عقود طويلة مضت والباحثون يقيسون كفاءة الذكاء الاصطناعي بمدى قدرته الإيجابية: كم سؤالاً يفك شفرته؟ وكم صورة يحللها؟ وما مدى دقة تشخيصه وتنبؤاته؟ لكن اليوم، يفرض سؤال مغاير نفسه على خريطة التكنولوجيا: هل يمتلك النظام القدرة الذاتية على رصد حدود معرفته والتوقف عندما يفتقر إلى إجابة موثوقة؟
إن الخطر الحقيقي في أنظمة الذكاء الاصطناعي لا يكمن في ارتكاب الأخطاء الفنية فحسب، بل في صياغة تلك الأخطاء بـثقة لغوية مفرطة توحي للمستخدم بصحتها المطلقة. وفي القطاعات الحيوية كـالطب، لا يعد هذا الخلل مجرد مشكلة تقنية، بل مسألة حياة أو موت؛ فالنظام الذي يعترف بعدم يقينه ويطلق إشارات تحذيرية يصبح أكثر أماناً بمراحل من نظام يقدم حكماً قاطعاً بأدلة واهية.
من الذكاء التقليدي إلى «ما وراء المعرفة»
في علم الإدراك البشري، تُعرف قدرة الإنسان على مراقبة تفكيره الخاص وتقييم درجة صحة معلوماته باسم «الميتا معرفة» (Metacognition) أو «ما وراء المعرفة». هذه الميزة هي ما يجعلنا نزن أحكامنا بدقة، فنفصل بين ما نوقن به، وما نرجحه، وما نجهله تماماً.
• النموذج الطبي البشري: لا تنبع عبقرية الطبيب الخبير من حفظه لكل الإجابات، بل من إدراكه اللحظي لـحدود يقينه السريري؛ فعندما يرى أن المعطيات غير كافية، يتوقف عن الحسم، ويطلب فحوصات إضافية، أو يستشير زملاءه حمايةً للمريض.
• المحاكاة الوظيفية في الآلة: لا يحاول العلماء اليوم بث "الوعي الإنساني" في الآلات، بل يركزون على بناء آلية برمجية تمكن النظام من تقدير موثوقية مخرجاته رقمياً، ليتعلم خفض مستوى ثقته أو الامتناع عن الإجابة إذا تجاوزت المسألة حدود تدريبه.
ثورة 2026 البحثية: خوارزميات تتعلم كيف تشك
يشهد هذا العام تحولاً بحثياً متسارعاً عبر دراسات علمية رائدة نُشرت على منصة الأبحاث «arXiv» لصياغة أطر عملية تعلم الآلة قول «لا أعلم»:
• 30 يونيو 2026 (إطار RLMF): طوّر فريق بقيادة الباحثة غابرييل كايلي ماي ليو إطاراً يسمى «التعلّم المعزَّز بالتغذية الراجعة الميتا معرفية». يستهدف هذا الإطار معالجة "اليقين الزائف" في النماذج اللغوية عبر مواءمة التعبير اللغوي للنموذج مع درجة يقينه الحسابية. وأظهرت النتائج تفوق هذا الأسلوب على التعلم المعزز التقليدي بنسبة تصل إلى 63% في معايرة الثقة، دون المساس بدقة الإجابات الأساسية.
• 13 يوليو 2026 (مراجعة شاملة): نُشرت دراسة بعنوان "Metacognition in LLMs: Foundations, Progress, and Opportunities" رصدت أدوات قياس سلوك النماذج أثناء مراقبة أدائها وتعديل مخرجاتها، مؤكدة أن المجال ينضج تقنياً لكنه لا يزال يبحث عن المدى الفعال لتطبيق هذا السلوك.
• 15 أغسطس 2026 (إثبات المفهوم): ظهر بحث قدّم نموذجاً أولياً يجعل التكنولوجيا تراقب مؤشرات أدائها الذاتي (مثل احتمالية الخطأ، وجود بيانات متعارضة، وتعقيد المسألة)؛ لتحديد ما إذا كانت المعالجة تحتاج إلى تدبر أعمق. ورغم أنه غير جاهز للاستخدام الطبي السريري بعد، إلا أنه يوجه البوصلة نحو مكافأة النظام الذي يتوقف عند نقص الأدلة، بدلاً من مكافأته على ملء الفراغ بإجابات واهمة.
معضلة الفجوة بين "الدقة" و"معايرة الثقة"
تنتج أنظمة الذكاء الاصطناعي أحياناً معلومات مفبركة بالكامل تُعرف بـ**«الهلوسة»**، وتكمن الأزمة في قدرتها على صياغتها بأسلوب مقنع وجذاب. لذا يركز العلماء على مفهوم «معايرة الثقة» (Confidence Calibration).
إذا أعلن النظام أنه واثق بنسبة 95%، فهل تتطابق هذه النسبة حسابياً مع احتمالية صحة المعلومة؟ كلما اتسعت الفجوة بين ثقة الآلة ودقتها الفعلية، وقع المستخدم في فخ تضليلي خطير. والأمان التكنولوجي يتطلب أن ترفع الآلة راية التحذير فور خروج الحالة عن نطاق اختصاصها المعرفي.
المعرفة الضمنية: لماذا تتفوق الخبرة البشرية على البيانات؟
يفتح هذا التطور الفلسفي سؤالاً قديماً متجدداً: هل يمكن اختزال كل المعرفة الإنسانية وتحويلها إلى بيانات رقمية قابلة للتعلم؟
• من ابن رشد إلى بولاني: تاريخياً، منح الفيلسوف ابن رشد العقل والبرهان مكانة مركزية في فهم الوجود. وفي القرن العشرين، صاغ العالم والفيلسوف مايكل بولاني نظرية «المعرفة الضمنية» (Tacit Knowledge)، واختصرها بعبارته الأيقونية: «نعرف أكثر مما نستطيع أن نقول».
• الحدس السريري البشري: تتشكل الخبرة الحقيقية من تراكم لآلاف المواقف غير المدونة في الكتب. على سبيل المثال: قد يدخل طفل إلى غرف الطوارئ وتظهر مؤشراته الحيوية والأجهزة الطبية أنها طبيعية ومطمئنة، لكن طبيب الأطفال الخبير يشعر بعدم الارتياح لمجرد نظرة إلى طريقة تنفسه أو لغة جسده. هذا "الحدس" هو التقاط لـأنماط سياقية دقيقة للغاية يعجز الذكاء الاصطناعي عن رصدها لأنها لم تُترجم يوماً إلى أرقام أو نصوص داخل بيانات التدريب.
مستويان من الجهل: متى تشك الآلة؟
لا تزال التقنية الحالية عاجزة عن فهم حدود معرفتها بالمنظور البشري، وثمة فارق جوهري بين نوعين من عدم اليقين:
نوع عدم اليقين طبيعته وآلية عمله موقف الذكاء الاصطناعي منه
عدم يقين حسابي (رياضي) ينتج عن تضارب الأدلة الرقمية، أو تقارب الاحتمالات، أو مواجهة حالة غريبة عن بيانات التدريب. تستطيع التقنيات الحديثة (مثل المعايرة والميتا معرفة) قياسه وتحسينه وتدريب الآلة عليه.
عدم يقين بنيوي (سياقي) يتمثل في المعرفة والخبرات الضمنية التي لم تدخل أصلاً في صناعة البيانات، أو السياقات الحية التي لا يمكن صياغتها في كلمات. تعجز الخوارزمية عنه تماماً؛ لأنها لا تملك دليلاً يربطها بالواقع الخارجي الغائب، وبالتالي لا تدري أن هناك شيئاً ناقصاً في الصورة.
الخلاصة:
قد تنجح التكنولوجيا قريباً في قول «لا أعلم» عندما تشك برمجياً في النتيجة، ولكن التحدي الأعظم والأكثر تعقيداً سيبقى دائماً: كيف نجعل الآلة تدرك متى ينبغي لها أن تشك أصلاً؟

 

 

 

الشرق الاوسط