الذكاء الاصطناعي الأصيل (AI-Native) هو نموذج تنظيمي يعيد هيكلة عمليات التنسيق وهياكل البيانات وصلاحيات اتخاذ القرار بشكل منهجي، جاعلاً من نماذج الذكاء الاصطناعي الافتراض الأساسي للنظام. ينبع هذا المفهوم من الممارسات الصناعية، وبقي لفترة طويلة حبيس الخطاب التسويقي؛ ومع صعود تقنيات النماذج الكبيرة انتشر على نطاق واسع، إلا أنه افتقر دائماً إلى تعريف تقني قابل للتطبيق والتحديد.

في عام 2026، قدم تان في ورقته البحثية تعريف أنظمة الذكاء الاصطناعي الأصيل: الاستقلالية كسلطة مراجعة أول تعريف تقني صارم. يجمع هذا التعريف معايير التحديد في بُعد أساسي واحد وهو سلطة النظام في مراجعة قراراته الخاصة (revision authority)، مُميزاً بوضوح بين كيان تنفيذ القرار (occupancy) وكيان امتلاك صلاحية تعديل القرار (revision authority)، ومصنفاً سلطة المراجعة إلى ثلاث مستويات تصاعدية: الضبط الذاتي (self-tuning)، وإعادة الكتابة الذاتية (self-rewriting)، والهندسة المعمارية الذاتية (self-architecting).

وفقاً لهذا المعيار، لا يمكن تصنيف النظام كنظام ذكاء اصطناعي أصيل حقاً إلا عندما يمتلك الذكاء الاصطناعي القدرة على إعادة كتابة التنفيذ الذاتي للنظام. يجب أن تصاحب هذه الأنظمة آليات متطورة للكشف عن الحالات الشاذة، وإجراءات تحقق رسمية، وحلول تراجع موثوقة، مع احتفاظ البشر بملكية أهداف النظام وسلطة تحديد الصحة. بناءً على هذا التقييم، فإن معظم المنتجات التي تدعي كونها "أصيلة في الذكاء الاصطناعي" تنتمي في الواقع فقط إلى فئة التعزيز بالذكاء الاصطناعي (AI-augmented)؛ أما في أنظمة الذكاء الاصطناعي الأصيل الحقيقية، لم يعد الذكاء الاصطناعي مجرد أداة مساعدة، بل أصبح مشاركاً جوهرياً في التطور المستمر للنظام.

[JIALIU_0]