Summio

مقال

تقرير مؤشر الذكاء الاصطناعي 2026: المؤشرات الفنية

نستعرض كيف تطور الذكاء الاصطناعي في عام 2025: من الإبصار إلى الروبوتات. مفاجأة: أصبح قوياً جداً، لكن مع بعض التفاصيل الدقيقة.

21 دقيقة قراءة

متاح باللغات

معاينة الملخص

رحلة الذكاء الاصطناعي: استكشاف أحدث التقنيات وفق تقرير ستانفورد 2026

يا هلا بالجميع! اليوم راح نغوص سوا في عالم الذكاء الاصطناعي المدهش، ونشوف وش صار فيه بالضبط في سنة 2025. معهد ستانفورد للذكاء الاصطناعي البشري (Stanford HAI) أصدر تقريره الجديد AI Index Report، وفيه كنوز من المعلومات، خصوصًا في قسم التطورات التقنية. هذا القسم هو القلب النابض لكل شيء، هو اللي يوضح لنا كيف الآلات بدأت تفهم العالم وتتفاعل معه. جهزوا نفسكم، لأننا راح نستعرض أرقام، مقارنات، واكتشافات يمكن ما كنا نتوقعها. راح نشوف كيف الإي آي تعلم يشوف، يفهم لغتنا، يولد فيديوهات، يفكر، وحتى يتحرك. راح نتكلم عن اللاعبين الكبار، ليش الاختبارات القديمة ما عاد تنفع، ووين الإي آي لسه محتاج وقت. كل هذا بأسلوب بسيط ومريح، زي ما نحب.

الفصل الأول: البداية - وين وصلنا؟

تخيلوا إننا نبني بيت. هذا التقرير هو زي معاينة موقع البناء. ما نبغى نشوف بس الدهان الحلو على الجدران (يمكن هذا يمثل رأي الناس أو الوضع الاقتصادي)، لا، نبغى نشوف الأساسات، الهيكل، الأسلاك – الأشياء اللي تخلي البيت بيت. في عالمنا، هذا هو الأداء التقني للذكاء الاصطناعي. بدونه، كل الكلام الثاني مجرد كلام فاضي. في 2025، الذكاء الاصطناعي قدم أداءً فاق حتى توقعات المطورين. ما صار أفضل شوي، لا، بدأ يكسر الحواجز اللي هو حطها بنفسه. وهذا ينطبق على كل المجالات تقريبًا: من رؤية الحاسوب للروبوتات، وحتى الوكلاء اللي يقدرون يتصرفون بشكل مستقل. الرسالة الأساسية: الذكاء الاصطناعي يتطور بسرعة جنونية، أسرع من طرق قياسنا له. وهذا شيء رائع ومقلق في نفس الوقت، لأننا بدأنا نفقد السيطرة على كيفية تقييم هذا التقدم.

الفصل الثاني: النقاط الرئيسية - وش اللي صار؟

خلونا ندخل في صلب الموضوع مباشرة. وش الشيء اللي صار في 2025 وخلى خبراء ستانفورد HAI يتكلمون بحماس (أو قلق)؟ النقطة الأولى: الذكاء الاصطناعي يتفوق على الاختبارات المصممة له. هذه يمكن أهم نتيجة. تتذكرون كيف كانوا يقارنون الذكاء الاصطناعي بالبشر في مهام معقدة؟ الحين، الإي آي مو بس لحق البشر، بل سبقهم. مثلاً، في اختبار "آخر امتحان للبشرية" (Humanity's Last Exam)، اللي صمموه خصيصًا عشان يكون صعب على الآلات، أفضل النماذج أظهرت تحسن بنسبة 30% في سنة واحدة! هذا كأن طالب انتقل من درجة مقبول إلى ميدالية أولمبية في سنة. المشكلة هنا إن الاختبارات اللي كان المفروض تخدمنا سنين، صارت مشبعة خلال شهور. ما عاد تفيد في تتبع التقدم الحقيقي. كأننا نحاول نقيس طول طفل بمسطرة قديمة وممسوحة. النقطة الثانية: النماذج المتصدرة تقتربت، والمنافسة تشتعل. لو زمان كان فيه نموذج واحد مسيطر، الحين عندنا مجموعة قوية من المتنافسين. حسب تصنيف Elo (زي الشطرنج، بس للإي آي، والناس هم اللي يقيمون في "الساحة" Arena)، خمس شركات – Anthropic, xAI, Google, OpenAI, Alibaba, و DeepSeek – متقاربين جدًا. الفرق بينهم كم عشرة نقاط فقط. هذا يعني إن المعركة انتقلت من مجرد الأداء العالي إلى جبهات ثانية: مين يوفر النموذج أرخص، مين يخليه أكثر موثوقية، أو مين يخليه متخصص أكثر لمجال معين (زي الطب أو المال). الحين المهم مو بس تكون ذكي، بل تكون ذكي ومتاح. النقطة الثالثة: الفجوة بين النماذج المغلقة والمفتوحة تتسع مرة أخرى. في 2024، كان فيه أمل إن النماذج المفتوحة (open-source) تلحق بالمغلقة. لكن في 2025، الوضع انعكس. أفضل النماذج المغلقة تتفوق على أفضل النماذج المفتوحة بنسبة 3.3%. ومن أفضل 10 نماذج في "الساحة"، ستة منها مغلقة. هذه أخبار سيئة للي كانوا يعتقدون إن الديمقراطية في الإي آي بتتحقق عبر التطوير المفتوح. يبدو إن أحدث التقنيات ما زالت محبوسة داخل الشركات الكبيرة. النقطة الرابعة: التنافس الجيوسياسي بين أمريكا والصين يصل إلى التكافؤ. زمان كانوا يقولون إن أمريكا متقدمة كثير على الصين في تطوير الإي آي. لكن في 2025، الوضع تغير. النماذج الأمريكية والصينية بدأت تتبادل المراكز في التصنيفات. مرة نموذج صيني DeepSeek-R1 يقارن بأفضل نموذج أمريكي، ومرة العكس. الحين، أفضل نموذج أمريكي يتفوق على الصيني بنسبة 2.7%. الفرق بسيط ويتغير باستمرار. يبدو إن سباق التسلح في مجال الإي آي ماشي بنفس الوتيرة. النقطة الخامسة: الاختبارات المعيارية تفقد مصداقيتها، ويتم "خداعها". هذه نتيجة مباشرة للنقطة الأولى. اكتشفنا إن الأخطاء في الاختبارات المشهورة ممكن توصل لـ 42%! مثلاً، في مهمة GSM8K (حل مسائل رياضية) كان فيه أسئلة غير صحيحة كثير. وفيه شكوك إن بعض النماذج تعلمت "تلعب" في منصة "الساحة"، وتعطي نتائج عالية مش بسبب قدراتها الحقيقية، بل بسبب تكيفها مع ظروف معينة. كأن طالب حفظ إجابات امتحانات سابقة بس ما فهم المادة. الأفكار المركزية: الذكاء الاصطناعي يتطور بسرعة، لكن طرق قياسنا لهذا التطور متأخرة. المتصدرون في السوق قريبون من بعض، النماذج المفتوحة في دور المطاردة مرة أخرى، والمشهد الجيوسياسي يتعادل. المشكلة الأكبر هي عدم موثوقية الاختبارات المعيارية.

الفصل الثالث: الأفكار الرئيسية - ما وراء الأرقام؟

خلونا نفصل هذه النقاط أكثر عشان نفهم وش معناها بالنسبة لنا، للتكنولوجيا، وللمستقبل.

الفكرة الأولى: "عنق الزجاجة" للاختبارات المعيارية

تخيل إنك تبغى تعرف سرعة رياضي. تحط له مسافة معينة. لكن لو الرياضي صار سريع لدرجة إنه يقطع المسافة في وقت قريب من الصفر، ما عاد فيه فايدة تقيس أكثر. ما تقدر تفرقه عن رياضي ثاني بنفس السرعة الخارقة. هذا اللي يصير مع الذكاء الاصطناعي. اختبارات زي MMLU أو GSM8K صممت عشان تكون صالحة لسنوات. لكن النماذج تعلمت تحل مسائلها بسرعة لدرجة إنها صارت "مشبعة". يعني، أغلب أفضل النماذج تحصل على أعلى الدرجات فيها. هذا يعني إننا ما نقدر نستخدم هذه الاختبارات عشان نعرف أي نموذج أفضل. المشكلة: ضغط نافذة الفائدة للاختبارات المعيارية. الاختبارات اللي كان المفروض تكون صالحة لفترة طويلة، تبدأ تبطل خلال شهور. النتائج: صعوبة مقارنة النماذج بموضوعية، وصعوبة تتبع التقدم الحقيقي. كأننا نحاول نحكم على جودة نبيذ من ملصق باهت. الحل؟ نحتاج اختبارات جديدة، أكثر تعقيدًا وديناميكية. ممكن اختبارات تتكيف مع مستوى النموذج، أو اختبارات تقيس القدرة على التفكير والتكيف في ظروف واقعية.

الفكرة الثانية: "الذكاء المسنن" - عبقرية وتخبط في آن واحد

هذه من أطرف المفاهيم اللي يطرحها التقرير. "Jagged intelligence" – "الذكاء المسنن". يعني الذكاء الاصطناعي ممكن يكون قوي بشكل لا يصدق في مجال، وفي نفس الوقت عاجز تمامًا في مجال ثاني يبدو أبسط. مثال من التقرير: نموذج Gemini Deep Think حصل على الميدالية الذهبية في الأولمبياد الدولي للرياضيات (IMO) في 2025. هذا إنجاز كبير يتطلب معرفة رياضية عميقة ومنطق. النموذج حل المسائل في الوقت المحدد، ويعمل باللغة الطبيعية بالكامل. في 2024، نموذج ثاني حصل على الفضة. يعني التقدم واضح. لكن! في اختبار ClockBench، اللي يقيس قدرة النموذج على تحديد الوقت من ساعة تناظرية، نفس النموذج (أو نموذج مشابه له) نجح بنسبة 50.6% فقط. مقارنةً بالبشر اللي ينجحون بنسبة 90.1%. هذا مدهش! كيف ممكن؟ السبب: النماذج تتعلم من كميات ضخمة من البيانات، لكن هذه البيانات ممكن ما تكون متوازنة. مسائل الرياضيات بيانات منظمة، فيها قواعد ومنطق واضح. تحديد الوقت من ساعة تناظرية يتطلب رؤية صور (قرص، عقارب)، تفكير مكاني، فهم نسبي لمواقع العقارب، وربما حدس معين يفتقده الإي آي. النتيجة: الذكاء الاصطناعي ما يمتلك ذكاءً بشريًا شاملاً. هو أقرب لمجموعة أدوات قوية ومتخصصة جدًا. هذا مهم لما نتكلم عن "الذكاء الاصطناعي العام" (AGI).