هل الذكاء الاصطناعي الخاص بك جيد كما يقول؟
لقد أصبح الذكاء الاصطناعي جيدًا جدًا في اجتياز الاختبارات التي وضعناها له. ويصور تقرير مؤشر الذكاء الاصطناعي لعام 2026 الصادر عن جامعة ستانفورد المشكلة بدقة. في حين أن نماذج الذكاء الاصطناعي يمكنها إتقان المنطق المجرد، فإنها غالبًا ما تواجه صعوبة في أداء مهام التفكير المكاني الأساسية. على سبيل المثال، يمكن لنموذج رائد في مجال الذكاء الاصطناعي أن يفوز بالميدالية الذهبية في الأولمبياد الدولي للرياضيات، ومع ذلك يمكنه قراءة الساعة التناظرية بشكل صحيح نصف الوقت فقط. وهذه هي مفارقة الذكاء الاصطناعي. استثنائي في مجال واحد. لا يمكن الاعتماد عليه في مكان آخر. هذا التفاوت مهم لأنه نادرا ما يتم تسويق الذكاء الاصطناعي على أنه مشروط، بل فقط على أنه قادر. لقد رأينا نفس النمط يطبق في بعض أكبر المراحل في مجال التكنولوجيا. على سبيل المثال، تم تقديم روبوتات Tesla’s Optimus على أنها لمحة عن الروبوتات المستقلة، ولكن بعد ظهورها في حدث عام 2024، تم الإبلاغ عن أنها اعتمدت على التدخل البشري في بعض القدرات. فشلت نظارات Meta للذكاء الاصطناعي مرتين خلال العروض التوضيحية المباشرة، حيث أشارت الشركة لاحقًا إلى مشكلات فنية. تختلف التفاصيل، لكن النمط ثابت: يمكن للذكاء الاصطناعي أن يبدو قادرًا في ظروف خاضعة للرقابة ثم يتصرف بشكل مختلف تمامًا عندما يواجه فوضى العالم الحقيقي. وتظهر نفس الفجوة عبر الصناعات. توصلت دراسة مشروع NANDA Gen AI التي أجراها معهد ماساتشوستس للتكنولوجيا إلى أن 95% من المؤسسات تحصل على عائد صفر، مع توقف معظم الأنظمة دون تأثير قابل للقياس على الأرباح والخسائر. والسؤال الذي يستحق طرحه أبسط مما يبدو: هل يتم قياس الذكاء الاصطناعي الخاص بك على واقعك، أم على واقع شخص آخر؟ عصر BENCHMAXXING تتعلم كل صناعة تنافسية في النهاية تحسين بطاقة الأداء الخاصة بها. الذكاء الاصطناعي لا يختلف. والآن أصبح هناك اسم لها: benchmaxxing.توجد المعايير القياسية لأسباب وجيهة. إنهم يخلقون لغة مشتركة. أنها تجعل المقارنة ممكنة. وتظهر المشكلة عندما يصبح المعيار هو الهدف وليس القياس. بمجرد حدوث ذلك، يصبح التحسين للاختبار والتحسين الحقيقي للقدرة نشاطين مختلفين. إن المعايير نفسها ليست قوية كما تبدو. وجدت دراسة أجريت عام 2025 أن منح المطورين إمكانية وصول محدودة إلى بيانات الاختبار يمكن أن يعزز نتائج لوحة الصدارة بنسبة تصل إلى 112%. وفي الوقت نفسه، وجدت ورقة بحثية صدرت في فبراير 2026 أن ما يقرب من نصف المعايير المستخدمة على نطاق واسع قد وصلت إلى حد التشبع، مما يعني أن العارضات المتميزات يسجلن نتائج متشابهة لدرجة أن الاختبارات لم تعد قادرة على التمييز بينها. في الزاوية التي أعمل بها في الصناعة، أسمع نفس الادعاءات عدة مرات في اليوم. الأفضل في العالم. الأسرع. الأكثر دقة. يجد البائعون طرقًا أكثر إبداعًا للتفوق على بعضهم البعض في أي مقياس رائج حاليًا. ما هو أقل وضوحًا هو ما تتجاهله تلك المقارنات: النماذج التي لم تقم بالقطع، وشروط الاختبار التي لم يتم الكشف عنها، ومجموعات المستخدمين التي لم يتم تضمينها مطلقًا في المقام الأول. يمكن أن يخبرك المعيار بكيفية أداء النموذج في الاختبار. ما لا يمكن أن يخبرك به هو كيفية أداء هذا النموذج في ظل ظروفك، مع المستخدمين، فيما يتعلق بالمشكلات التي تهم عملك بالفعل. تم تصميم العروض التوضيحية الخاصة بصالة العرض والطريق لعرض نقاط القوة. وهذا يعني، بحكم التعريف، إزالة الظروف التي تخلق مشاكل في الإنتاج: البيئات الخاضعة للرقابة، والمدخلات التي يمكن التنبؤ بها، وحالات الاستخدام المختارة بعناية، والمستخدمين الذين يتصرفون تمامًا كما هو متوقع. لا أحد يستعرض الحالات المتطورة. والفجوة التي يخلقها هذا موثقة جيدًا ويتم الاستهانة بها عالميًا تقريبًا. يؤكد التحليل الأخير ذلك: تكتشف معظم الفرق الطريق الصعب، بعد أن يبدأ النموذج الأولي الذي أبهر أصحاب المصلحة في التدهور بصمت في الإنتاج. في مساحتي – الذكاء الاصطناعي الصوتي – تعد المقاييس المختارة للعروض التوضيحية جزءًا من نفس المشكلة. يتصدر البائعون الأرقام التي يثقون في الفوز بها. إن التدابير التي من شأنها أن تكشف عن نقاط الضعف، وكيفية أداء النظام تحت الضغط، مع المدخلات الصعبة، وعلى نطاق واسع، لا تميل إلى الوصول إلى الشريحة. العروض التوضيحية ليست خادعة. لكنها غير مكتملة من حيث التصميم، ونادرا ما يكون لدى المشترين معلومات كافية لمعرفة أين ينتهي العرض التوضيحي ويبدأ المنتج الفعلي. لمن تم تصميم هذا؟ التشبع المعياري ليس النقطة العمياء الوحيدة؛ التمثيل هو الآخر. كل إطار تقييم يتخذ خيارات بشأن من يشمله. تحدد هذه الاختيارات من يتم قياس تجربته، ومن يتم تحسينه من أجله، ومن يتم التعامل معه بهدوء باعتباره حالة حافة. وهذه نقطة شائكة كبيرة في الذكاء الاصطناعي الصوتي. قد يكون أداء النظام جيدًا في مجموعة اختبار نظيفة ولا يزال يعاني من الطريقة التي يتحدث بها الناس فعليًا: اللهجات الإقليمية، واللهجات، وتبديل الرموز، والكلام المتداخل، والضوضاء في الخلفية، والمقاطعات، والغمغمة، والضحك، والعاطفة، واللغة التقنية، والمتحدثين الأكبر سنًا، والمتحدثين باللغة الثانية. ويكمن الخطر في أن المشتري يرى رقم دقة واحدًا ويفترض أنه يمثل كل شخص يخدمه. نادرا ما يحدث ذلك. النموذج الذي تم تدريبه واختباره في ظروف ضيقة سيبدو قويًا للأشخاص الأكثر تمثيلاً في تلك البيانات. وقد يكون أداؤها مختلفاً تماماً بالنسبة لأي شخص آخر. ولا تظهر هذه الفجوة دائماً على أنها فشل واضح. ويظهر ذلك على شكل المزيد من التصحيحات، والمزيد من الاحتكاك، والمزيد من التخلي، والمزيد من المراجعة البشرية، ونتائج أسوأ للمستخدمين الأقل ظهورًا في التقييم. ما يجب فعله حيال ذلك، تعتبر المعايير المرجعية إشارات مفيدة. تعامل معها كنقطة بداية، وليس نتيجة. قبل أي قرار شراء، اطلب من البائعين إظهار الأداء في حالات الاستخدام المحددة الخاصة بك، مع عدد المستخدمين الفعليين، في ظل ظروف تشبه الإنتاج بدلاً من البرنامج النصي التجريبي. إذا لم يتمكنوا من تقديمها، فإن هذه الفجوة في الأدلة هي في حد ذاتها الجواب. قم بإجراء الاختبار ضد الحالات المتطرفة بشكل متعمد. نادرًا ما يكون المستخدمون الذين من المرجح أن لا يحصلوا على خدمات كافية من قبل النظام هم الأشخاص الذين يتمركزون في العرض التوضيحي. قم بإدراجها في التقييم منذ البداية، ثم استمر في القياس بعد النشر. أداء الذكاء الاصطناعي ليس نقطة ثابتة. إنه يتدهور وينجرف ويثير المفاجآت. إن المنظمات التي تستخرج القيمة الحقيقية من الذكاء الاصطناعي ليست هي تلك التي أجرت أفضل عملية شراء. وهم الذين تعاملوا مع البث المباشر باعتباره بداية التقييم، وليس نهايته. ولم يعد السؤال هو ما إذا كان الذكاء الاصطناعي قادراً على اجتياز الاختبار. يتعلق الأمر بما إذا كان الاختبار يشبه الواقع. كاتي ويجدال هي الرئيس التنفيذي لشركة Speechmatics. الموعد النهائي للغاية للحصول على جوائز الشركات الأكثر ابتكارًا هو الجمعة، 24 يوليو، الساعة 11:59 مساءً بتوقيت المحيط الهادئ. تقدم بطلبك اليوم.
تم النشر: 2026-07-22 19:40:00
مصدر: www.fastcompany.com
