يُعتبر السعي لفهم الآليات التي يعمل بها العقل البشري من أكثر التحديات إثارة في علم النفس المعرفي. فهل يمكن تفسير التفكير البشري بنظرية موحدة شاملة، أم أنه مجموعة من الوظائف المنفصلة كالذاكرة والانتباه والإدراك؟ هذا النقاش الذي دام لعقود وجد صدى جديداً في مجال الذكاء الاصطناعي، حيث ظهر نموذج حاسوبي يُدعى سنتور (Centaur) زعم أنه قادر على محاكاة التفكير البشري عبر 160 مهمة معرفية مختلفة. لكن أبحاثاً حديثة تكشف أن هذا الإنجاز المزعوم قد لا يكون حقيقياً كما بدا للوهلة الأولى.
نموذج سنتور صُمم ليكون اختباراً عملياً لفكرة "النظرية الموحدة للإدراك" (Unified Theory of Cognition)، التي تفترض أن جميع العمليات المعرفية البشرية تنبع من مجموعة واحدة من المبادئ الأساسية. وقد أظهر النموذج نتائج مبهرة في البداية، إذ نجح في أداء مهام متنوعة تشمل التذكر، حل المشكلات، اتخاذ القرارات، والتعلم من التجربة. هذا الأداء المتعدد الأوجه أثار حماساً كبيراً في الأوساط العلمية، إذ بدا وكأن الذكاء الاصطناعي قد وصل إلى مستوى جديد من محاكاة الذكاء البشري الشامل.
لكن الباحثين الذين فحصوا النموذج بدقة أكبر توصلوا إلى استنتاج مختلف تماماً. فبدلاً من "فهم" المهام المعرفية وحلها بطريقة مشابهة للإنسان، كان النموذج يعتمد أساساً على حفظ الأنماط (Pattern Memorization) واسترجاعها. بعبارة أخرى، لم يكن سنتور "يفكر" حقاً، بل كان يطابق المدخلات التي يتلقاها مع أنماط سبق له التدرب عليها، ثم يسترجع الإجابات المحفوظة. هذا الفرق الجوهري يشبه الفرق بين طالب يفهم المبادئ الرياضية وآخر يحفظ الحلول عن ظهر قلب دون إدراك المنطق الكامن وراءها.
تكشف هذه النتائج عن أحد التحديات الكبرى في مجال الذكاء الاصطناعي: الفرق بين الأداء الظاهري والفهم الحقيقي. فنماذج الذكاء الاصطناعي الحديثة، بما فيها نماذج اللغة الكبيرة (Large Language Models)، يمكنها أن تنتج نتائج مذهلة دون أن تمتلك فهماً حقيقياً للمفاهيم التي تتعامل معها. هذه الظاهرة تُعرف أحياناً بـ"الببغائية العشوائية" (Stochastic Parrots)، حيث تكرر الآلة ما تعلمته دون استيعاب معناه. وهذا يثير تساؤلات فلسفية وعملية عميقة حول طبيعة الذكاء والفهم والوعي.
الأهمية العملية لهذا الاكتشاف تتجاوز المجال الأكاديمي. ففي عصر يتزايد فيه الاعتماد على الذكاء الاصطناعي في اتخاذ قرارات حاسمة – من التشخيص الطبي إلى القيادة الذاتية للسيارات – يصبح من الضروري أن نفهم حدود هذه التقنيات وقدراتها الحقيقية. النماذج التي تعتمد على الحفظ قد تفشل فشلاً ذريعاً عند مواجهة مواقف جديدة لم تتدرب عليها، بينما الفهم الحقيقي يتيح المرونة والتكيف. هذا البحث يُذكرنا بأن الطريق نحو ذكاء اصطناعي حقيقي لا يزال طويلاً، وأن التمييز بين "معرفة الإجابات" و"فهم الأسئلة" يظل أحد أكبر التحديات التي تواجه هذا المجال الواعد.
المصدر: Science Daily
