الذكاء الاصطناعي العام وذكاء المستقبل
الذكاء الاصطناعي في 2027: ستصبح الذاكرة الاختبار التالي لذكاء الآلة

النقاط الرئيسيةستحكم اختبارات الذاكرة على التصحيح والامتناع بدلاً من مجرد استرجاع الحقائق.
عرض المزيد
- ستحكم اختبارات الذاكرة على التصحيح والامتناع بدلاً من مجرد استرجاع الحقائق.
- ينبغي أن تتفوق الذاكرة المهيكلة المختارة على السجل الكامل غير المتمايز في المقارنات المضبوطة.
- ستكشف منتجات المساعد مصدر ونطاق ما تحتفظ به للمستخدمين.
يتذكر مساعدٌ أن مايا تملك المشروع. ثم تسلّمه مايا إلى شخص آخر. وفي اليوم التالي، يكلّفها المساعد بثقة بمهمة أخرى. لقد احتفظ بحقيقة، لكنه فقد إدراكه لما يجري. ويكشف هذا الإخفاق البسيط مشكلة أكبر بكثير تواجه ذكاء الآلة.
لا تكون الذاكرة مفيدة إلا إذا استطاع النظام أن يحدد ما لا يزال ساريًا، وما يستحق استرجاعه، وما ينبغي مراجعته أو نسيانه. وفي 2027، ستصبح هذه القرارات اختبارًا أدق للقدرات من مقدار ما يستطيع النموذج الاحتفاظ به من سجلّ سابق.
تتخذ الذاكرة بالفعل أشكالًا عدة. استكشف MemGPT إدارة السياق الهرمية. وقدّم Titans وحدة ذاكرة عصبية تُحدَّث أثناء الاختبار. وتعرض إعدادات تخصيص Gemini من Google وإعدادات الذاكرة في Copilot من Microsoft استمرارية الذاكرة والخيارات المتاحة للمستخدمين بشأنها. ولا ينبغي اختزال هذه الآليات في قدرة واحدة: فاسترجاع سجل محفوظ، والحفاظ على السياق، وتحديث المعلمات المتعلَّمة، تتيح فرصًا مختلفة وتنطوي على أنماط إخفاق متباينة.
تتناول التوقعات أدناه التقدم القابل للرصد ضمن هذه الآليات. وهي لا تحدد موعدًا لظهور الذكاء الاصطناعي العام استنادًا إلى نتيجة في اختبار للذاكرة، ولا تستنتج وجود الوعي من قدرة النظام على الاحتفاظ بالمعلومات.
1. ستتجاوز اختبارات الذاكرة استرجاع الحقائق بدرجة أكبر
يسهل الاحتفاء بتذكّر إجابة الأمس إلى أن يتبين أنها خاطئة. وستجمع تقييمات الذاكرة الجديدة في 2027 بين تصحيح المعلومات، والامتناع المناسب عن الإجابة، والاستفادة من الخبرات السابقة، ضمن الاختبار نفسه. ولن يكفي النظام أن يسترجع جملة تشبه السؤال؛ بل سيتعين عليه أن يدرك متى يكون الماضي ذا صلة، ومتى يؤدي الاعتماد عليه إلى جعل الإجابة الحالية أسوأ.
الاستدلال الزمني أصعب من العثور على العبارة المناسبة. فقد يكون عميل قد استرد أمواله، أو تكون سياسة قد انتهت صلاحيتها، أو يكون استثناء قد انطبق على حالة واحدة فقط. وعلى المساعد أن يعيد بناء الحالة التي تهم الآن. ويتطلب ذلك تقييمات تتضمن تحديثات متناقضة، وحدودًا زمنية صريحة، وأسئلة لا يستطيع السجل المتاح الإجابة عنها.
يقيّم LongMemEval بالفعل قدرات تشمل الاستدلال الزمني، وتحديث المعرفة، والامتناع عن الإجابة. لذلك، من غير الدقيق وصف جميع التقييمات السابقة للذاكرة بأنها مجرد استرجاع للمعلومات. ويوسّع LongMemEval-V2، الذي قُدّم في 2026، نطاق النقاش ليشمل الخبرات الخاصة ببيئات العمل: مسارات العمل، والحالات المتغيرة، والتفاصيل التشغيلية المتكررة. وتوضح أسئلته الـ451، التي خضعت للمراجعة، الفرق بين تذكّر محادثة واكتساب فائدة عملية في بيئة عمل محددة.
يقدم LoCoMo نقطة مرجعية مهمة أخرى، إذ يستخدم محادثات طويلة مع تحقق بشري وتحرير. كما يكشف تصميمه عن إشكالية منهجية: فقد تفرض سجلات المحادثات المُنشأة بنية أكثر انتظامًا مما نجده في سجلات العمل اليومية المتناقضة والناقصة. واجتياز معيار مُعدّ انطلاقًا من تلك السجلات لا يثبت أن الذاكرة موثوقة في كل بيئة تشغيل.
أتوقع أن تتضافر هذه المتطلبات بدرجة أكبر. ينبغي للوكيل أن يتذكر إخفاق مسار عمل، وأن يدرك سبب أهمية تلك الخبرة لمهمة لاحقة، وأن يتجنب تطبيق الدرس حين لا تعود الظروف التي انطبق فيها قائمة. ويتطلب ذلك اختبار العلاقة بين المعلومات المحتفَظ بها والقرار اللاحق، بدلًا من مكافأة إعادة إنتاج عبارة وردت في السجل.
ما الذي ينبغي ترقّبه في 2027
ترقّبوا تقييمات للذاكرة تختبر ما يفعله الوكيل بعد تغيّر حقيقة ما، أو حين يكون السجل المتاح ناقصًا، أو عندما يصبح درس سابق ذا صلة بمهمة جديدة. وستجعل المهام وأساليب التقييم المتاحة علنًا قياس التقدم أسهل. أما ارتفاع درجات الاسترجاع وحده، فلن يقدم إلا دليلًا محدودًا على استمرارية موثوقة بين الجلسات.
ما الذي يعنيه ذلك للشركات
ينبغي للفرق التي تقيّم المساعدات ذات الذاكرة المستمرة أن تبني اختبارات على التغييرات التي تطرأ في عملها، مثل تعديل السياسات، وتغيير المسؤولين، وانتهاء صلاحية التفضيلات، ونقص السجلات. تحقّقوا مما إذا كان الوكيل يحدّث سلوكه ويقرّ بعدم اليقين. فقد تكشف هذه الحالات عن أوجه قصور تشغيلية لا تظهر في عرض توضيحي يقتصر على تذكّر الأسماء أو التفضيلات.
2. ستتفوق الذاكرة المنتقاة على السجل غير المميّز في الاختبارات المضبوطة
قد يتيح السجل الأطول فرصًا أكثر للالتباس. فالتعليمات القديمة، والحكاية المتكررة، والملاحظة المفيدة، كلها قد تتنافس على الانتباه ضمن سياق طويل. وفي التقييمات المضبوطة لعام 2027، أتوقع أن تتفوق الذاكرة المنتقاة والمنظّمة على سجل كامل غير مميّز بفارق ملحوظ. وسيكون تثبيت النموذج الأساسي والمعلومات المتاحة أمرًا مهمًا على نحو خاص، إذ سيعني ذلك أن التحسن ناتج عن تنظيم الخبرة، لا عن مجرد توفير نموذج أقوى.
الفكرة الأساسية هي أن الذاكرة المفيدة تنتقي المعلومات وتنظمها. فهي تستطيع التمييز بين حقيقة سارية وأخرى لم تعد كذلك، والحفاظ على الأدلة التي استند إليها قرار ما، أو استرجاع درس من مسار عمل في اللحظة المناسبة. أما النص الكامل للمحادثة فيتيح كل التفاصيل، لكنه يترك للنموذج أيضًا مهمة إعادة بناء الحالة ذات الصلة مع كل سؤال جديد.
لكن هذا الحدس ليس ضمانًا. فقد يحذف التلخيص التفصيل الوحيد الذي ستُحتاج إليه لاحقًا. وقد يعجز نظام الاسترجاع عن العثور على حدث ذي صلة. وقد تتعامل عملية الفهرسة مع تخمين النموذج نفسه على أنه حقيقة مؤكدة. وقد يكون السياق الكامل خط أساس أقوى عندما تعتمد الإجابة على تفصيل دقيق أسقطه مكوّن الذاكرة.
تتضح بالفعل مساحة التصاميم الممكنة في ورقة LongMemEval، التي تبحث في خيارات الفهرسة والاسترجاع والقراءة. ويقدم التسلسل الهرمي في MemGPT نهجًا أسبق على مستوى الأنظمة لإدارة ما يتسع له السياق النشط. وهذه إسهامات بحثية تتناول تصاميم خضعت للتقييم. لكن وجودها لا يثبت التفوق البالغ 10 نقاط ولا التكرار المستقل الذي يتطلبه توقعي.
ستكون الحالات الأكثر كشفًا تلك التي تتضمن تحديثات وقيودًا زمنية. فإذا غيّر أحد العملاء عنوانه مرتين، فقد تتطلب الإجابة الصحيحة أحدث قيمة معتمدة وسجلًا يبيّن متى بدأ سريانها. ويمكن لتمثيل الحالة الذي يُصان بعناية أن يوضح هذا الفرق. وقد يظل السجل المسطّح محتويًا على كل الحقائق، لكنه يمنح النموذج فرصًا أكثر لاختيار المعلومة الخاطئة.
ما ينبغي ترقّبه في 2027
راقبوا المقارنات التي تتيح للذاكرة المنظّمة ولسياق السجل الكامل الوصول إلى المعلومات نفسها عبر النموذج الأساسي نفسه. وستعتمد أقوى النتائج على أسئلة لم يسبق الاطلاع عليها، وستكشف تكاليف كتابة الذاكرة إلى جانب دقة الإجابات. وستكون المكاسب أقل إقناعًا إذا اعتمدت على اقتطاع سجل المقارنة أو اختيار الأدلة مع معرفة الإجابة مسبقًا.
ما الذي يعنيه هذا للشركات
قيّموا تصميم الذاكرة باعتباره جزءًا من بنية التطبيق. وقارنوا بين الاسترجاع والملخصات والحالة المنظّمة والسياق الأطول في مهام تمثيلية، تشمل التصحيحات والسجلات المتناقضة. واحتسبوا تكلفة صيانة الذاكرة وإصلاح الأخطاء. وقد يساعد السماح بسياق أكبر، لكن الفريق سيظل بحاجة إلى أدلة تثبت أن النظام يسترجع المعلومات الصحيحة ويطبقها.
3. ستكشف منتجات الذاكرة الأدلة التي تستند إليها فيما تحتفظ به
ينبغي للمساعد الذي يتذكر شيئًا عنك أن يكون قادرًا على بيان مصدره وإتاحة تصحيحه لك. قد يبدو هذا التوقع بديهيًا، إلى أن تكون الذاكرة مستنتجة من عدة محادثات ويُعاد استخدامها في سياقات مختلفة. وفي 2027، ستتيح منتجات المساعدين الرئيسية فحص بعض هذه الروابط بدرجة أكبر. وسيتمثل التقدم العملي في ذاكرة يستطيع المستخدم مساءلتها أو تعديلها أو حذفها، مع فهم واضح للأماكن التي قد تُستخدم فيها.
تكون إدخالة الذاكرة أنفع حين يستطيع المستخدم أن يسأل عن مصدرها وما الذي يعتمد عليها. فالتفضيل الذي يصرّح به المستخدم في محادثة واحدة يختلف في مكانته عن حقيقة مستنتجة من عدة مستندات. وينبغي أن يكون تصحيح استنتاج خاطئ ممكنًا من دون أن يضطر المستخدم إلى اكتشاف كل إجابة لاحقة ربما تأثرت به.
تتوفر بالفعل ضوابط مهمة. وتُميّز وثائق الخصوصية لدى Microsoft بين إعدادات الذاكرة وسجل المحادثات وخيارات التخصيص الأخرى. ويشرح إعلان Google عن المحادثات المؤقتة والتخصيص خيارات استخدام المحادثات السابقة. كما يبيّن إعلان Google لعام 2026 عن استيراد المحادثات والذاكرة كيف أصبح السياق المستمر ميزةً تتيح نقل البيانات. والتوقع هو ظهور مجموعة ضوابط أكثر تكاملًا، لا مجرد إضافة زر للحذف.
ينبغي تحديد مصدر المعلومات بما يكفي لإتاحة فحصه. فعبارة «استنادًا إلى سجلك» تحدد فئة بيانات، لا الدليل الذي يستند إليه ادعاء بعينه. ويمكن لرابط إلى المصدر أو لسجل مؤرخ أن يساعد المستخدم على التمييز بين تعليمات صريحة وتأويل. كما يمكن لبيان نطاق الاستخدام أن يوضح ما إذا كانت الذاكرة تنطبق على المحادثات المستقبلية، أو مساحة عمل بعينها، أو الإجراءات المنفذة عبر الأدوات المتصلة.
ويحتاج الحذف إلى صياغة دقيقة بالقدر نفسه. فإزالة إدخالة من مخزن الذاكرة النشطة في منتج ما لا تعادل تلقائيًا حذف المحادثة الأصلية، أو محو النسخ الاحتياطية، أو إزالة المعلومات من أوزان النموذج بالتعلّم العكسي. وينبغي للمنتج أن يشرح العملية التي ينفذها فعلًا. ويتطلب توقعي ضوابط واضحة للمستخدمين ووثائق تشرحها، لا ادعاءً بمحو كامل من كل طبقات التخزين.
إن سبب توقع إحراز تقدم عملي بقدر ما هو أخلاقي. فلا يمكن للمساعد أن يصبح متعاونًا موثوقًا على المدى الطويل إذا لم يستطع مستخدمه إصلاح الحالة التي يتصرف على أساسها. فالتصحيحات جزء من تشغيل النظام. أما الواجهة المصقولة التي تعرض الذكريات من دون توضيح مصادرها وكيفية استخدامها لاحقًا، فلن تلبي إلا جانبًا من هذه الحاجة.
ما ينبغي ترقّبه في 2027
راقبوا واجهات الذاكرة التي تربط الإدخالات المحفوظة بمصادر يمكن فحصها، وتتيح تصحيح المعلومات أو حذفها، وتوضح المواضع التي قد يُعاد استخدامها فيها. وينبغي أن تعمل هذه الإمكانات معًا لكل إدخالة على حدة. أما الملخص العام للذاكرة أو أداة حذف السجل بأكمله، فلن يحسما الأسئلة المهمة المتعلقة بمصدر المعلومات ونطاق استخدامها.
ما الذي يعنيه هذا للشركات
قبل نشر المساعدات المستديمة، حدّدوا كيف يمكن للموظفين الاطلاع على ما يحتفظ به النظام وتصحيحه. واطلبوا من المورّدين التمييز بين الذاكرة النشطة والمحادثات المصدرية والسجلات الأخرى التي يحتفظون بها، وشرح نطاق كل آلية تحكّم. ستساعد هذه الإجابات الشركة على تحديد المسؤول عن الحفاظ على دقة السياق مع تغيّر الأشخاص والمشروعات وعلاقات العمل.
4. سيُظهر التعلّم المستمر تقدّمًا محدودًا في ظل قيد الاحتفاظ بالمعلومات
ينبغي ألا يمحو تعلّم شيء جديد، دون تنبيه، شيئًا مفيدًا. وهذه هي المفاضلة الصعبة التي تنطوي عليها تحديثات المعلمات المستمرة والذاكرة العصبية. أتوقع إحراز تقدّم محدود في عام 2027 على مستوى النماذج الكبيرة: تحسّنًا واضحًا في اكتساب المعارف الجديدة، مع بقاء الأداء في التقييمات المعتمدة سليمًا إلى حد كبير. وستكون هذه النتيجة مثيرة للاهتمام تحديدًا لأنها تحافظ على هذا القيد. أما حذف الاختبارات القديمة، فيسهّل ادعاء التحسّن ويقلل كثيرًا من أهميته.
هذا ادعاء أضيق نطاقًا من القول إن النظام يتعلّم كل مهمة إلى ما لا نهاية. فتحديث النموذج بخبرات جديدة قد يتداخل مع قدراته الحالية. ولكي تكون النتيجة مقنعة، يجب قياس كل من اكتساب القدرات والاحتفاظ بها عبر تحديثات متكررة، مع توضيح حجم الحوسبة اللازمة لإجراء تلك التحديثات.
تبحث ورقة Titans البحثية الذاكرة العصبية طويلة الأمد والحفظ وقت الاختبار. ويعرض MIRAS مجموعة من نماذج التسلسل من خلال خيارات تتعلق بالذاكرة الترابطية وأهداف التعلّم والاحتفاظ بالمعلومات والتحسين. ويوضح الشرح البحثي الذي قدّمته Google أن هذا العمل يتناول بنيات وآليات ذاكرة محددة. ولا ينبغي تقديمه دليلًا على أن كل نموذج لغوي منشور يغيّر باستمرار معارفه الأساسية.
ويصف الإعلان الأحدث عن إطار «النوم»، المنشور في 27 أكتوبر 2026، التناوب بين المعالجة النشطة ودمج المعلومات في وضع عدم الاتصال ضمن مكوّنات ذاكرة مخصصة مسبقًا. ويعرض نهجًا بحثيًا لاكتساب المعلومات مع الحد من النسيان. والاسم تشبيه حاسوبي؛ إذ يعمل الإطار وفق بنية ثابتة وقواعد تحديث محددة.
تجعل هذه المسارات التوقع معقولًا، لكن الأدلة لا تزال أولية وتعتمد بشدة على تصميم التجارب. فقد يبدو أن النظام يتعلّم لأن أسئلة التقييم تشبه أمثلة التحديث التي تدرب عليها. وقد يحافظ على متوسط درجاته، لكنه يفقد قدرة صغيرة ومهمة. وقد يستهلك أيضًا قدرًا إضافيًا كبيرًا من الحوسبة في دمج الخبرات، إلى حد يجعل المكاسب غير مجدية في تطبيق فعلي. لذا، لا غنى عن إعادة إنتاج النتائج بصورة مستقلة والإبلاغ المنفصل عن الأداء في المهام القديمة والجديدة.
ما الذي ينبغي متابعته في عام 2027
تابعوا التجارب التي يمكن إعادة إنتاجها بصورة مستقلة، والتي تعرض نتائج التعلّم الجديد والقدرات المحتفظ بها كلًّا على حدة عبر تحديثات متكررة. وسيكون من الضروري الاطلاع على سياق يشمل تكاليف الحوسبة وفحوصات التلوث ونتائج الأداء في المهام القديمة. أما تحسّن الأداء في المواد التي عُلّمت حديثًا، إذا صاحبه تراجع في مجالات أخرى، فسيُظهر أن المفاضلة بين الاكتساب والاحتفاظ لا تزال كبيرة، حتى لو ارتفعت الدرجة الإجمالية للتعلّم.
ما الذي يعنيه ذلك للشركات
ينبغي لفرق البحث والتطوير ومورّدي النماذج التمييز بين آلية تعلّم واعدة وعملية تحديث جاهزة للنشر. ويحتاج أي مشروع تجريبي إلى اختبارات انحدار، وبيانات تحديث مضبوطة، وتتبع للإصدارات، وطريقة لاستعادة حالة سابقة. وينبغي أن تستند خطط المنتجات إلى ما ثبت من اكتساب القدرات والاحتفاظ بها وتكاليف التشغيل، لا إلى افتراض أن التكيّف المستمر سينجح على نحو موثوق في جميع مهام العملاء.
المعيار المفيد هو الاستمرارية في ظل التغيّر
يجب أن تكون منظومة الذاكرة المفيدة انتقائية بما يكفي لتجنب الغرق في الخبرات، وقابلة للمراجعة بما يكفي لمواكبة عالم متغيّر. وغالبًا ما تبدو أخطاؤها عادية: تفضيل قديم، أو إسناد المهمة إلى الشخص الخطأ، أو تطبيق استثناء محفوظ على نطاق أوسع مما ينبغي. لكن هذه الإخفاقات كاشفة؛ إذ تُظهر ما إذا كان المساعد قادرًا على تحويل سجل التفاعلات إلى تقدير سليم لما ينبغي فعله في التفاعل التالي.












