عدد اليوم
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)
