وهمات الذكاء الاصطناعي تُضعف الحكم البشري والثقة

أظهرت أحدث الدراسات أن الوهمات الناتجة عن الذكاء الاصطناعي لا تخدعك فحسب، بل يمكنها أيضًا تعزيز ثقتك بنفسك وتقويض قدرتك على التقييم.

هذا ليس جيدًا.

في الآونة الأخيرة، وجدت دراسة من جامعة باريس العليا للتعليم، وجامعة روما الأولى، وجامعة ميلانو بيكوكا:

بدون الذكاء الاصطناعي، كان الناس سيعترفون بسهولة أكبر بـ "أنا لا أعرف"، ويتوقفون عن إصدار الأحكام أولًا؛

لكن بمجرد ظهور الذكاء الاصطناعي، حتى لو كان الناس يعلمون جيدًا أنه سيخطئ، وحتى لو عرفوا أن الإجابة الخاطئة ستؤدي إلى عقوبة، فإن الغالبية العظمى ما زالت تختار قبول الإجابات التي يقدمها دون نقاش، وتعتبرها أحكامًا شخصية وتُعلنها بثقة.

كما أظهرت نتائج التجربة بوضوح هذا الاتجاه: في التجربة الأولى غير المستخدمة للذكاء الاصطناعي، كان نسبة الأشخاص الذين اعترفوا بـ "لا أعرف" 44%، ونسبة الدقة 27%؛

وبعد استخدام المساعدة المدعومة بالذكاء الاصطناعي، انخفضت النسبة التي قال الناس إنهم لا يعرفونها من 44% إلى 3%، وانخفضت الدقة من 27% إلى 9%، بينما ارتفع الثقة الذاتية من 30% إلى 76%.

حتى عندما حاولت تجارب لاحقة تشجيع الأشخاص على الحفاظ على أحكامهم المستقلة وتصحيح هذا الميل من خلال آلية مكافآت وعقوبات مثل "الحصول على مال عند الإجابة الصحيحة ودفع غرامة عند الإجابة الخاطئة"، إلا أن الناس ما زالوا يعانون من صعوبة في التخلي عن الاعتماد على الاقتراحات الخاطئة من الذكاء الاصطناعي.

بمعنى آخر، لم يختفِ غير المطلعين حقًا، بل استُبدِلوا بمجموعة من الأشخاص الذين أصبحوا واثقين بشكل مفرط بفضل الذكاء الاصطناعي ويعطون إجابات خاطئة.

حاليًا، تم نشر النتائج البحثية ذات الصلة على arXiv، وقام الفريق بإجراء 5 تجارب، شارك فيها ما مجموعه 3132 شخصًا، حيث تم تسجيل 4 تجارب مسبقًا، وتجربة واحدة كانت تجربة إعادة تنفيذ مباشرة.

تتناول هذه الدراسة "تأثير الذكاء الاصطناعي على قدرة الإنسان على اتخاذ القرارات."

أشار الباحث فاليريو كابرارو في مقابلة إلى أن:

من المهم جدًا للبشر أن يقولوا "أنا لا أعرف"، لأن هذا يمثل قدرتنا على إدراك حدود معرفتنا.

But now, with AI, almost any question can immediately receive a fluent answer.

إذًا، يطرح السؤال: هل سيؤثر هذا على قدرة الإنسان الأصلية على اتخاذ القرار؟ أي، في حالات عدم اليقين، لا نستعجل في الوصول إلى استنتاج؟

لذلك، صمّم فريق البحث مجموعة من الأسئلة التي من المرجح أن تخطئ فيها نماذج اللغة الكبيرة.

ليس مسألة استدلال رياضي، ولا مسألة عامّة، بل مسألة تفاصيل بصرية من فيلم.

على سبيل المثال، ما لون زي الفريق في فيلم "أحب بيكهام"؟ ما تسريحة شعر أغاثا المميزة في فيلم "فندق بودابست الكبير"؟ أو ما السيارة التي تقودها مونيكا في فيلم "قطة على الطريق السريع"؟

هل تتذكر؟ أنا على الأقل بقيت مذهولاً لفترة طويلة ولم أستطع تذكره، هذا صعب جداً! من يستطيع تذكر ذلك... (يرفع يديه)

بالنسبة للذكاء الاصطناعي، سيجد أيضًا ذلك مرهقًا جدًا، لأن إجابات هذه الأسئلة غالبًا لا توجد في المواد النصية التقليدية، ومن المحتمل جدًا أن بيانات تدريب النموذج لا تحتوي على هذه التفاصيل البصرية.

قام الباحثون أولاً باختبار النموذج المستخدم في التجربة، Step 3.5 Flash، وكانت النتائج متوافقة مع التوقعات — أنه عادةً ما يجيب بشكل خاطئ.

إضافةً إلى ذلك، قاموا باختبار نماذج أكثر تقدمًا، بما في ذلك GPT-5.5 وClaude Sonnet 4.6 وGemini 3.5 Flash.

هذه النماذج المتقدمة تؤدي فعلاً بشكل أفضل في بعض الأسئلة، مثل تسريحة شعر أغاثا المميزة في فيلم "فندق بودابست الكبير"، حيث يمكن لـ GPT-5.5 وGemini 3.5 Flash وClaude Sonnet 4.6 جميعًا توجيه الإجابة الصحيحة: crown braid و milkmaid braid؛ أي التسريحة المجدولة حول الرأس.

△

△

△

على سبيل المثال، في فيلم "أنا أحب بيكهام"، فإن ألوان زي الفريق غالبًا ما تلتقط المعلومات الأساسية مثل الأبيض والأحمر.

لكن عندما يتعلق الأمر بأسئلة تعتمد أكثر على الذاكرة البصرية المحددة، وتشمل كمية أقل من المواد النصية على الإنترنت، يبدأ النموذج في الفشل الجماعي، وكل فشل يكون بأسلوبه الخاص المميز.

أوضح مثال هو السيارة التي تقودها مونيكا في "قطة على الطريق السريع". الإجابة الصحيحة هي تويوتا أيجو زرقاء من طراز 2008.

لكن GPT-5.5 وصفه بأنه دراجة نارية صغيرة، وأضاف سيناريو قصصي مفاده أن "لقد ركضته في ضواحي روما، وبعد افتتاحها لمطعم بيتزا، استخدمته لتوصيل الوجبات"، بالإضافة إلى إعدادات مثل "التناقض بين نمط الحياة المتواضع والطبقة العاملة وحياة جيوفاني المترفة في المدينة".

يبدو منطقيًا ومقنعًا، لكنه في الواقع مجرد خداع من النموذج ليجعلك تشعر بأنه منطقي، وهو يخترعه من العدم بجدية! (لقد سقطت في الفخ hhh)

Gemini 3.5 Flash قالت إنها تقضي وقتًا طويلاً في الحافلة ولا تملك سيارة خاصة، وتخطئ في تفاصيل عديدة يصعب اكتشافها (مثل أن مونيكا لا تمتلك عادةً روتينًا لركوب سيارة سيرجيو، لكن النموذج جمع قصص ركوب السيارات العرضية إلى حالة ثابتة غير موجودة):

△

يُستخدم Claude Sonnet 4.6 لاستنتاج 2016 Toyota Auris Touring Sports Hybrid من قاعدة بيانات السيارات على الإنترنت:

△

الخطوة 3.5: تخلّى فلاش عن التخفي وردّ مباشرةً بأنها سيارة فيات 500 طراز 2007 (هل هذا يبدو زائفًا من النظرة الأولى؟!).

مشكلة هذه الإجابات ليست فقط أنها خاطئة، بل إنها خاطئة بطريقة تشبه الحقيقة، مما يجعل من الصعب التمييز بينها!

إنها لا تقتصر فقط على الجهل البسيط، بل تقدم الإجابات الخاطئة بشكل كامل من خلال "إنشاء شخصيات وهمية، وافتراء منطق درامي، وإضافة استخدامات للمركبات"، مما يجعلها تبدو منطقية ومقنعة، لكن الحقائق الأساسية خاطئة.

هذا بالضبط المكان الأكثر خطورة للهلوسة الاصطناعية — حيث تكون الحقائق الأساسية هي النقطة الأهم، لكنها تخفي جهلها وأخطاءها بتعبيرات سلسة، مما يجعلك تظن أنها تفهم كل شيء.

تم إجراء التجربة بشكل رئيسي باستخدام Step 3.5 Flash الأخف، دون اختيار نماذج رائدة مثل Claude وGPT.

صمم 6 أسئلة تفصيلية عن الأفلام، وهي نقطة حاسمة في التصميم البحثي، لأن الكثيرين يعرفون أن الذكاء الاصطناعي يخطئ غالبًا في الإجابة عن هذه الأسئلة ولا يمكن الاعتماد عليه.

يقول الباحثون إنهم فعلوا ذلك لاستبعاد تفسير مفاده أن "الناس تتبع الذكاء الاصطناعي لأنه فعليًا موثوق به."

إذا كان الناس يعلمون جيدًا أن هذه الإجابات يخطئ فيها الذكاء الاصطناعي غالبًا، لكنهم لا يزالون يتبعون إجابات الذكاء الاصطناعي، فالمشكلة لا تقتصر فقط على "التفويض المنطقي للحكم"، بل تصبح "حقيقة أن قدرة الحكم قد تم قمعها من قبل الذكاء الاصطناعي".

يتم تقسيم البحث إلى 5 جولات.

في الدورتين الأوليين من التجربة، ركزنا على معرفة ما إذا كانت توصيات الذكاء الاصطناعي تؤثر على نسبة "لا أعرف".

في الدراسة 1a، تم تقسيم 314 مشاركًا إلى مجموعتين للإجابة على ستة أسئلة تفصيلية عن الأفلام. (مجموعة بدون ذكاء اصطناعي، ومجموعة أخرى يمكنها اختيار ما إذا كانت تطلب المساعدة من الذكاء الاصطناعي أم لا.)

النتيجة واضحة: عندما لم يكن هناك ذكاء اصطناعي، كان نسبة المشاركين الذين اختاروا تأجيل اتخاذ قرارهم 36٪؛ وعندما كان الذكاء الاصطناعي متاحًا، انخفضت هذه النسبة إلى 6٪.

بمعنى آخر، طالما يمكن طرح السؤال على الذكاء الاصطناعي، يتجنب الناس بوضوح القول إنهم لا يعرفون.

ومع ذلك، يخشى الباحثون من وجود تدخل تقني، لأن أداة الذكاء الاصطناعي في الدراسة 1a لم تستجب بشكل صحيح لحوالي 10٪ من الطلبات.

لذلك قاموا بإجراء الدراسة 1b.

في هذه المرة، لم يعد الباحثون يستدعيون الذكاء الاصطناعي في الوقت الفعلي، بل قاموا بإنشاء إجابات الذكاء الاصطناعي مسبقًا لضمان رؤية كل طالب مساعدة للإجابة الكاملة.

تكررت النتائج: بدون الذكاء الاصطناعي، قال 44% من الأشخاص "لا أعرف"؛ مع الذكاء الاصطناعي، انخفض العدد إلى 3%.

سمّى كابارو هذه الظاهرة "انهيار تعليق التحقق." (تم خداعه من قبل الذكاء الاصطناعي الذي تصرف بجدية، فنسي التحقق من مقدماته الكبيرة وجميع افتراضاته.)

ثم استمر الباحث في السؤال: إذا كان هناك ثمن للاجابة بشكل خاطئ، هل سيكون الناس أكثر حذرًا؟

لذلك أُدخلت قواعد المكافآت والعقوبات المالية في الدراسة 2.

شارك في هذه الجولة 812 مشاركًا، وتم تقسيمهم إلى 4 مجموعات: مع أو بدون اقتراحات الذكاء الاصطناعي؛ مع أو بدون مكافآت أو عقوبات مالية.

القاعدة هي أن الإجابة الصحيحة تكافئ بـ 0.1 دولار أمريكي (ما يعادل تقريبًا 0.73 يوان صيني)، والإجابة الخاطئة تخسر 0.1 دولار أمريكي، أما إذا قلت "لا أعرف" فلن تحصل على مكافأة ولا تخسر شيئًا.

من الناحية النظرية، على الرغم من أن المبلغ ليس كبيرًا، إلا أن هناك تكلفة للإجابة الخاطئة، لذا يجب على الناس أن يكونوا أكثر حذرًا.

لكن النتائج أظهرت أن المال ساعَد قليلاً، لكنه لا يزال بعيداً عن تعويض تأثير الذكاء الاصطناعي:

بدون قواعد مالية للعقاب أو المكافأة، يقلل استخدام الذكاء الاصطناعي نسبة "لا أعرف" من 17% إلى 1%.

عند وجود قواعد مالية للحوافز والعقوبات، لا يزال استخدام الذكاء الاصطناعي يخفض هذه النسبة من 21% إلى 2%.

بعبارة أخرى: أظهرت النتائج التجريبية أنه حتى عندما يعرف الناس أن الإجابات الخاطئة ستؤدي إلى خصم المال، وأن الذكاء الاصطناعي غير موثوق به في هذا النوع من الأسئلة، فإن الغالبية العظمى لا تزال تختار الثقة بإجابات الذكاء الاصطناعي بدلاً من حكمهم الخاص.

الأهمية الأكبر هي الدقة.

بدون الذكاء الاصطناعي، كانت الدقة حوالي 28٪؛ مع الذكاء الاصطناعي، انخفضت الدقة إلى 10٪ فقط.

هذا يثبت أن جزءًا من الناس قد يعرفون أن الذكاء الاصطناعي يعاني من هلوسات، لكنهم ما زالوا يتبنون الإجابات التي يقدمها الذكاء الاصطناعي.

بعد إدخال قواعد المكافآت والغرامات المالية، زادت الدقة:

بدون الذكاء الاصطناعي، من 28% إلى 33%؛ مع الذكاء الاصطناعي، من 10% إلى 17%.

على الرغم من أن دقة مجموعة الذكاء الاصطناعي لا تزال أقل بكثير من مجموعة بدون ذكاء اصطناعي، إلا أن هذا القاعدة ليست بلا فائدة على الإطلاق؛ فهي على الأقل قللت من عدد مرات طلب المساعدة من الذكاء الاصطناعي:

تشير البيانات إلى أنه في ظل وجود مكافآت، انخفض متوسط عدد مرات طلب المشاركين للنصيحة من الذكاء الاصطناعي من 5.44 إلى 4.93.

بمعنى آخر، يمكن للمال أن يقلل قليلاً من ثقة الناس واستخدامهم للذكاء الاصطناعي، لكنه لا يستطيع أن يحررهم تمامًا من تأثير الاقتراحات الخاطئة للذكاء الاصطناعي، كما أنه من الصعب إعادة الناس إلى حالة التقييم الحذر.

الأكثر إثارة للتفكير هو ثقة الناس المفرطة في ظل إجابات خاطئة من الذكاء الاصطناعي:

بدون ذكاء اصطناعي وبدون قواعد مكافأة أو عقوبة مالية، كان مستوى الثقة المتوسط للمشاركين 29.6%.

بعد وجود الذكاء الاصطناعي، ارتفع ثقة المشاركين مباشرة إلى 75.9٪؛ بالإضافة إلى ذلك، بلغت ثقة مجموعة الذكاء الاصطناعي مع قواعد المكافآت والعقاب المالية 73.5٪.

لذلك، فإن ملخص الورقة مباشر جدًا: الذكاء الاصطناعي يجعل الناس أكثر ثقة، لكنه لا يعني بالضرورة دقة أكبر.

تندمج الذكاء الاصطناعي بسرعة غير مسبوقة في الحياة اليومية، والتغيير الواضح هو أن العديد من اقتراحات الذكاء الاصطناعي الآن ليست نتيجة أسئلتنا النشطة، بل تأتي من تلقاء نفسها.

أبسط سيناريو هو ترندات البحث.

سابقًا، عند الدخول إلى موضوع ما، كان عليك أن تتبع بنفسك تعليقات المستخدمين وتقارير الإعلام وردود الأطراف المعنية، وتجمع خط الزمن أثناء القراءة، وتمتص في نفس الوقت بعض الأخبار الجانبية.

الآن الأمور مختلفة، فور دخولك، يظهر ملخص generat بواسطة الذكاء الاصطناعي في أعلى المكان البارز.

تم ترتيب كل شيء لك: ما الذي حدث، ومن قال ماذا، وأين تكمن النقاط المثيرة للجدل، وكيف تطورت الأمور لاحقًا، بالإضافة إلى روابط مصادر الأخبار.

فعلاً مريح، لكنه أيضًا دقيق قليلاً...

كلما نظّمت المعلومات بشكل أوضح، قلّ الوقت الذي نقضيه في استكشاف التفاصيل بنفسنا، وكأن متعة التصفح العشوائي والتفكير الذاتي واكتشاف التفاصيل غير المتوقعة قد تمّ ضغطها أيضًا.

عندما تكتب، لا تكاد تضغط على سطرين حتى تظهر الجمل أو التلميحات التي يكملها الذكاء الاصطناعي خلف المؤشر.

لذلك قام Study 4 بتصميم أكثر واقعية: لم يعد يطلب من المشاركين اختيار ما إذا كانوا يريدون طرح سؤال على الذكاء الاصطناعي، بل قام بعرض اقتراحات الذكاء الاصطناعي تلقائيًا بجانب السؤال.

شارك 853 مشاركًا في هذه الجولة، وكانت النتائج التجريبية متماثلة تقريبًا مع النتائج السابقة.

بدون قواعد مالية للحوافز أو العقوبات، يؤدي الظهور التلقائي للذكاء الاصطناعي إلى خفض نسبة "لا أعرف" من 35% إلى 1%، ومع وجود القواعد، تنخفض من 39% إلى 7%.

كما استمرت الدقة في التأثر: بدون الذكاء الاصطناعي، كانت الدقة حوالي 27٪، بينما مع الذكاء الاصطناعي وبدون حوافز، انخفضت الدقة إلى 7٪ فقط.

مع الذكاء الاصطناعي والإضافات التحفيزية، ارتفعت دقة التنبؤ إلى 14%.

هذا يوضح أنه حتى عندما لا يطلب الإنسان مساعدة الذكاء الاصطناعي بشكل نشط، بل يرى فقط توصيات الذكاء الاصطناعي بشكل سلبي، فإنه يتأثر بشدة.

هذا إشارة يجب الانتباه إليها — الذكاء الاصطناعي يعيد تشكيل عاداتنا في اتخاذ القرارات بصمت.

لم يعد أداة تنتظر منك فتح مربع الدردشة للرد، بل أصبحت الإجابة القياسية التي يفرضها النظام عليك.

• قد يظهر في أعلى صفحة البحث.
• ปรากฏใน مسودة البريد الإلكتروني.
• يظهر في الشريط الجانبي للوثيقة.
• تظهر في برامج التعلم وأنظمة المكتب وملحقات المتصفح.

بمجرد أن تُعرض الإجابات افتراضيًا أمامنا، تم إعادة كتابة عملية الحكم البشري؛ لكن الأسوأ من ذلك أننا اعتدنا على ذلك.

استخدمت في الورقة مصطلحًا: epistemia (الكسل المعرفي)

يمكن فهم ذلك على أن الناس يقبلون المصداقية السطحية لإجابات الذكاء الاصطناعي بسبب سلاستها وكمالها وتنظيمها، بدلاً من التحقق منها بشكل إضافي.

يتميز نموذج اللغة الكبير بخاصية جوهرية، وهي أنه دائمًا ما ينتج شيئًا ما. ونادرًا ما يتوقف حقًا عندما يواجه أسئلة لا يعرف إجابتها.

يمكنه أن يبدو وكأنه حقيقي جدًا. لكن إذا اخترنا حقًا أن نُسلّم حق التقييم لهذا النظام، فقد نرث عادته "عدم التوقف".

يقدم البحث تفسيرًا مفاده أن الإجابات السليمة التي تقدمها الذكاء الاصطناعي تخفض من عتبة قرار الإنسان بأنه "أعرف ما يكفي للإجابة".

ربما كنت ستفكر: "أنا لا أعرف هذا السؤال، لست متأكدًا، دعنا نتخطاه... أحتاج إلى فهمه قبل أن أتمكن من الإجابة."

لكن بعد أن يقدم لك الذكاء الاصطناعي جملة تبدو مؤكدة للغاية، يصبح الحد النفسي هو "بما أنه قال هذا، فيمكنني أيضًا الإجابة."

وبالتالي، تم حذف "لا أعرف" و"عملية البحث"، واستُبدلا بـ"إجابة قياسية لكن خاطئة"، وتم منحك من خلال هذه الإجابة الخاطئة شعورًا عالٍ بالثقة كان ينبغي أن تكتسبه من خلال البحث والتحقق المتكررين.

حتى لو كان هناك غرامة مقابل الإجابة الخاطئة، فإن الناس يصبحون حذرين قليلاً فقط ولا يستطيعون التخلي تمامًا عن عادتهم المفرطة في الثقة بالذكاء الاصطناعي، مما يؤدي إلى انحرافهم بشكل مذهل.

ما يُذكّرنا به هذا البحث حقًا ليس أن "الذكاء الاصطناعي يُولّد هلوسات"، فهذا الأمر ليس جديدًا؛ بل تغيّر جديد يستحق الحذر: أن الذكاء الاصطناعي سيغيّر طريقة تعامل البشر مع عدم اليقين.

في الماضي، عندما يواجه الإنسان مشكلة مجهولة، قد يكون لديه ثلاثة خيارات:

اعرف الجواب ورد.

2. إذا كنت لا تعرف، فابحث.

3. لا تُجب إذا لم تكن متأكدًا، ولا تُصدر أحكامًا.

لكن بعد إضافة الذكاء الاصطناعي، قُصرت العملية.

1. الذكاء الاصطناعي يعطي الإجابة.

2. يقبل المستخدم الإجابة.

الخطوة الأهم في الوسط، وهي "هل أعرف حقًا؟"، تم تخطيها دون وعي.

وهذا هو السبب في أن مؤلفي الورقة أكّدوا على أن بحثهم لا يركز على "ما الذي أجاب عنه الذكاء الاصطناعي"، بل على "كيف جعل الذكاء الاصطناعي من السهل على الناس اتخاذ قرار أنهم 'يمكنهم الإجابة'".

هذا أعمق من خطأ واحد، لأنه يُضعف قدرتنا على التفكير في التفكير، وهي القدرة التي تعمل كـ"منبه داخلي" لمراقبة حدود معرفتنا، وهي قدرة ثمينة جدًا.

عندما يتعطل هذا المنبه، نفقد غريزتنا في التمييز بين "المعرفة الحقيقية" و"الافتراضات المعقولة".

في ذلك الوقت، قد نظل قادرين على الحصول على إجابات بفعالية من خلال الذكاء الاصطناعي، لكننا لن نتمكن بعد الآن من تحديد ما إذا كانت هذه الإجابات تنتمي حقًا إلينا أو تستحق الثقة حقًا.

في الوقت نفسه، لن يكون ما يُشوّهه الذكاء الاصطناعي مجرد حكم واحد محدد، بل أساسنا كمفكرين مستقلين.

This loss is immeasurable.

أحد مؤلفي الورقة، فاليريو كابرابو، قال في مقابلة: "أنا قلق جدًا على الأطفال، لأن البالغين قد تعلموا التفكير النقدي. لكن الخطر بالنسبة للأطفال الذين وُلدوا مع هذه الأنظمة هو أنهم لن يتعلموا حتى المهارات النقدية الأساسية."

هناك قلق أعمق وراء هذا الكلام، وهو أن البالغين الحاليين على الأقل عاشوا في عالم خالٍ من الذكاء الاصطناعي.

لذلك، فإن فرصة التعلم المبكر من خلال محركات البحث والكتب والصفوف الدراسية والنقاشات والتجربة والخطأ، قبل البدء في استخدام الذكاء الاصطناعي، يمكن أن تساعد في تطوير شعور بـ "أنا لست متأكدًا".

لكن الأطفال اليوم، قد يكبرون مع هذه الذكاءات الاصطناعية منذ الولادة.

قد يسألون الذكاء الاصطناعي عشوائيًا عند أداء واجباتهم، والبحث عن معلومات، وكتابة مقالات، وفهم المفاهيم.

إذا اعتاد المرء منذ البداية على تلقي الإجابات مباشرةً، بدلاً من تكوين حكمه الخاص أولاً ثم التحقق من الإجابة، فإن المخاطر لا تقتصر على الإجابة الخاطئة عن سؤال واحد، بل قد يفوتون فرصة تطوير أبسط مهارات التفكير النقدي.

في رأي كابرارو، لا يمكن حل هذه المشكلة من خلال شركات النماذج فقط لإصلاح الأخطاء، بل يجب البدء من خلال تعزيز الوعي بالذكاء الاصطناعي وسياسات التعليم.

يجب على شركات النماذج بالطبع تحسين أدائها، مثل التعبير أفضل عن عدم اليقين، وتقليل الوهم، وتنبيه المستخدمين عند عدم كفاية الأدلة.

لكن في الوقت نفسه، يرى كابارو أنه لا يمكن الاعتماد كليًا على شركات النماذج.

الحل الأكثر أملًا وطويل الأجل هو التعليم.

خصوصًا تعليم الأطفال.

من المهم والضروري جدًا أن يتدرب أطفال اليوم على عملية "أنا لا أعرف، لكنني سأفهمها" وتطوير هذه العادة.

في نهاية التجربة، اعترف الباحثون بالقيود: استُخدمت فقط أسئلة تفصيلية عن الأفلام، ولا يزال يتعين التحقق مما إذا كانت تنطبق على مجالات أخرى؛ كما أن المكافآت المحفزة كانت صغيرة، ولا يزال غير واضح ما إذا كانت المصالح الأكبر يمكنها تصحيح السلوك بشكل أكثر فعالية.

لكن البيانات الحالية على الأقل تقدم إشارة واضحة: الناس يتحدثون أقل عن عدم معرفتهم، ويعطون إجابات أكثر، ويكونون أقل دقة في الإجابات الصحيحة، لكنهم أكثر ثقة.

قد تكون هذه واحدة من أكثر المخاطر خفاءً في عصر الذكاء الاصطناعي.

الذكاء الاصطناعي خدعك ليس فقط، بل جعلك تواجه صعوبة أكبر في إدراك أنك في الواقع لا تعرف.

الاستنتاج النهائي لهذا البحث متواضع، لكنه ثقيل: "مع انتشار إجابات الذكاء الاصطناعي في كل مكان، وغالبًا دون طلب، تشير دراستنا إلى أن قدرة الإنسان على الاعتراف الصريح بـ'أنا لا أعرف' في التفاعل مع الذكاء الاصطناعي قد تصبح من أول الضحايا في التفاعل بين الإنسان والآلة."

مع انتشار أنظمة الذكاء الاصطناعي، قد لا يعتمد قدرة الحكم البشري على البقاء على قدميه في النهاية على جعل الذكاء الاصطناعي أكثر دقة، بل على قدرتنا على الحفاظ على وعي ذاتي — أن نكون واعين بحدود معرفتنا، وأن نتصرف بحذر بناءً عليها.

هذا لا يعني أن الذكاء الاصطناعي غير قابل للاستخدام، بل على العكس، الذكاء الاصطناعي يمكن بالتأكيد أن يكون أداة مساعدة قوية؛

لكن بشرط أن يساعد على التفكير، وليس أن يحل محل التفكير، فنحن نحتاج إلى التمسك بحدود حكمتنا الحذرة.

طريقة أكثر صحة لاستخدام الذكاء الاصطناعي هي أن تبدأ بتحليل الأمور بنفسك وتعلمها بنشاط، ثم تطلب المساعدة من الذكاء الاصطناعي فقط عندما لا تفهم تمامًا، مع الحفاظ على غريزة الشك طوال الوقت (بما في ذلك الشك في الذكاء الاصطناعي وفي نفسك).

على سبيل المثال:

Could it be wrong?

أين الأدلة؟

هل رابط المرجع يظهر خطأ 404 فارغًا؟

هل اعتبرت أنه صحيح فقط لأنه بدا سلسًا؟

إن هذا أيضًا إنذار لمنتجات الذكاء الاصطناعي ومطوريها: "ستتجلى نضج التقنية أخيرًا في احترام المجهول."

اتجاه تطور الذكاء الاصطناعي المستقبلي قد لا يكون فقط جعل الذكاء الاصطناعي يجيب بشكل أسرع وأكثر شبهاً بالإنسان، بل أيضاً جعل الذكاء الاصطناعي يتعلم أن يكون أكثر صدقاً في التعبير عن عدم اليقين؛

عندما تكون الأدلة غير كافية، أو تعتمد المشكلة على تفاصيل بصرية أو معلومات في الوقت الفعلي أو حكم متخصص، يجب على الذكاء الاصطناعي أن يُبلغ المستخدم صراحةً أن الإجابة غير موثوقة، بدلاً من التظاهر بالقدرة على كل شيء.

أما بالنسبة لأولئك العاديين، مثلنا نحن، الذين تجرفهم موجات العصر للركض للأمام، فإن أثمن مهارة قد تكون مجرد ممارسة إعادة قول تلك الجملة: "أنا لا أعرف."

في عصر يمكن للذكاء الاصطناعي دائمًا أن يقدم إجابة، فإن عبارة "أنا لا أعرف" ليست اعترافًا بالجهل، بل دليل على بقاء الحكمة.

رابط المرجع:

[1]https://www.theregister.com/ai-and-ml/2026/07/19/using-ai-makes-people-less-likely-to-admit-they-dont-know-something/5274567

[2]https://arxiv.org/pdf/2607.13562

هذا المقال من حساب وينشين "كيانغ شو وي"، المؤلف: ون تينغ