«سباير بنش» يختبر وكلاء الذكاء الاصطناعي: تعادل مبكر مع الخبراء وانهيار في القرارات الممتدة

تكشف تجارب أتمتة الأعمال أن النماذج اللغوية قادرة على إنجاز المهام الخاطفة بدقة لافتة، لكن قدرتها على التفكير الاستراتيجي في المسارات الممتدة تظل موضع تساؤل علمي غير محسوم. وتعتمد معظم اختبارات الوكلاء على مهمات قصيرة ومجتزأة، يصعب معها فرز الأداء الفعلي وتحديد ما إذا كان مدفوعا ببيانات محفوظة، أو استدلال منطقي أصيل، أو مصادفة إحصائية. في هذا السياق، قدم الباحثان سكوت لوي وساندر كيمينك عبر دراسة بحثية على منصة «أركايف» بيئة اختبار جديدة تحمل اسم «سباير بنش»، تمنح النماذج اللعبة التجارية الكاملة «سلاي ذا سباير»، حيث تحدد القرارات المبكرة مصير الفوز أو الهزيمة عبر تسلسل استراتيجي طويل ومعقد.

أخضع الباحثان عشرين نموذجا لغويا كبيرا لأقصى درجات صعوبة اللعبة، فجاءت النتائج كاشفة للفارق الجوهري بين التكتيك اللحظي والرؤية بعيدة المدى. تفوقت نماذج الطليعة على الخطوط المرجعية التقليدية وعادلت مستوى اللاعب البشري المتوسط، غير أنها بقيت متأخرة بمراحل شاسعة عن مستوى الخبراء. وتتسع هذه الهوة بوضوح كلما طال زمن المسار؛ إذ عادلت النماذج الأقوى معدلات فوز الخبراء في المرحلة الأولى من اللعبة، ثم تراجعت بصورة حادة في المراحل اللاحقة.

ما يفرز النماذج القوية عن الضعيفة ينحصر في كفاءة إدارة المعارك الفردية، بينما تشترك جميعها في عجز استراتيجي عن تقييم المخاطر عبر المسار الكامل. أظهر الفحص أن النماذج تحرص على حماية نقاط صحتها اللحظية، بدلا من التضحية المحسوبة ببعض تلك النقاط لتنمية قواها واكتساب عناصر تمنحها مناعة في المراحل المتقدمة. هذا التردد في استنزاف مورد آني لبناء قدرة تراكمية يفسر تعثر الوكلاء في البيئات التي تشترط تحمل مخاطرة مؤقتة للوصول إلى هدف أوسع.

وللتحقق من طبيعة هذا الأداء، أجرى الباحثان إعادة تسمية شاملة ومتسقة ذاتيا لكل مصطلح وقاعدة داخل اللعبة. أثبتت النتائج أن جانبا ملموسا من تفوق النماذج استند إلى استرجاع معرفة سابقة مخزنة من بيانات التدريب، لا إلى استدلال حي يتفاعل مع القواعد المستحدثة. وفوق ذلك، اختبرت التجربة الذاكرة التي تدونها النماذج لنفسها بين الجولات المتعاقبة بهدف التعلم الذاتي، فتبين أنها لم تحقق أي تحسن يذكر عبر تلك السجلات؛ إذ اتسمت ذكرياتها المكتوبة بالخطأ والحذر المبالغ فيه، ما حبسها في سلوك دفاعي متكرر.

يحمل هذا التحليل دلالات عملية مباشرة للمؤسسات وفرق التطوير في الخليج ومصر والمنطقة، ولا سيما الجهات التي تسعى لنقل الوكلاء من روبوتات محادثة إلى منفذين لعمليات مؤتمتة في قطاعات المصارف واللوجستيات والخدمات الحكومية. فالنجاح في الخطوات الأولى من مسار تدقيق أو مراجعة قيود مالية لا يعني أبدا ضمان سلامة القرار عند المنعطفات المتأخرة، خصوصا حين تتراكم الحسابات. كما أن الاعتماد على ذاكرة نصية يسجلها الوكيل بنفسه يهدد بحبس المنظومات في قرارات شديدة التحفظ تعطل تدفق المعاملات، بينما يشكل غياب الاستدلال الصافي مخاطرة تشغيلية إذا واجه النموذج مصطلحات وتصنيفات تنظيمية داخلية تختلف عن البيانات العامة المألوفة في أوزانه.

يقدم «سباير بنش» معيارا غير مشبع يثبت أن تقييمات الكفاءة السريعة لم تعد دليلا كافيا على النضج في بيئات العمل الحية. الحكم الصائب على وكيل الذكاء الاصطناعي لا يرتبط بقدرته على إدارة جولة معزولة، بل بقدرته على إدارة الموارد عبر مسار طويل، والموازنة بين كلفة اليوم ومكاسب الغد.