في خطوة غير مسبوقة نحو فهم أعمق للذكاء العام الاصطناعي (AGI)، يقوم باحثون بتوجيه الضوء نحو عيوب أساليب التقييم الحالية، والتي غالبًا ما تُسند أوزانًا متساوية لمجالات متعددة دون النظر إلى أهميتها النسبيّة. يشير البحث الجديد إلى أن استراتيجيات التقييم الحالية، التي تعتمد على نتائج سريعة، تفشل في التمييز بين القدرات الدائمة والأداء الهش الذي يمكن أن ينهار تحت الضغط.

يطرح الباحثون فرضية مثيرة مفادها أن الذكاء العام يُفهم بشكل أفضل كخاصية تجمع بين مجموعات متنوعة من القدرات، مع وجود آليات تضمن تواجد هذه القدرات معًا رغم التحديات. بناءً على هذه الرؤية، يُقترح أن تُوزن مجالات التقييم بناءً على مركزيتها السببية في استقرار التجمع، مما يضمن أن يتم تقييم القدرات بطريقة تعكس أهميتها الحقيقية.

لتعزيز هذا النهج، يقترح الباحثون تطوير نظام جديد يتضمن احتساب درجات مركزية تأخذ في الاعتبار أوزانًا مشتقة من نماذج مختصة، بالإضافة إلى مؤشر استقرار التجمع الذي يميز بين المحافظات على الأداء والتعلم المستدام وتصحيح الأخطاء. هذه الإضافات تعزز عمق التقييم وتقلل من مستوى الهشاشة المرتبط بالاختبارات التقليدية.

كما يقدمون توقعات قابلة للاختبار وبروتوكولات يمكن أن تعتمدها المختبرات دون الحاجة للوصول إلى المعمارية الأساسية، مما يفتح الباب أمام فرص جديدة لتحسين استراتيجيات تقييم الذكاء العام.

بكل تأكيد، إن هذا البحث سيحدث ثورة في كيفية قياس وتقييم الذكاء الاصطناعي، مما يوفر لنا أدوات أكثر دقة ووضوحًا لفهم الذكاء في جميع مجالات الحياة.