أحدث الأخبار مع #ICLR
الوئام
١٨-٠٥-٢٠٢٥
- علوم
- الوئام
الذكاء الاصطناعي يتعثر في قراءة الساعة والتاريخ
أظهرت دراسة جديدة قُدّمت في مؤتمر التعلم التمثيلي الدولي لعام 2025 (ICLR) أنّ أنظمة الذكاء الاصطناعي تعاني في مهام تبدو بديهية للبشر، مثل قراءة الساعات التناظرية (الآنالوج) وتحديد اليوم الذي يقع عليه تاريخ معيّن في التقويم السنوي. نشر نتائج هذه الدراسة مسبقًا على منصة arXiv (خادم ما قبل الطباعة)، فريق بحثي، بقيادة روهيت ساكسينا من جامعة إدنبرة، قبل خضوعها لمراجعة الأقران. وأشار ساكسينا إلى أن قدرة الإنسان على استخدام الساعات والتقاويم تتكوّن منذ الطفولة، ما يسلّط الضوء على فجوة كبيرة في مهارات الذكاء الاصطناعي الأساسية. جرّب الباحثون مجموعة بيانات مخصّصة لصور الساعات والتقاويم على خمسة نماذج لغوية متعددة الوسائط (MLLMs)، وهي نماذج قادرة على فهم الصور والنصوص معًا، بما في ذلك: Llama 3.2-Vision من ميتا Claude‑3.5 Sonnet من أنثروبيك Gemini 2.0 من جوجل GPT‑4o من أوبن إيه آي أظهرت النتائج أن هذه النماذج نجحت في قراءة الساعة التناظرية بنسبة 38.7% فقط، وفي تحديد اليوم الأسبوعي لتواريخ مثل 'اليوم رقم 153 من السنة' بنسبة 26.3%، ما يعكس إخفاقًا متكررًا في مهام تتطلّب استدلالًا مكانيًا ورياضيًا بسيطًا. ويرجع الباحثون هذا الإخفاق إلى أنّ قراءة الساعة تتطلب: – التعرّف على التداخل بين عقارب الساعة وقياس الزوايا. – التعامل مع تصاميم متنوعة (مثل الأرقام الرومانية أو الواجهات الفنية). أما في حساب التواريخ، فالأنظمة اللغوية الكبيرة لا تنفّذ خوارزميات حسابية فعلية، بل تتنبّأ بالنتائج استنادًا إلى الأنماط في بيانات التدريب، ما يؤدي إلى تباين وضعف في الدقة. تسلّط هذه النتائج الضوء على الحاجة إلى: – إدراج أمثلة مستهدفة أكثر عددًا وتنوعًا في بيانات التدريب. – إعادة التفكير في كيفية دمج المنطق (العمليات الحسابية) والاستدلال المكاني داخل نماذج الذكاء الاصطناعي. – الاعتماد على آليات احتياطية (fallback logic) وتواجد الإنسان في الحلقة عند تعقّد المهام أو تنفيذها في تطبيقات حساسة للوقت، كأنظمة الجدولة والمساعدة الآلية. وفي ختام دراستهم، نبه ساكسينا إلى أنّ الثقة المفرطة في مخرجات الذكاء الاصطناعي قد تكون محفوفة بالمخاطر عندما تندمج رؤية الآلة الدقيقة مع قدرات استدلالية تحتاج إلى تحقق بشري.
الاتحاد
١٨-٠٥-٢٠٢٥
- علوم
- الاتحاد
ساعة حائط تكشف عجز الذكاء الاصطناعي!
في مفاجأة غير متوقعة، كشفت دراسة حديثة عن قصور ملفت في قدرات الذكاء الاصطناعي، حيث تعجز النماذج المتطورة عن أداء مهام بسيطة يقوم بها البشر بسهولة، مثل قراءة الساعة أو معرفة اليوم الذي يوافق تاريخًا معينًا في التقويم. ورغم قدرات هذه النماذج الهائلة في كتابة الأكواد، وإنشاء صور واقعية، وإنتاج نصوص شبيهة بالبشر، بل وحتى اجتياز بعض الاختبارات، إلا أنها لا تزال ترتكب أخطاء جسيمة عند قراءة الوقت أو حساب الأيام بدقة. عقارب الساعة تكشف الخلل ووفقًا لما نشره موقع Live Science، فإن هذه النتائج جاءت ضمن عرض بحثي قُدم في المؤتمر الدولي لتمثيلات التعلم ICLR لعام 2025، كما نُشرت أيضًا على منصة الأبحاث المفتوحة arXiv. وأوضح الدكتور "روهيت ساكسينا"، الباحث الرئيسي من جامعة إدنبرة أن "معظم الناس يتعلمون قراءة الوقت واستخدام التقويم في سن مبكرة، لكن النتائج أظهرت فجوة كبيرة في قدرة الذكاء الاصطناعي على تنفيذ مهارات تُعد بديهية بالنسبة للبشر". وأكد أن هذا القصور قد يُعيق دمج الذكاء الاصطناعي في تطبيقات حساسة زمنياً مثل الجداول الزمنية، والأتمتة، والتقنيات المساعدة. اقرأ أيضاً.. كلما اختصر.. اختلق! الوجه الخفي للذكاء الاصطناعي تجربة عملية على نماذج من كبرى الشركات قام الفريق البحثي بتغذية عدد من النماذج الذكية متعددة الوسائط (MLLMs) — مثل Llama 3.2 Vision من Meta، وClaude 3.5 Sonnet من Anthropic، وGemini 2.0 من Google، وGPT-4o من OpenAI — بمجموعة بيانات خاصة تحتوي على صور لساعات وتقويم. لكن النتيجة كانت محبطة وفشل الذكاء الاصطناعي في تحديد الوقت أو اليوم الصحيح في أكثر من نصف الحالات. فعلى سبيل المثال، لم تتجاوز دقة قراءة الساعة 38.7%، بينما تراجعت دقة قراءة التقويم إلى 26.3%. نقص التدريب يعقّد المهمة يُرجّح الباحثون أن أحد الأسباب الجوهرية وراء هذا القصور هو ضعف التدريب على المهام التي تتطلب تفكيرًا مكانيًا، مثل قياس الزوايا بين عقارب الساعة أو التعامل مع تنسيقات الساعات المختلفة. وفي هذا الإطار، يوضح الدكتور روهيت ساكسينا:"قراءة الساعة لا تقتصر على التعرف البصري، بل تتطلب منطقًا مكانيًا حقيقيًا. على النموذج أن يميّز بين العقارب، يحسب الزوايا، ويتعامل مع تصاميم متنوعة، كالأرقام الرومانية أو الواجهات المزخرفة". أما فيما يخص التواريخ، فقد واجهت النماذج صعوبة واضحة في تنفيذ مهام يُفترض أنها بسيطة، مثل تحديد اليوم الذي يوافق اليوم الـ153 من السنة — وهو اختبار أخفقت فيه معظم النماذج المدروسة. نقطة ضعف جوهرية في منطق النماذج السبب الأعمق، بحسب الدراسة، هو أن هذه النماذج لا تُجري عمليات رياضية حقيقية، بل تتنبأ بالإجابات بناءً على الأنماط التي "رأتها" في بيانات التدريب. وهو ما يفسر لماذا تُخطئ في الحسابات، رغم أن الحوسبة التقليدية تتعامل مع الرياضيات ببساطة شديدة. وأضاف: إن الذكاء الاصطناعي لا يُجري الحساب مثل الكمبيوترات التقليدية. هو يتنبأ بناءً على أنماط لغوية، وليس بناءً على قواعد رياضية صارمة. ولذلك فإجاباته قد تكون صحيحة أحيانًا، لكن ليست مبنية على منطق ثابت". اقرأ أيضاً.. الذكاء الاصطناعي.. سلاح ذو حدين أمام تحديات الصحة النفسية قوة الآلة وحدودها تكشف الدراسة عن حاجة ملحّة لإعادة التفكير في كيفية تدريب نماذج الذكاء الاصطناعي، لا سيما في المهام التي تتطلب تفكيرًا منطقيًا ومكانيًا مركّبًا، والتي نادرًا ما تتكرر في بيانات التدريب التقليدية. كما تُحذّر من أن الاعتماد المفرط على قدرات الذكاء الاصطناعي دون اختبار صارم أو إشراف بشري قد يفضي إلى نتائج غير دقيقة. إسلام العبادي(أبوظبي)
الاتحاد
٠٨-٠٣-٢٠٢٥
- علوم
- الاتحاد
كارل.. ذكاء اصطناعي يكتب أبحاثاً معترف بها
أعلن معهد "أوتو ساينس"، المعهد حديث التأسيس، عن "كارل"، أول نظام ذكاء اصطناعي قادر على تأليف أبحاث أكاديمية تجتاز المراجعة العلمية المحايدة. ووفق موقع (AINEWS) قد تم قبول أبحاث "كارل" ضمن مسار "Tiny Papers" في المؤتمر الدولي لتمثيلات التعلّم (ICLR)، ما يُعتبر خطوة كبيرة نحو دمج الذكاء الاصطناعي في المجال الأكاديمي، حيث أُنتجت هذه الأبحاث بتدخل بشري محدود للغاية. كارل.. العالِم البحثي الآلي يمثل "كارل" نقلة نوعية في دور الذكاء الاصطناعي، حيث لم يعد مجرد أداة مساعدة، بل أصبح مشاركًا نشطًا في البحث العلمي. يوصف بـ"العالِم البحثي الآلي"، إذ يستخدم نماذج اللغة الطبيعية لتوليد الأفكار، وصياغة الفرضيات، والتوثيق الدقيق للأبحاث الأكاديمية. ما يميز "كارل" هو قدرته الفائقة على قراءة وفهم الأبحاث المنشورة في ثوانٍ قليلة، إلى جانب عمله المستمر دون انقطاع، مما يسهم في تسريع البحث العلمي ويخفض التكاليف التجريبية. وفقًا لمعهد "أوتو ساينس"، نجح "كارل" في ابتكار فرضيات علمية جديدة، وتصميم وإجراء تجارب، وكتابة أبحاث أكاديمية اجتازت مراجعة الأقران، مما يسلط الضوء على إمكانات الذكاء الاصطناعي في تسريع البحث العلمي بل وربما التفوق على الباحثين البشريين في بعض الجوانب. اقرأ أيضاً.. مايكروسوفت تُعيد تشكيل الرعاية الصحية بالذكاء الاصطناعي كيف يعمل "كارل"؟ تقوم منهجية "كارل" في إنتاج الأبحاث الأكاديمية على ثلاث مراحل رئيسية: توليد الأفكار وصياغة الفرضيات: باستخدام الأبحاث السابقة، يحدد "كارل" الاتجاهات البحثية المحتملة ويقترح فرضيات مبتكرة، مستفيدًا من فهمه العميق للأدبيات العلمية. إجراء التجارب: يكتب "كارل" الأكواد البرمجية، يختبر الفرضيات، ويحلل البيانات من خلال تصورات رسومية دقيقة، مما يقلل من الوقت الضائع على المهام المتكررة. إعداد الورقة البحثية: يُنتج "كارل" أوراقًا أكاديمية مصقولة تتضمن نتائج واضحة ورسومات بيانية مفسرة. لماذا لا يزال الإشراف البشري ضروريًا؟ رغم استقلالية "كارل" إلى حد بعيد، إلا أن هناك مراحل تحتاج إلى التدخل البشري لضمان الامتثال للمعايير العلمية والأخلاقية. الموافقة على الخطوات البحثية: يراجع الباحثون البشريون المراحل الأساسية لتحديد ما إذا كان ينبغي لـ "كارل" المتابعة أو التوقف، بهدف تحسين كفاءة استخدام الموارد الحاسوبية. التنسيق والمراجع: يضمن الفريق البشري صحة المراجع الأكاديمية وتنسيقها وفقًا للمعايير العلمية، وهي عملية تتم يدويًا حاليًا. التعامل مع النماذج غير المتاحة عبر واجهات API: في بعض الحالات، يتطلب الأمر تدخلاً يدويًا مثل نسخ ولصق المخرجات، لكن "أوتو ساينس" تتوقع أتمتة هذه العمليات مستقبلاً. في الورقة البحثية الأولى لـ "كارل"، ساعد الفريق البشري أيضًا في كتابة قسم "الأعمال ذات الصلة" وصياغة اللغة، ولكن بعد التحسينات الأخيرة، أصبحت هذه التدخلات غير ضرورية. اقرأ أيضاً.. هل يستطيع الذكاء الاصطناعي أن يكون طوق النجاة للمحتاجين؟ ضمان النزاهة الأكاديمية قبل تقديم أي بحث، يخضع عمل "كارل" لعملية تحقق صارمة تشمل: التأكد من قابلية إعادة الإنتاج: يتم فحص جميع الأكواد وإعادة تنفيذ التجارب لضمان صحة النتائج. التأكد من الابتكار: يُجري "أوتو ساينس" اختبارات دقيقة لضمان أن الأفكار جديدة وليست إعادة صياغة لمحتوى سابق". التحقق الخارجي: استعان المعهد بباحثين من جامعات مرموقة مثل MIT وستانفورد وUC بيركلي لمراجعة أبحاث "كارل"، إضافة إلى اختبارات كشف الانتحال لضمان الامتثال للمعايير الأكاديمية. إمكانات هائلة، لكنها تثير تساؤلات يُعد قبول أبحاث "كارل" في مؤتمر بحجم ICLR إنجازًا كبيرًا، لكنه يثير تساؤلات فلسفية ومنهجية حول دور الذكاء الاصطناعي في البحث الأكاديمي. يقول معهد "أوتو ساينس":"نعتقد أن أي نتائج بحثية موثوقة يجب إضافتها إلى المعرفة العامة بغض النظر عن مصدرها. إذا استوفت الأبحاث المعايير العلمية، فلا ينبغي رفضها بسبب منشئها". في المقابل، يؤكد المعهد على أهمية الشفافية، بحيث يتم تمييز الأبحاث المنتجة كليًا بواسطة الذكاء الاصطناعي عن تلك التي أنتجها البشر. وبسبب حداثة هذه الفكرة، تحتاج المؤتمرات الأكاديمية إلى وضع إرشادات جديدة لضمان التقييم العادل ونسب الأعمال البحثية بشكل صحيح. لهذا السبب، قررت "أوتو ساينس" سحب أبحاث "كارل" من ورش عمل ICLR مؤقتًا حتى يتم وضع إطار تنظيمي واضح. المستقبل.. معايير جديدة للأبحاث الآلية تخطط "أوتو ساينس" للمساهمة في تطوير هذه المعايير عبر اقتراح ورشة عمل متخصصة في مؤتمر NeurIPS 2025 لاستيعاب الأبحاث المنتجة بواسطة الأنظمة البحثية المستقلة. وبينما تتشكل ملامح هذا التحول، يبدو أن أنظمة مثل "كارل" لم تعد مجرد أدوات، بل أصبحت شريكة في رحلة الاكتشاف العلمي. ومع تجاوز هذه الأنظمة للحدود التقليدية، سيتعين على المجتمع الأكاديمي التكيف لضمان النزاهة، الشفافية، ونسب الجهود البحثية بشكل عادل. إسلام العبادي (أبوظبي)
