تحولات مثيرة في الذكاء الاصطناعي الطبي: دقة مبهرة مع تفكير غير مُقنع!

في عالم الذكاء الاصطناعي، تتطور التقنيات بشكل مستمر، وآخرها ما يتعلق بنماذج "سلسلة التفكير" (Chain-of-thought - CoT) المستخدمة في تطبيقات الرعاية الصحية. هذا النوع من النماذج يهدف إلى تدريب نموذج أصغر على تقليد مسار التفكير لنموذج معلم أكبر، ولكن ماذا عن جودة هذا التفكير؟

في سياق استبيانات الأسئلة الطبية (Medical QA)، حيث يمكن أن تترك الخيارات المختصرة مبرراً سريرياً غير مفصل بشكل كافٍ، تم إجراء دراسة جديدة. أظهر الطراز الأصغر "Qwen3-8B"، المأخوذ من نموذج "DeepSeek-V3"، تحسناً ملحوظاً في معايير إجابات الأسئلة الطبية، حيث زادت نسبة الدقة من 74.7% إلى 84.4%.

لكن ما يجب الانتباه إليه هو النتيجة التي تم التوصل إليها في سياق معين؛ عندما تم تقييم الأداء من خلال نظام تحكيم أعمى (Kimi-K2.6) للنماذج اللغوية، ارتفع معدل الأخطاء في الخطوات غير المعفاة من 30.6% إلى 50.3%. وهذا يسجل تبايناً مثيراً: دقة الإجابات وجودة المسار المنطقي لا تسيران جنباً إلى جنب.

تظهر الأنماط ذاتها في تقييمات متعددة، حيث تبين أن النموذج الجديد يحمل مخاطر عندما يكون الجواب المختصر يفتقر إلى التقييد الصحيح للمسار الفكري. الأمر الأكثر إثارة للدهشة هو أن المقاييس التقليدية لا تعكس هذا التحول بشكل دقيق. لذلك، عندما تُطلق هذه المسارات أو يُعاد استخدامها، تصبح المعايير الخاصة بالإجابات وحدها غير كافية لتقييم الجودة.

هذه التطورات تحثنا على التفكير في المستقبل ودور الذكاء الاصطناعي في مجالات دقيقة مثل الصحة. هل ستدفعنا هذه الاكتشافات لتحديث كيفية تقييمنا لهذه الأنظمة الذكية؟ ما رأيكم في هذا التطور؟ شاركونا في التعليقات.