في العشرة أعوام الأخيرة، كانت طريقة قياس تقدم الذكاء الاصطناعي بسيطة وقاسية: وضع سؤال للنموذج، ومقارنة الإجابة مع الإجابة النموذجية، وتقييم النقاط. لكن الآن، هذه الطريقة ستتوقف عن العمل.

هوية الذكاء الاصطناعي تغيرت. لم يعد مجرد آلة للإجابة بشكل سلبي، بل أصبح فاعلاً يتخذ المبادرة. يخطط للجدول الزمني، ويستدعي أدوات متنوعة، ويستمر في اتخاذ القرارات في المهام المعقدة — الجيل الجديد من الذكاء الاصطناعي يتولى خطوة بخطوة الأعمال التي كانت تقوم بها البشر سابقًا.

السؤال الذي يطرح نفسه هو: بما أن الذكاء الاصطناعي لا يكتفي بإخراج جملة واحدة، بل ينجز المهمة كاملة، فهل لا يزال من الممكن تقييمه باستخدام معيار "صحيح أو خطأ" في الاختبارات؟

تخيل مهمة لا يوجد لها حل واحد فقط. استخدم الذكاء الاصطناعي طريقة غير متوقعة، لكنها أكثر فاعلية لإنجاز المهمة. وفقًا للطرق التقليدية للتقييم، يُعتبر ذلك فشلًا. لكن الواقع هو أن الهدف قد تم تحقيقه. هذا ليس مجرد تفصيل تقني، بل هو مشكلة نظامية — كيف تقيم الذكاء الاصطناعي يحدد ما إذا كان قد تعلم حقًا حل المشكلات، أم أنه فقط تعلم كيف يرضي القواعد.

لذا، توصل مجتمع أبحاث الذكاء الاصطناعي الآن إلى إجماع: لا تركز فقط على النتيجة، بل يجب النظر إلى العملية. الأبحاث الحديثة والخبرات العملية تشير إلى نفس الاتجاه — لا يمكن أن يقتصر التقييم على إجابة واحدة، بل يجب أن ينظر إلى سلسلة الأفعال كاملة. كيف يفهم الذكاء الاصطناعي المهمة، وكيف يقسمها إلى خطوات، ومتى يستدعي الأدوات، وهل يمكنه تعديل استراتيجيته وفقًا للبيئة — هذه هي الأمور التي تستحق النظر الحقيقي.