في سعي البشرية لفهم طبيعة الذكاء، برز مفهوم "قياس الذكاء الشامل" الذي أطلق عليه "مقياس Legg--Hutter"، والذي يوفر تقييمًا دقيقًا للذكاء العام كعائد متوقع عبر جميع البيئات القابلة للحساب. إلا أن هذا المقياس يعتمد على دالة مكافأة محددة خارجيًا، مما يثير تساؤلاً حول مدى عشوائية هذا المقياس، وما إذا كان من الممكن وجود خيار قياسي.

نقترح مقياسًا جديدًا يدعى "تعقيد التدخل" (Intervention Complexity) يمتاز بخمس خصائص طبيعية:
1. نشوءه من البيئة،
2. عالميته،
3. قلة تعقيده،
4. حساسيته،
5. تفضيله للإنجاز.

عند توفر دالة موارد تُشفر انحيازًا استقرائيًا—مثل طول البرنامج، وقت التنفيذ، أو الطاقة—يمكننا اعتبار تعقيد التدخل مقياسًا عالميًا. تقدم النتائج عائلة من المكافآت القياسية المعتمدة على انحياز الموارد، مما يوفر إكمالًا مبدئيًا لإطار عمل Legg--Hutter دون الحاجة إلى مدخلات معيارية خارجية.

كما نقوم بتقديم تصور ثنائي الأبعاد للذكاء: كفاءة الوكيل (Agent Competence) التي تقيس الأداء النسبي للوكيل مقارنةً بالأفضل الممكن (Oracle Optimum)، وكفاءة التعلم (Learning Efficiency) التي تشير إلى سرعة تحسن تلك الكفاءة مع الخبرة.

تأسس نظرية الفصل التي تثبت أن اختيار انحياز الموارد يحدد قابلية حساب المقياس الناتج: فبينما يمكن حساب تعقيد التدخل بعدد معين من العمليات، فإن تعقيد البرنامج الذي لا يعتمد على الوصول إلى Oracle يصبح غير قابل للحساب، مما يحدد بدقة محتوى المعلومات النظرية للتعلم.

تظهر هذه النتائج تبعات كبيرة على مفهوم الذكاء الخارق واستعداد الوكلاء العالميين قبل التدريب. فما هي أفكاركم حول تأثير تعقيد التدخل على مستقبل الذكاء الاصطناعي؟ شاركونا في التعليقات.