العبقرية التي ربما كانت مخطئة
أحتاج أن أخبركم بشيء صدمني فعلاً هذا الأسبوع — شيء غيّر نظرتي للذكاء الاصطناعي بالكامل.
منذ عقود، قسنا تقدّم الذكاء الاصطناعي بناءً على رؤية طرحها آلان تورنغ عام 1950. لعبته الشهيرة المعروفة بـ"اختبار تورنغ" تقول ببساطة: إذا استطاع حاسوب خداع البشر，让他们相信هم يتحدثون إلى إنسان آخر، فهو في الأساس "يفكر".
يبدو منطقياً، أليس كذلك؟
حسناً، هناك باحث اسمه بيتر ج. دينينغ — عالِم حاسوب محترم جداً — أصدر كتاباً جديداً بعنوان "خطأ تورنغ: التحرر من نير الآلات غير الذكية". يقول دينينغ إننا ربما سعينا خلف حلم خاطئ لمدة 75 سنة.
وبعد أن قرأت حججه... صراحةً، أظن أنه قد يكون محقاً في شيء عميق.
مشكلة الجسد (نعم، هي مهمة)
أول خطأ في افتراض تورنغ حسب دينينغ: فكرة أن الذكاء يمكن أن يوجد منفصلاً عن امتلاك جسم مادي.
فكّروا لحظة. نحاول إعادة بناء ذكاء على مستوى الإنسان داخل الحواسيب — برمجيات نقية، تطفو في الفضاء الرقمي. لكن دينينغ يقول إن هذا يشبه محاولة فهم السباحة بدراسة جزيئات الماء. ستُفوّت شيئاً جوهرياً.
عندما نتنقل في العالم، لا نكتفي بمعالجة المعلومات فحسب. بل نشعر بالأشياء. نُدرك الحرارة، نلمس ملمس مقبض الباب، نشعر بالاهتزاز الخفيف عندما نخطو على رصيف غير مستو. كل هذا التجربة الجسدية تُشكّل طريقة تفكيرنا واستدلالنا وفهمنا للعالم.
دينينغ يُشير إلى أن أجسامنا ليست مجرد مركبات تحمل أدمغتنا. إنها جزء أساسي من طريقة تفكيرنا.
وهنا نقطة مهمة: هذا ليس فكرة هامشية. الفلاسفة تحدثوا عن "الإدراك المجسّد" لسنوات. لكن أبحاث الذكاء الاصطناعي تجاهلتها إلى حد كبير لصالح الأساليب الحسابية النقية.
لغز المعرفة الضمنية
وهنا يصبح الأمر مثيراً للاهتمام فعلاً (وبعض الشيء فلسفي، لكنني أعدكم بالإبقاء عليه عملياً).
دينينغ يقدم مفهوم "المعرفة الضمنية" — وهي من تلك الأفكار التي، بمجرد أن تفهمها، تبدأ برؤيتها في كل مكان.
المعرفة الضمنية هي كل ما نعرفه لكن لا نستطيع تفسيره بسهولة. مثلاً... كيف تعرف بالضبط كم ضغطاً يجب تطبيقه عند فتح باب؟ كيف تُمسك كرة بدون إجراء حسابات فيزيائية معقدة في رأسك؟ كيف تُدرك متى يكون شخص ما ساخراً وليس صادقاً بناءً على نبرة صوته؟
هذه الأشياء تبدو تلقائية بالنسبة لنا. لكنها معقدة بشكل لا يُصدّق.
دينينغ يقول إن هناك خمس فئات رئيسية على الأقل من المعرفة الضمنية لا يستطيع تعلّم الآلة استيعابها:
المنطق العام — ملايين الحقائق الصغيرة عن كيفية عمل العالم التي لا نفكر فيها واعياً أبداً.
التفاعلات اليومية — كيف نقرأ المواقف الاجتماعية، نتنقل في العلاقات الشخصية، نفهم التوقعات غير المعلنة.
العواطف والإدراك — الطريقة التي يغيّر بها experiencing الفرح أو الحزن طريقة معالجه للمعلومات.
المهارات العملية — المعرفة التي يمتلكها حرفي ماهر أو عازف موسيقي موهوب ولا يستطيع شرحها بالكامل.
الفهم الثقافي — القيم، والمعايير، والتاريخ، والمعاني الأعمق المُضمّنة في طريقة عمل المجتمعات.
لماذا لم تُحل المشكلة خلال 40 عاماً من مشروع Cyc
لتوضيح التحدي، يشير دينينغ إلى مشروع يُسمى Cyc. لمن لا يعرفه، كان مشروعاً طموحاً بدأ في الثمانينيات لبناء قاعدة بيانات ضخمة من المعرفة المنطقية — أشياء مثل "إذا أسقطت شيئاً، يسقط للأسفل" أو "الناس يحتاجون الماء للبقاء".
استغرق المشروع أربعة عقود لبناء نحو 25 مليون إدخال من الحقائق المنطقية.
خمسة وعشرون مليون قطعة معرفة!
وتعرفون ماذا؟ لم يكن ذلك كافياً بعد لإنشاء أنظمة ذكية فعلاً. دينينغ يُلاحظ أن "معظم المعرفة التي تجعل الناس خبراء لا يمكن صياغتها كعبارات".
هذه هي المأساة الهادئة لمشروع Cyc. أثبت، بالجهد المُضني، أن محاولة ترميز المنطق البشري يدوياً مستحيلة essentially. هناك الكثير منه، والكثير منه ضمني وليس صريحاً.
الموسيقي الذي لا يستطيع الشرح
دعوني أشارككم مثالاً من دينينغ علق في ذهني.
فكّروا في عازف كمان عبقري. شخص يستطيع العزف بجمال وحماس مذهلين. الآن تخيّلوا محاولة شرح لمبتدئ بالضبط كيف يُنتج ذلك الصوت.
لا يستطيع فعلاً. ليس بالكامل. قد يُقدّم بعض النصائح التقنية — وجّه القوس هنا، اضغط هناك — لكن الفجوة بين "المعرفة بالكيفية" و"المعرفة بالنظرية" هائلة.
عازف الكمان يمتلك معرفة مُجسّدة موجودة في عضلاته، أعصابه، تجربته الجسدية في خلق الصوت. لا يمكنك تحميل ذلك في حاسوب. لا يمكنك نسخه في قاعدة بيانات.
وهنا نقطة أعمق: حتى لو بنيت روبوتاً يستطيع محاكاة حركات عازف الكمان بدقة، فلن يفهم ذلك الروبوت ما يشعر به المرء عند خلق موسيقى جميلة. يفتقر إلى التجربة البيولوجية، السياق العاطفي، الاتصال بالجماهير.
مشكلة التمثيل
إذن ما الذي يحدث هنا فعلياً؟ لماذا المعرفة البشرية تقاوم الرقمنة بعناد؟
دينينغ يُسمّيها "مشكلة التمثيل"، وهي جوهرية فعلاً.
الحواسيب تعمل بالرموز — آحاد وأصفار تمثّل أشياء.当我们喂信息给计算机时، نحن نُشفّر المعرفة الواقعية في هذه الأشكال الرمزية.
لكن هنا المشكلة: خلف كل كلمة، كل مفهوم، كل قطعة "معرفة" نملكها، هناك بئر عميقة من الفهم الضمني يمنحها معناها. الكلمات مجرد رموز تُشير إلى المعاني — وليست المعاني نفسها.
دينينغ يقولها هكذا: "خلف كل كلمة يوجد بئر عميق من المعرفة الضمنية يمنحها معناها. الكلمات تمثيلات رمزية للمعاني، وليست المعاني نفسها."
هذا يعني أنه عندما تتحدث مع شيء مثل ChatGPT أو Claude أو Gemini، أنت تتفاعل مع أنظمة متطورة جداً في التلاعب بالرموز، لكنها لا تفهم حقاً ما تُمثّله تلك الرموز. تستطيع مطابقة الأنماط ببراعة، لكن مطابقة الأنماط ليست فهماً.
السياق هو كل شيء (والآلات لا تملكه)
وها نحن أمام طبقة أخرى يُعاني منها الذكاء الاصطناعي: السياق.
عندما تتحدث أنا وأنت، نستند إلى طبقات لا نهائية من الفهم المشترك. نعرف من نحن، ماذا عشنا معاً، ما الوضع الحالي، ما المناسب مقابل غير المناسب، متى يضحك شخص وما متى يكون جاداً.
هذا السياق ليس مجرد ضوضاء خلفية — إنه أساسي للمعنى.
دينينغ يصفه بأنه كسلسلة: كل سياق يستند إلى سياقات سابقة، تستند إلى أخرى أقدم. إنها سلسلة لا تنتهي من الفهم المشترك بنيناها عبر عمر كامل من التجربة.
الثقافة تضيف بُعداً آخر. دينينغ يصفها بأنها تشمل "القيم، والمعايير، والأحكام، والتاريخ، والمجتمعات، والمزاجات، وحتى العلاقات التي تتضمن القوة والرعاية".
كل هذا غير مرئي لأنظمة الذكاء الاصطناعي. تستطيع كشف الأنماط في اللغة، لكنها لا تستطيع إدراك الثقل الثقافي خلف الكلمات والأفعال.
ماذا يعني هذا لمستقبل الذكاء الاصطناعي؟
الآن، لستُ أقول إن الذكاء الاصطناعي عديم الفائدة — بالطبع ليس كذلك. هذه الأنظمة مُدهشة فعلاً في مهام محددة، وأدوات مفيدة جداً.
لكن حجة دينينغ تُشير إلى أننا قد نقترب من سقف. أن الذكاء الاصطناعي العام الحقيقي — آلات ذات فهم وتكيّف على مستوى الإنسان — قد يكون غير قابل للتحقيق من خلال أساليبنا الحالية.
وهنا يصبح الأمر مقلقاً بعض الشيء: دينينغ يحذّر من أنه إذا واصلنا السعي نحو الذكاء الاصطناعي العام مع تجاهل هذه القيود الجوهرية، فإننا نُخاطر ببناء تقنيات تُدخل مخاطر جديدة كبيرة دون الوفاء بوعودها.
فكّروا في الأمر. نبني أنظمة لا نفهمها بالكامل، باستخدام أساليب قد تكون محدودة بالطبيعة، لحل مشكلات تتطلب أنواعاً من الفهم لا تستطيع هذه الأنظمة الوصول إليها.
رأيي الشخصي
بصراحة، وجدت حجج دينينغ مُقنعة، لكن ليست ساحقة تماماً.
نعم، هناك تحديات جوهرية في التقاط المعرفة الضمنية. نعم، التجربة المجسّدة ربما أهم مما اعترفّنا به. ونعم، اختبار تورنغ قد يكون مقياساً رديئاً للذكاء الحقيقي.
لكنني أيضاً أعتقد أننا نكتشف هذه القيود في الوقت الفعلي، وأن عملية الاكتشاف هذه ذات قيمة. كل تحدٍ يُحدّده دينينغ هو أيضاً سؤال بحثي. كل جدار ن撞它 نعلّمنا شيئاً جديداً عن الإدراك البشري والوعي.
ربما الدرس الحقيقي ليس أن الذكاء الاصطناعي لا يمكن أن يكون ذكياً، بل أن الذكاء البشري أكثر روعة مما قدّرناه. في كل مرة تفهم فيها نكتة، أو تمسك كرة، أو تُدرك أن شيئاً ما يشعر بـ"خطأ" في محادثة — أنت تفعل شيئاً لا تستطيع أكثر حواسيبنا تطوراً فعله بعد.
ربما السؤال ليس ما إذا كانت الآلات تستطيع التفكير كالإنسان. ربما السؤال هو: ماذا تستطيع فعله جيداً، وكيف نُدمج ذلك في عالم حيث الصفات البشرية تهم أكثر، وليست أقل؟
هذا سؤال يستحق التأمل некоторое время.
ماذا думаون؟ هل نقد دينينغ يتوافق مع تجربتكم في استخدام أدوات الذكاء الاصطناعي؟ أم تظنون أننا نُقلّل من شأن ما يمكن لهذه الأنظمة تحقيقه في النهاية؟
اكتبوا تعليقاتكم — أريد حقاً معرفة كيف وصلت الفكرة لكم.