تخطَّ إلى المحتوى

«معيار تقييم الهندسة النووية يكشف خلل استدلال النماذج: تنبيه رقابي لقطاعات الطاقة بالمنطقة»

شارك المقال
«معيار تقييم الهندسة النووية يكشف خلل استدلال النماذج: تنبيه رقابي لقطاعات الطاقة بالمنطقة»
الصورة: Dan Meyers / Unsplash

استمع لهذا المقال

بصوت راشد (Rashed)

يبدو الاعتماد على النماذج اللغوية الكبيرة في المنشآت الحساسة خطوة مغرية لأتمتة الفحص والتشغيل، غير أن دراسة بحثية حديثة كشفت فجوة مقلقة بين تقديم إجابة صحيحة وامتلاك استدلال هندسي سليم. هذه النتيجة تضع طموحات ربط الذكاء الاصطناعي بمشاريع الطاقة والبنية التحتية الحرجة في الخليج ومصر أمام اختبار تدقيق صارم لا يقبل التهاون. ففي ورقة بحثية أودعها سبعة باحثين في منتصف نوفمبر 2026 عبر منصة «أركايف»، دشن الفريق معيار «إن إي بنش آر 1» (NEBench R1) لقياس كفاءة النماذج التوليدية في مجال الهندسة النووية، مبرزين أن دقة النتائج المعلنة تخفي في طياتها مبررات تقنية معيبة.

استند المعيار الجديد إلى تفكيك 7,546 سؤالا فريدا من نوع الاختيار من متعدد، استُخلصت بالكامل من امتحانات ترخيص مشغلي المفاعلات المعتمدة لدى هيئة التنظيم النووي الأمريكية، لتغطي 18 منشأة نووية مختلفة. وصنف الباحثون، بقيادة ليان وانغ وألكسندر فاكانسكي، كل سؤال وفق فهارس المعرفة والقدرات الرسمية للهيئة، مع إرفاق التفسيرات المعتمدة لتكون مرجعا موضوعيا لتقييم مسارات التفكير. وأخضعت الورقة ستة نماذج لغوية كبرى للاختبار، لتتوزع نسب الدقة الإجمالية بين 34.0 بالمئة و73.9 بالمئة عبر ثلاثة مستويات أداء متباينة.

المفاجأة الأبرز لم تكن في تفاوت نسب النجاح، بل فيما كشفه قاض آلي اعتمد على سلم تقييم متعدد الأبعاد لفحص الإجابات الصحيحة وحدها. أظهرت النتائج أن تقديم النموذج لإجابة نهائية سليمة لم يكن مدعوما في كثير من الأحيان بحجج تقنية متماسكة، إذ سجلت النماذج درجات متدنية في الدقة الإجرائية والواقعية وتحليل الخيارات المضللة، رغم إدراكها الجيد لمنطوق المسألة. وترافقت هذه الفجوة مع مؤشر آخر؛ فوضوح الصياغة وسلاسة الإجابة ارتبطا ارتباطا ضعيفا بالجودة التقنية، مما يعني أن بلاغة النموذج لا تمثل ضمانة لسلامة قراره الهندسي.

امتد الفحص إلى نماذج الاستدلال المتقدمة على خط المواجهة، ليقود إلى ملاحظة عكسية حاسمة تدحض الافتراضات الشائعة؛ ارتبطت مسارات الاستدلال الأطول بانخفاض معدل الدقة لدى النماذج المتقدمة. وخلص الباحثون إلى أن إطالة مسار التفكير تعكس صعوبة السؤال واستعصاءه على النموذج أكثر مما تعكس قدرة محسنة على حل المعضلات. ويقدم هذا الاستنتاج معيارا تشغيليا غير مسبوق، يتمثل في استخدام استهلاك رموز الاستدلال كإشارة إنذار مبكرة لرصد المخرجات التي يُحتمل عدم موثوقيتها قبل اعتمادها في العمليات الميدانية.

ماذا يعني هذا للمنطقة

يفرض هذا التقييم مراجعة مباشرة لخطط أتمتة غرف العمليات وقطاعات الطاقة والمرافق الحيوية في الخليج ومصر، لا سيما في المنشآت التي تتطلب أعلى درجات الأمان والاعتمادية. إن اعتماد اللجان التقنية على لوحات الصدارة العامة أو الاكتفاء بفحص الإجابة النهائية يشكل ثغرة تشغيلية كبرى؛ إذ يتطلب العمل الميداني إلزام مزودي النماذج بتقديم أدلة تدقيق إجرائية تفكك خيارات الاستبعاد وتبرر خطوات اتخاذ القرار، بدلا من الاكتفاء بفصاحة لغوية قد تحجب أعطالا فادحة.

كما يمنح اكتشاف ارتباط إطالة التفكير بانخفاض الدقة مهندسي البنية التحتية بالمنطقة أداة رقابية ملموسة لضبط تكاليف الحوسبة وإدارة المخاطر. يمكن لفرق التشغيل برمجة عتبات مراقبة ترصد استهلاك رموز الاستدلال في الوقت الفعلي؛ فإذا استهلك النموذج زمنا ورموزا استدلالية تفوق المعدل المعتاد لمعالجة عطل أو قراءة مستشعر، يُعد ذلك مؤشر ارتباك يفرض تجميد الإجراء الآلي وتمرير التنبيه فورا إلى المهندس المناوب. هذا التحول ينقل معايير تقييم النماذج في المنطقة من الانبهار بطلاقة الإجابة إلى التيقن من سلامة الخطوات الإجرائية.

اشترك في همسات الذكاء الاصطناعي — كل أسبوع: قصص وفرص وأحداث مختصرة وموثقة، بلا حشو.

اشترك ليصلك الجديد