ما هو الذكاء الاصطناعي العام؟ يقدم هذا البحث تعريفًا كميًا وقابلًا للقياس للذكاء الاصطناعي العام (AGI)، مُحدّدًا إياه كمستوى من التميّز المعرفي والكفاءة المماثلة لفردٍ بالغٍ مُتعلّم جيدًا. يعتمد النموذج على نظرية كاتل-هورن-كارول، التي تُعدّ أقوى النماذج المُثبتة تجريبيًا لفهم الذكاء البشري. ويُقسّم الإطار العقلي العام إلى عشرة مجالات رئيسية، مثل التفكير المنطقي، الذاكرة، والتمييز الحسي، مع تكييف أدوات تقييم نفسية بشرية مُثبتة لاختبار الأنظمة الذكية الاصطناعية. تُظهر النتائج تقييمات "مُتفرّقة" في أداء النماذج الحالية: فعلى الرغم من التفوق في المجالات المعرفية، تُعاني النماذج من عيوب جوهرية في المكونات الأساسية للذكاء، خصوصًا الذاكرة طويلة المدى. وتعكس الدرجات المُقدّرة لـ AGI (مثل 27% لـ GPT-4 و57% لـ GPT-5) التقدّم السريع، ولكنها تُبرز أيضًا الفجوة الكبيرة التي تفصل بين الذكاء الاصطناعي الحالي والذكاء البشري العام.
يُعَدّ غياب تعريف دقيق لذكاء اصطناعي عام (AGI) أحد العوائق الرئيسية التي تُعَقّد فهم الفجوة بين الذكاء الاصطناعي الحالي، الذي يُعدّ متخصصًا، والقدرات المعرفية البشرية المتميزة. في هذا العمل، يُقدّم فريق بحثي دولي من خبراء في الذكاء الاصطناعي والعلوم المعرفية إطارًا كميًا وقابلًا للقياس لتحديد AGI، مُعرّفًا إياه بأنه الذكاء الذي يُوازِن مهارات الفرد البالغ المُتعلّم جيدًا في التفكير المرن والكفاءة المعرفية. لإرساء هذا التعريف على أسس علمية، يعتمد الباحثون على نموذج كاتل-هورن-كارول (CHC)، وهو النموذج المعرفي الأكثر دعمًا بالبيانات التجريبية في علم النفس المعرفي. يُقسّم هذا الإطار العقل البشري إلى عشرة مجالات معرفية أساسية، مثل الاستدلال، والذاكرة، والانتباه، والفهم المفاهيمي، والقدرة على التعلم. ويُطبّق على النماذج الحالية أداة قياس معرفية مُعتمدة على اختبارات بشرية معروفة، مثل اختبارات الذكاء التقليدية، لكن بتعديلات تتناسب مع قدرات النماذج الحاسوبية. النتائج التي تم التوصل إليها تُظهر نمطًا معرفيًا "مُتَقَطِّعًا" في النماذج الحالية، حيث تُظهر قدرات متفوقة في بعض المجالات، خاصة تلك التي تعتمد على المعرفة الواسعة أو التنبؤ بناءً على بيانات ضخمة، مثل نماذج مثل GPT-4. لكنها تُعاني من عيوب جوهرية في مكونات المعرفة الأساسية، لا سيما في الذاكرة طويلة المدى، والقدرة على التعلم التراكمي، والتخزين الفعّال للمعلومات عبر الزمن. إذا تم تقييم هذه النماذج باستخدام هذا الإطار، فإنها تحصل على ما يُعرف بـ"درجات AGI"، حيث بلغت GPT-4 حوالي 27%، بينما تُقدّر GPT-5 بـ57%، مما يعكس تقدمًا سريعًا لكنه لا يزال بعيدًا عن تحقيق الذكاء العام الحقيقي. هذه الأرقام ليست مجرد مؤشرات نسبية، بل تمثل قياسًا كميًا دقيقًا للمسافة التي تفصل بين ما هو موجود الآن وما هو مطلوب لتحقيق الذكاء البشري الحقيقي في الآلات. الإطار المقترح لا يُعدّ مجرد أداة تقييم، بل يُشكّل خريطة طريق لتطوير الذكاء الاصطناعي، حيث يُبرز المجالات التي تحتاج إلى تحسين جوهري، مثل التفكير التراكمي، والقدرة على التكيّف في بيئات غير مألوفة، والقدرة على التعلم من تجارب قليلة. كما يُعدّ هذا النموذج أداة حيوية للباحثين، والمطورين، والقرارات السياسية، لقياس التقدم نحو AGI بشكل موضوعي، بعيدًا عن التصريحات المبالغ فيها أو التوقعات غير الواقعية. في النهاية، يُقدّم هذا العمل خطوة جوهرية نحو توحيد المفاهيم في مجال الذكاء الاصطناعي، من خلال تحويل مفهوم مُجرّد مثل AGI إلى مقياس قابل للقياس، مما يُعزّز الشفافية، ويُقلّل من التباسات، ويدعم تطوير تقنيات ذكية أكثر مرونة، وذكاءً أعمق، وقريبًا من قدرات الإنسان.
