كشفت دراسة حديثة صادرة عن جامعة لوزان الفيدرالية للتقنية عن محدودية فرضية التمثيل الأفلاطونية، التي طرحها باحثون في معهد ماساتشوستس للتقنية عام 2024، وتفيد بتقارب نماذج الذكاء الاصطناعي نحو رؤية عالمية موحدة للواقع. وأظهرت النتائج أن مؤشرات التشابه الحالية مضللة بشكل كبير بسبب خصائص الرياضيات عالية الأبعاد المستخدمة في تدريب الشبكات العصبية. تعتمد النماذج الحديثة على تمثيل المفاهيم كمتجهات في فضاءات متعددة الأبعاد، وتقارن شبكتها عبر مسافات تشابه المفاهيم. وقد اقترح فريق معهد ماساتشوستس للتقنية أن قدرة النماذج على اكتساب البنى التحتية المتشابهة للواقع تشير إلى تقارب جوهري في فهم الذكاء الاصطناعي للعالم. غير أن فريق جامعة لوزان الفيدرالية للتقنية بقيادة الأستاذ المساعد ماريا بربيك، بالتعاون مع الباحثين فابيان غروجر وشو ون، أعاد فحص هذه الفرضية ووجد أن المؤشرات الحسابية تبالغ في تقدير التشابه دون وجود بنية مشتركة فعلية. أوضح الباحثون أن المساحات عالية الأبعاد تشهد ظاهرة تركيز المسافات، حيث تقترب نقاط عشوائية من بعضها حتى بدون تدريب مشترك. وسأل فريق البحث لماذا تظهر مقاييس التشابه وجود توافق بين نماذج مستقلة تماماً لم تُدرّب بعد، مما يدل على أن المؤشرات الحالية تلتقط أساساً حسابياً عشوائياً وليس هيكلاً معرفياً مشتركاً. بدلاً من إنكار التقارب تماماً، حدد الفريق أن التشابه الحقيقي يتجلى على المستوى المحلي فقط، حيث تتجمع المفاهيم المتشابهة معاً في مجموعات ثابتة، بغض النظر عن التباين في البنية الكونية للنموذج. بناءً على ذلك، طرح الباحثون فرضية التمثيل الأرسطي، التي تركز على العلاقات السياقية والفئات بدلاً من الأشكال المثالية العالمية، مما يصف بدقة أكبر كيفية تنظيم النماذج الحديثة للمعرفة. نُشرت النتائج قبل تقديمها في المؤتمر الدولي للتعلم الآلي عام 2026 بمدينة سيول بكوريا الجنوبية في يوليو المقبل. وقد قدمت الدراسة إطاراً جديداً لتقييم تشابه التمثيلات يصحح التحيز الحسابي السابق، واختبرت على نماذج لغوية وبصرية وفيديو، مؤكدة استقرار التقارب المحلي وعدم تحقق المحاذاة العالمية. وتتمثل الآثار المترتبة على هذه الدراسة في تعقيد صورة توحيد نماذج الذكاء الاصطناعي ومواءمتها، مشيرة إلى اختلافات جوهرية في التمثيل الكوني بين الأنظمة. وقد تلقى فريق جامعة لوزان الفيدرالية للتقنية استجابة بناءة من واضعي الفرضية الأصلية، مما يعكس ديناميكية التقدم العلمي القائم على التدقيق والفحص الدقيق. ويوجه العمل التحدي التالي للمجتمع البحثي نحو فهم البنى المحلية المتقاربة بدقة، واستغلالها لبناء أنظمة ذكاء اصطناعي أكثر موثوقية وقابلية للمحاذاة.