تعریف آستانه: شاخص‌های عملیاتی برای تمایز هوش مصنوعی عمومی از هوش مصنوعی باریک پیشرفته

بحث پیرامون هوش مصنوعی عمومی (AGI) از تأملات فلسفی به یک چالش مهندسی تغییر کرده است. با نزدیک شدن مدل‌های زبانی بزرگ (LLMs) و سیستم‌های چندوجهی به عملکرد سطح انسانی در وظایف ایزوله، مرز بین «هوش مصنوعی باریک پیشرفته» و «هوش عمومی» به‌طور فزاینده‌ای مبهم می‌شود. برای توسعه‌دهندگان و پژوهشگران، سؤال حیاتی دیگر صرفاً چه چیزی است که یک هوش مصنوعی می‌تواند انجام دهد، بلکه چقدر به‌طور مداوم و چقدر تطبیقی می‌تواند آن را در حوزه‌های ساختارمند انجام دهد. این پست یک چارچوب برای شاخص‌های عملیاتی ترسیم می‌کند که به تمایز تعمیم‌دهی واقعی از تطبیق الگوهای پیچیده کمک می‌کنند.

مشکل معیارهای ایستا

معیارهای سنتی مانند MMLU یا HumanEval ایستا هستند. به محض اینکه یک مدل بر اساس آن‌ها تنظیم شود، قدرت تمایزدهی خود را از دست می‌دهند. یک هوش مصنوعی باریک پیشرفته می‌تواند ظرافت‌های یک حوزه خاص را حفظ کند. برای شناسایی رفتارهای شبیه به AGI، باید به تعمیم‌دهی خارج از توزیع (OOD) و استدلال ترکیبی نگاه کنیم. AGI با توانایی انتقال دانش از حوزه A به حوزه B کاملاً نامرتبط بدون بازآموزی صریح مشخص می‌شود.

شاخص ۱: کارایی انتقال بین‌حوزه‌ای

یک شاخص عملیاتی کلیدی نسبت انتقال است. این شاخص افت (یا افزایش) عملکرد را هنگام اعمال مهارتی که در یک زمینه آموخته شده به زمینه دیگر اندازه‌گیری می‌کند. اگر سیستمی در شطرنج عالی عمل کند اما در پارادوکس‌های منطقی پایه در زبان طبیعی شکست بخورد، باریک است. AGI باید افت حداقلی را در وظایف با تنوع نحوی اما مرتبط از نظر معنایی نشان دهد.

def calculate_transfer_ratio(performance_task_a, performance_task_b):
    """
    کارایی انتقال مهارت‌های استدلالی
    از وظیفه A (شناخته شده) به وظیفه B (جدید اما مرتبط) را محاسبه می‌کند.
    
    امتیازی بین 0 و 1 برمی‌گرداند. هرچه بالاتر، بهتر است.
    """
    if performance_task_a == 0:
        return 0.0
    
    # نرمال‌سازی عملکرد به مقیاس 0-1
    norm_a = performance_task_a / 100.0
    norm_b = performance_task_b / 100.0
    
    # این نسبت نشان می‌دهد چقدر از قابلیت پایه حفظ شده است
    transfer_efficiency = norm_b / norm_a
    
    # محدود کردن به 1.0 برای جلوگیری از کارایی >100% که نشان‌دهنده بیش‌برازش روی B است
    return min(transfer_efficiency, 1.0)

# مثال: سیستم دیباگ کردن پایتون را یاد می‌گیرد (وظیفه A)
# سپس تلاش می‌کند تحلیل قرارداد حقوقی را انجام دهد (وظیفه B)
perf_debugging = 95.0
perf_legal = 40.0

print(f"Transfer Ratio: {calculate_transfer_ratio(perf_debugging, perf_legal):.2f}")
# خروجی: 0.42 -> نشان‌دهنده تخصص باریک

شاخص ۲: حل نوآوری بدون نمونه (Zero-Shot)

هوش مصنوعی باریک برای عملکرد خوب در وظایف جدید به نمونه‌های یادگیری در بافت نیاز دارد. AGI باید مسائل جدید را با صفر مواجهه قبلی با ساختار خاص مسئله حل کند. ما این را با استفاده از نرخ موفقیت در اولین تلاش بر روی مجموعه‌های مسئله پویا تولیدشده و غیرتکراری اندازه‌گیری می‌کنیم.

• ورودی: یک مجموعه قوانین کاملاً جدید که در زبان طبیعی تعریف شده است.
• وظیفه: اعمال قوانین بر روی مجموعه‌ای از نقاط داده دیده‌نشده.
• آستانه: اگر سیستم برای رسیدن به دقت ۹۰٪ به بیش از ۳ نمونه نیاز دارد، احتمالاً به تطبیق الگوی باریک در بافت متکی است. اگر با ۰ نمونه به ۹۰٪ دست می‌یابد، استقراء قوانین انتزاعی را نشان می‌دهد.

شاخص ۳: پایداری بار شناختی

مدل‌های باریک پیشرفته اغلب تحت بار شناختی (بافت‌های طولانی، محدودیت‌های متعدد) افت می‌کنند. AGI باید پایداری عملکرد را حفظ کند در حالی که پیچیدگی مجموعه محدودیت‌ها افزایش می‌یابد. ما منحنی افت پیچیدگی را ردیابی می‌کنیم:

import numpy as np

def plot_complexity_decay(accuracy_scores, constraint_counts):
    """
    نمایش تصویری اینکه دقت چگونه با افزایش تعداد محدودیت‌های همزمان افت می‌کند.
    """
    # برازش یک رگرسیون خطی برای مشاهده نرخ افت
    coeffs = np.polyfit(constraint_counts, accuracy_scores, 1)
    decay_rate = coeffs[0]
    
    # یک جایگزین سالم برای AGI باید دارای decay_rate > -0.05 برای هر محدودیت باشد
    # هوش مصنوعی باریک اغلب بیش از 0.1 برای هر محدودیت افت می‌کند
    if decay_rate > -0.05:
        status = "High Stability (AGI-like)"
    else:
        status = "Fragile (Narrow AI)"
        
    return f"Decay Rate: {decay_rate:.4f} | Status: {status}"

# داده‌های شبیه‌سازی شده
accuracies = [98, 95, 92, 88, 85]
constraints = [1, 2, 3, 4, 5]
print(plot_complexity_decay(accuracies, constraints))

پیاده‌سازی عملی: مجموعه معیارهای پویا

برای عملیاتی کردن این شاخص‌ها، ما توصیه می‌کنیم یک مجموعه معیارهای پویا بسازید که از هوش مصنوعی مولد برای ایجاد مسائل جدید در زمان واقعی استفاده می‌کند. این کار از بیش‌برازش روی مجموعه‌های داده ثابت جلوگیری می‌کند. سیستم باید:

1. یک معمای منطقی جدید یا وظیفه کدنویسی تولید کند.
2. راه‌حل و هرگونه نمونه مشابه را پنهان کند.
3. دقت پاسخ اولیه هوش مصنوعی را اندازه‌گیری کند.
4. ۱۰۰ بار در حوزه‌های تصادفی تکرار کند.
5. نسبت انتقال تجمعی و نرخ افت را محاسبه کند.

نتیجه‌گیری: از امتیازها به رفتار

تمایز AGI از هوش مصنوعی باریک پیشرفته درباره یافتن یک عدد جادویی واحد نیست. این درباره مشاهده مقاومت رفتاری در برابر نوآوری، محدودیت‌های بین‌حوزه‌ای و پیچیدگی فزاینده است. با تغییر تمرکز از امتیازات ایستا به شاخص‌های عملیاتی پویا مانند نسبت‌های انتقال و افت پیچیدگی، می‌توانیم شروع به ساخت آستانه‌های دقیق‌تر و از نظر علمی معتبر برای آنچه هوش عمومی را تشکیل می‌دهد کنیم. هدف صرفاً اندازه‌گیری آنچه هوش مصنوعی می‌داند نیست، بلکه چگونه در مواجهه با ناشناخته‌ها یاد می‌گیرد و تطبیق می‌یابد.