراسة أجراها باحثون في جامعة ميزوري الأميركية.

وأظهرت الدراسة، المنشورة في المجلة الدولية للمنهجيات النوعية (International Journal of Qualitative Methods)، أن أنظمة الذكاء الاصطناعي قادرة على تحديد معظم الموضوعات العامة التي يناقشها الأشخاص، لكنها قد تفقد فروقاً مهمة في المعنى والسياق أثناء تحليل المحادثات، بحسب تقرير نشره موقع «Digital Trends» واطلعت عليه «العربية Business».

الذكاء الاصطناعي يلتقط الموضوعات لكنه يفوّت تفاصيل المعنى

حلل الباحثون 32 مقابلة مع أعضاء هيئة تدريس وممارسين وطلاب في مجال التمريض، تناولت تجاربهم مع الذكاء الاصطناعي التوليدي، واستخدموا نظاماً لتحليل النصوص يُعرف باسم BERTopic، بهدف تحديد الموضوعات المتكررة، ثم قارنوا نتائجه بالموضوعات الرئيسية التي حددها باحثون بشريون باستخدام أساليب التحليل التقليدية.

ووفقاً للإعلان الصادر عن الجامعة، تمكن النظام في النتائج الأولية من إنتاج موضوعات تتشابه بدرجة كافية مع 11 موضوعاً من أصل 12 موضوعاً حددها الباحثون البشر.

لكن هذا التقارب لم يعنِ أن النظام فهم تلك الموضوعات بالمستوى نفسه الذي وصل إليه المحللون البشريون؛ ففي بعض الحالات، جمع النموذج أفكاراً مختلفة داخل فئة عامة واحدة، ما قد يؤدي إلى إغفال فروق مهمة بينها.

وفي حالات أخرى، قسّم موضوعاً واحداً إلى مجموعة من الموضوعات الفرعية الصغيرة، الأمر الذي جعل تحديد الرسالة الأساسية أكثر صعوبة.

كما رصد الباحثون أدلة محدودة على قدرة النظام على اكتشاف رؤى جديدة ذات قيمة بصورة متسقة، تتجاوز النتائج التي توصل إليها المحللون البشر بالفعل.

وتشير هذه النتائج إلى وجود فجوة بين قدرة الذكاء الاصطناعي على رصد الأنماط اللغوية والموضوعات المتكررة، وبين قدرته على تفسير المعاني الأعمق التي تحملها المحادثات البشرية.

إطار جديد لتقييم فهم الذكاء الاصطناعي

لمعالجة أوجه القصور هذه، طور فريق البحث إطاراً يحمل اسم «تدقيق التوافق والفائدة» (Alignment and Usefulness Rating Audit)، ويُعرف اختصاراً باسم AURA.

ويتألف الإطار من ست مراحل، تهدف إلى تقييم مدى توافق الموضوعات التي ينتجها الذكاء الاصطناعي مع مضمون المحادثات، ومدى فائدتها وقيمتها الفعلية في التحليل البحثي.

ولا يقتصر هذا التقييم على قياس قدرة الأنظمة على استخراج الموضوعات المتكررة، بل يمتد إلى فحص مدى ارتباط النتائج بالمعاني التي أراد المشاركون التعبير عنها، ومدى إسهامها في الوصول إلى استنتاجات دقيقة.

لماذا يظل التقييم البشري ضرورياً؟

تكتسب هذه النتائج أهمية في مجالات مثل الرعاية الصحية والتعليم والعلوم الاجتماعية، حيث يتطلب فهم تجارب الأشخاص أكثر من مجرد تحديد الكلمات أو الموضوعات الأكثر تكراراً، إذ يستلزم تفسير السياق والظروف المحيطة بكل تجربة.

فقد يستخدم شخصان الكلمات نفسها للتعبير عن تجربتين مختلفتين تماماً، كما يمكن أن تحمل العبارة الواحدة معاني متعددة تبعاً للظروف التي قيلت فيها، وهي تفاصيل قد لا تتمكن أنظمة الذكاء الاصطناعي من التقاطها بدقة عند تحليل النصوص آلياً.

ومع ذلك، فإن للدراسة بعض القيود؛ إذ استندت إلى عدد محدود نسبياً من المقابلات التي ركزت على مجال التمريض وتجارب استخدام الذكاء الاصطناعي التوليدي.

كما استخدم الباحثون نظام BERTopic المتخصص في نمذجة الموضوعات وتحليل النصوص، ولم يختبروا بصورة مباشرة روبوتات المحادثة الشهيرة مثل «تشات جي بي تي» أو «جيميناي».

ومن ثم، تظل هناك حاجة إلى مزيد من الدراسات والاختبارات لمعرفة مدى انطباق النتائج على أنظمة الذكاء الاصطناعي الأخرى، وكذلك على مجالات بحثية وسياقات مختلفة.

وتؤكد الدراسة أن التقدم الكبير في معالجة اللغة وتحليل المحادثات لا يعني بالضرورة امتلاك الذكاء الاصطناعي القدرة نفسها التي يتمتع بها البشر على فهم السياقات والتجارب الإنسانية؛ فبينما يستطيع رصد الكلمات والأنماط والموضوعات المتكررة، لا يزال تفسير المعاني الكامنة وراءها مجالاً يحتفظ فيه الإنسان بأفضلية واضحة.