في عالم الذكاء الاصطناعي، يُعتمد بشكل متزايد على النماذج القادرة على كشف المخاطر والتهديدات المحتملة. ومع ذلك، كشفت دراسة جديدة عن مشكلة مثيرة للاهتمام تُعرف بالفجوة غير الانتباهية (Inattentional Gap). هذه الظاهرة تحدث عندما يتم تدريب نماذج الذكاء الاصطناعي، سواء كانت نماذج لغوية أو رؤية حاسوبية، على مهام محددة بشكل ضيق، مما يؤدي إلى تجاهل إشارات السلامة الحيوية التي كانت لتُسجل في ظروف أخرى.

تُظهر الأبحاث أن نماذج الذكاء الاصطناعي تتجاهل غالبًا الإشارات المهمة التي يمكن أن تحد من الحوادث. فقد تم اختبار هذه الفجوة في سياقات متعددة، منها الرعاية الصحية عبر تحليل الأشعة ونماذج القيادة. والغريب أن هذا الت suppression لم يتراجع مع زيادة حجم النموذج، مما يجعل الأمر أكثر خطورة. الفجوة غير الانتباهية تعني أن النظام قد يحقق نتائج مثالية فيما يتعلق بالحوادث المحددة، لكنه يبقى عاجزاً عن كشف المنبهات الحقيقية التي قد تؤدي إلى وقوع حوادث.

صراع مع هذه الفجوة ليس مجرد مسألة تقنية، بل يمثل تحدياً أخلاقياً أيضاً. يجب علينا أن نكون حذرين في كيفية فهم وقياس أمان نماذج الذكاء الاصطناعي. يجب أن ندرك أن الأمان في العالم الواقعي يختلف عن الأمان في بيئات الاختبار، ومواصلة تطوير نماذج أفضل يمكن أن يحمي الأرواح في نهاية المطاف.