علوم الحاسوب
اللغة التي لا تؤثر في طريقة تفكيرك في البرمجة لا تستحق أن تعرفها.
— (1982)
شعر المطورون ذوو الخبرة أنهم أسرع مع الذكاء الاصطناعي بينما كانوا أبطأ فعليًا — هذه هي النتيجة، وليست حكمًا نهائيًا
في تجربة عشوائية مضبوطة أجرتها METR، أنجز ستة عشر مطورًا خبيرًا في البرمجيات مفتوحة المصدر 246 مهمة حقيقية على قواعد شيفرة يعرفونها جيدًا، مع السماح بأدوات الذكاء الاصطناعي في أوائل 2025 (Cursor Pro مع Claude 3.5/3.7 Sonnet) في نصف عشوائي من المهام. توقعوا أن يقل زمن المهمة بنحو 24%؛ لكنه ازداد 19% — ومع ذلك ظلوا بعد التجربة يعتقدون أن الذكاء الاصطناعي سرّعهم بنحو 20%. فجوة الإدراك هذه هي جوهر الدراسة. لكنها تخص ستة عشر مطورًا وسياقًا ضيقًا ولقطة من أوائل 2025؛ والمؤلفون يوضحون أنها لا تثبت أن الذكاء الاصطناعي لا يساعد معظم المطورين، كما أن متابعتهم في 2026 تميل بالفعل إلى تسارع، مع تحفظاتها الخاصة.
يمكن لبرهان تشفيري أن يخفي سره بجعل إثبات غياب المُحاكي صعبًا
تسمح إثباتات انعدام المعرفة لشخص بإثبات عبارة من دون كشف الشاهد. وتقول النظرية الكلاسيكية إنك لا تستطيع الحصول على ذلك بالمعنى الكامل مع رسالة واحدة، ومن دون إعداد موثوق، ومع سلامة تامة. لا تجعل ورقة Rahul Ilango هذه الاستحالة تختفي. بل تغيّر الهدف: بدل اشتراط وجود مُحاكٍ فعلًا، تسأل ألا يستطيع نظام الإثبات المختار بكفاءة إثبات أن المُحاكي غير موجود. وتحت افتراضات كبيرة من تعقيد البراهين والتشفير، يكفي ذلك لاستعادة النتائج القابلة للتكذيب والمبنية على ألعاب لانعدام المعرفة، خاصية بعد خاصية. ليست الفكرة بدائية إنترنت جاهزة للاستخدام، بل طريقة من نظرية البراهين لتحويل عدم القابلية الرياضية للإثبات إلى غطاء تشفيري.
قد يكون الذكاء الاصطناعي الطبي خاصًا في المتوسط ومع ذلك يكشف مرضى بعينهم — وناقصي التمثيل أكثر من غيرهم
عادة ما يستند وصف نموذج ذكاء اصطناعي طبي بأنه «يحافظ على الخصوصية» إلى رقم متوسط واحد. تجادل هذه الدراسة بأن ذلك هو الاختبار الخطأ. عبر هجمات استدلال العضوية — التي تكشف ما إذا كان سجل شخص بعينه ضمن بيانات تدريب النموذج، وبالتالي قد تكشف أنه كان مصابًا بمرض معين — قاس الباحثون الخطر لكل مريض بدلًا من المتوسط، عبر سبع مجموعات بيانات طبية (تصوير، ECG، سجلات إلكترونية) ونماذج كثيرة لكل منها. النمط: نماذج تبدو آمنة في المتوسط قد تسمح بالتعرف على أفراد محددين تقريبًا بصورة كاملة (AUC للهجوم ≥ 0.95)؛ والأكثر انكشافًا من المجموعات ناقصة التمثيل؛ ويزداد الخطر مع نمو النماذج. لا يقول المؤلفون اتركوا الذكاء الاصطناعي الطبي، بل قيسوا الخصوصية لكل مريض واضبطوا الوصول واستخدموا الخصوصية التفاضلية. الجوهر غير المريح: «خاص في المتوسط» ليس ضمانًا، ويفشل تحديدًا مع المرضى الأقل حماية أصلًا.
تعليم ذكاء اصطناعي للرسم أن ينظر إلى الصفحة
نماذج اللغة التي تولّد رسومات متجهية تعمل عادةً وهي عمياء — تكتب أوامر الرسم من دون أن ترى النتيجة. تسمح طريقة جديدة للنموذج بمشاهدة لوحته وهي تمتلئ ضربة بعد ضربة، والمفارقة الصريحة أن مجرد منحه «عينين» يجعل الأداء أسوأ: يجب إعادة تدريبه كي يتعلم استخدامهما. والنتيجة نموذج يطابق أو يتقدم قليلًا على منافسين تدربوا على بيانات أكثر بما يصل إلى عشرين ضعفًا — نتيجة حقيقية ومدروسة على اختبار واحد، لا ثورة.
وكيل ذكاء اصطناعي أدار حالات مرضى كاملة بمفرده — في محاكاة وعلى سجلات قديمة
MIRA نوع جديد من الذكاء الاصطناعي الطبي: بدل الإجابة عن سؤال واحد، يدير حالة كاملة داخل سجل مستشفى محاكى — يأخذ التاريخ المرضي، ويطلب الفحوص ويقرأها، ويصل إلى تشخيص، ويكتب الأوامر. في 574 حالة استعادية من قاعدة بيانات عامة وعبر ثمانية تشخيصات مختارة مسبقًا، أفاد المؤلفون بأنه تفوق على الأطباء في دقة التشخيص واتخذ قرارات متوافقة إلى حد كبير مع الإرشادات وآمنة دوائيًا. لكن لكل قيد هنا وزن: عمل داخل بيئة معزولة وعلى سجلات قديمة وبالنص فقط؛ وجاء جزء كبير من تفوقه في الحالات ذات نتائج الفحوص الواضحة؛ وطلب نحو ضعفي تحاليل الدم التي طلبها الأطباء؛ وقُيّمت عدة نتائج وفق ما كان مسجلًا في الملف الأصلي. التقدم الحقيقي هو وكيل يتصرف عبر سير العمل كله — وليس دليلًا على أن آلة أصبحت تشخص أفضل من الطبيب. والمؤلفون يوضحون أن التعميم والسلامة والحوكمة ما زالت تتطلب دراسات مستقبلية في العالم الحقيقي.
هل تعمل «النماذج التأسيسية» الكبيرة للروبوتات بصورة أفضل فعلًا؟ إجابة دقيقة: نعم، بشكل متواضع — ومعظم الدراسات لا تستطيع التمييز
درّب Toyota Research Institute «نماذج سلوك كبيرة» — سياسات روبوتية دُرّبت مسبقًا على نحو 1,700 ساعة من بيانات المناولة المتنوعة — واختبرها ضد سياسات لمهمة واحدة مدربة من الصفر بصرامة غير معتادة: تجارب عمياء عشوائية كبيرة العينة (نحو 1,800 حقيقية وأكثر من 47,000 بالمحاكاة) مع إحصاء فعلي. بعد الضبط الدقيق لكل مهمة، كان أداء النماذج الكبيرة أفضل في المتوسط، واحتاجت بيانات خاصة بالمهمة أقل بنحو 3–5 مرات، وكانت أكثر متانة عندما تغيرت الظروف؛ وارتفع الأداء بسلاسة مع مزيد من بيانات التدريب المسبق. لكن من دون ضبط دقيق لم تتفوق باستمرار على نماذج المهمة الواحدة، وكانت عدة تأثيرات صغيرة لدرجة تطلبت عينات كبيرة لرؤيتها، كما أن خيارًا عاديًا لتطبيع البيانات كان أهم من المعمارية. إنها أدلة موزونة لصالح اتجاه النماذج التأسيسية للروبوتات — لا روبوتًا عامًا، ولا نموذجًا zero-shot، ولا «قفزة ناشئة» — وتحذير من أن كثيرًا من المجال قد يقيس الضوضاء.
لماذا تهلوس نماذج اللغة — ولماذا تُبقيها طريقة تقييمنا كذلك
الأكاذيب الواثقة التي نسميها «هلوسات» ليست خللًا غامضًا: بعضها نتيجة إحصائية جانبية للتدريب، وتستمر لأن المعايير الشائعة تكافئ التخمين الواثق على «لا أعرف» الصادقة. وتُظهر دراسة حالة على أربعة نماذج أمامية أن ذكر قواعد الدرجات في السؤال («معايير مفتوحة») يعكس هذا الحافز.