AGI مقابل ASI: ما الفرق؟ (محدّث 2026)

تحسين المقتطفات المميّزة: يشير الذكاء العام الاصطناعي (AGI) إلى ذكاء اصطناعي يضاهي أو يتجاوز القدرات المعرفية البشرية عبر طيف واسع من المهام، في حين أن الذكاء الفائق الاصطناعي (ASI) يتجاوز الذكاء المجمّع للبشرية في كل مجال تقريبًا. يكمن الفرق الجوهري في النطاق والقدرة: يحقق AGI التكافؤ مع البشر؛ بينما يحقق ASI الهيمنة وإمكانية التحسّن الذاتي التكراري. يتوقع الخبراء وصول AGI بين 2027–2035، مع احتمال لحاق ASI بسرعة بعد ذلك مباشرة.

ونحن في منتصف عام 2026، تحوّل الحديث حول الذكاء الاصطناعي من التطبيقات الضيقة إلى محطات تحوّلية. تؤكد ورقة Google DeepMind الأخيرة "From AGI to ASI" أن الذكاء الاصطناعي بمستوى الإنسان قد يكون البداية وليس النهاية. بالنسبة للمطورين والشركات والمتحمسين الذين يبنون على منصات مثل CometAPI، فإن فهم هذه الفروقات ضروري للاستفادة من الأدوات الحالية مع الاستعداد لقفزات متسارعة.

ما هو AGI؟ شرح الذكاء العام الاصطناعي

الذكاء العام الاصطناعي (AGI) هو ذكاء اصطناعي قادر على الفهم والتعلّم وتطبيق الذكاء عبر مهام متنوعة بمستوى يضاهي أو يفوق الإنسان، من دون تدريب خاص بكل مهمة. بخلاف الذكاء الاصطناعي الضيق (ANI) السائد اليوم، الذي يتفوّق في مجالات مفردة مثل التعرّف على الصور أو الترجمة، سيُظهر AGI مرونة واستدلالًا وتخطيطًا وتكيّفًا شبيهة بخبير بشري—أو أفضل—عبر مجالات متعددة.

السمات الرئيسية لـ AGI:

• كفاءة واسعة: حل مشكلات جديدة في العلوم والبرمجة والإبداع والتفاعل الاجتماعي.
• تعلّم انتقالي: نقل المعرفة بين المجالات بسلاسة.
• الاستقلالية والاستدلال: تخطيط طويل الأمد، استخدام الأدوات، والتصحيح الذاتي.
• بمستوى الإنسان أو أعلى قليلًا: أداء يقارب من المتوسط إلى مستوى الخبير البشري عبر المهام المعرفية.

السياق التاريخي والتقدم الحالي

تعود الفكرة إلى روّاد مثل Alan Turing وJohn McCarthy. في 2026، تُظهر النماذج الحدّية من OpenAI وAnthropic وGoogle DeepMind وغيرها بوادر عمومية—نماذج الاستدلال مثل سلسلة o من OpenAI تتفوّق في مهام معقدة، والأنظمة متعددة الوسائط تتعامل مع النص والرؤية والبرمجة.

تقيس معايير مثل Legg-Hutter أو التقييمات الشاملة (مثل GAIA وBIG-bench) التقدم نحو AGI. تصف DeepMind AGI بأنه يقارب مستوى الذكاء البشري المتوسط عبر المهام القابلة للحوسبة.

تُظهر النماذج الحدّية الحالية (مثل متغيّرات GPT-5 وClaude Opus وGemini) تقدمًا مبهرًا لكنها لا تصل إلى AGI الكامل. في Humanity's Last Exam (معيار صارم لعام 2026)، تسجل النماذج الأعلى ~35-65% مقابل ~90% للخبراء البشريين. في ARC-AGI-2، يقترب القادة من 85% أو يصلون إليها، لكن فجوات التعميم لا تزال قائمة في البيئات التفاعلية والخصامية.

تشمل المؤشرات الواقعية في 2026 تعامل وكلاء الذكاء الاصطناعي مع برمجة معقدة وبحث وسير عمل متعددة الخطوات، لكن الاعتمادية للاتكال الكامل ما تزال متأخرة. يبقى أتمتة العمل الحر اقتصاديًا منخفضًا (~2.5% لبعض التقييمات على النماذج الأعلى)، ما يبرز الفجوة بين المعايير والواقع.

ما هو ASI؟ تعريف الذكاء الفائق الاصطناعي

الذكاء الفائق الاصطناعي (ASI) هو ذكاء اصطناعي يتجاوز أذكى البشر في كل مجال معرفي—الاكتشاف العلمي، التخطيط الاستراتيجي، الإبداع، الذكاء الاجتماعي وأكثر. قد يطوّر تحسّنًا ذاتيًا تكراريًا، ما يقود إلى "انفجار ذكاء" تتنامى فيه القدرات بشكل أسي.

السمات الرئيسية لـ ASI:

• تفوق بشري عبر جميع المجالات: يتفوّق بمقادير هائلة على البشر، وقد يبتكر فيزياء جديدة، يحل مشاكل عصيّة (مثل الاندماج، هندسة المناخ)، أو يحسّن الاقتصادات على نطاق كوكبي.
• تحسّن ذاتي تكراري: تصميم عتاد/برمجيات أفضل، وتسريع التقدم إلى ما يتجاوز الإشراف البشري.
• قدرات ناشئة: من جماعـات متعددة الوكلاء، تحولات في النماذج، أو توسّع هائل.
• يصعب على البشر استيعابه: قد تتجاوز قراراته وتجريداته قدرة الفهم البشري.

يعرض تقرير Google DeepMind لشهر يونيو 2026 "From AGI to ASI" مسارات محتملة: استمرار التوسيع، نماذج جديدة، تحسّن تكراري، وجماعات كبيرة من الوكلاء (مثل اقتصادات وكلاء افتراضية). قد يظهر ASI كخاصية جماعية بدلًا من نظام واحد متجانس.

يبقى ASI نظريًا، لكن النقاشات اشتدت في 2025–2026 مع تسارع التقدم.

ASI ليس مجرد «روبوت دردشة أكثر ذكاءً»

الخطأ الشائع هو تصور ASI كروبوت دردشة اليوم مع إجابات أفضل. هذا تبسيط مخل. سيكون ASI قدرة على مستوى المنظومة: نماذج مع أدوات وذاكرة واستقلالية وحوسبة وبيانات وحلقات تغذية راجعة وبنية نشر.

لهذا يرتبط ASI بفرص استثنائية ومخاطر قصوى. يمكن لـ ASI محاذى تسريع الطب، علم المناخ، التعليم، اكتشاف المواد، والإنتاجية. فيما قد يضخم ASI غير المحاذى أو المسيء الاستخدام الهجمات السيبرانية والخداع والمخاطر البيولوجية والاضطراب الاقتصادي وفقدان السيطرة البشرية.

AGI مقابل ASI: ما الفرق؟ (مقارنة مفصلة)

AGI هو خطوة تمهيدية؛ ASI هو القفزة التحوّلية. يضاهي AGI البشر؛ أما ASI فيتفوق علينا كمجموعة.

جدول المقارنة: AGI مقابل ASI

مصادر البيانات: تقرير DeepMind على arXiv، ARC Prize، Stanford AI Index 2026، توليفات خبراء.

الفروقات الجوهرية في الممارسة:

• AGI: "متدرب ذكي جدًا" يمكنه البرمجة أو البحث أو التخطيط كإنسان.
• ASI: "عقل بمستوى إلهي" قادر على التحسّن التكراري، ما قد يقود إلى سيناريوهات شبيهة بالتفرّد.

المزايا الرقمية (السرعة، القابلية للتوسع، التذكّر الكامل، التوازي) تتضخم من AGI إلى ASI، بحسب تحليل DeepMind.

الفرق 1: العمومية مقابل التفوق

AGI يتمحور حول العمومية. قد يتفوّق ذكاء ضيق في الشطرنج أو التنبؤ بالبنية البروتينية أو تصنيف الصور، لكنه لا يزال ليس AGI. يجب أن يعمل AGI عبر توزيع مهام واسع.

ASI يتمحور حول التفوق. لا يكفي أن يكون عامًا؛ يجب أن يتجاوز قدرة البشر بفارق كبير. في إطار مستويات DeepMind، يُعد "فوق بشري" مستوى يتجاوز أداء الخبراء والماهرين، ما يعني أداءً أفضل من جميع البالغين المهرة عبر مجموعة مهام واسعة.

الفرق 2: الاستقلالية وأفق الزمن

الاستقلالية خط فاصل مهم. النموذج الذي يجيب على مطالبة يختلف عن وكيل يمكنه التخطيط والتصفّح والبرمجة والاختبار وإصلاح الأخطاء وشراء الخدمات ومراسلة الأشخاص والسعي نحو هدف لأيام.

عمل METR على أفق الزمن مفيد هنا. بدلًا من سؤال ما إذا كان النموذج "يبدو ذكيًا"، يقيس METR طول المهام التي يمكن لوكلاء الذكاء الاصطناعي إتمامها مع معدل نجاح معين، بناءً على الوقت الذي يحتاجه خبير بشري. وجدت دراسة 2025 أن أفق إتمام المهام بنسبة 50% كان يتضاعف تقريبًا كل سبعة أشهر على مدى ست سنوات. هذا لا يثبت أن AGI وشيك، لكنه يمنح الشركات مقياسًا ملموسًا للمراقبة.

الفرق 3: الاعتمادية

يجب أن تتطلب ادعاءات AGI الاعتمادية، وليس الأداء الذروي فحسب. النظام الذي يحل مسألة أولمبياد لكنه يفشل في تعليمات بسيطة ليس موثوقًا على نحو عام. النظام الذي يكتب كودًا مبهرًا لكنه يُدخل بهدوء ثغرات أمنية غير جاهز للنشر من دون إشراف.

يرفع ASI المشكلة إلى مستوى أصعب: قد لا يتمكن البشر من تقييم كل مخرج. إذا كان النظام أفضل من خبراء البشر، فيجب أن تعتمد الرقابة على إشراف قابل للتوسع، وقابلية الفهم، واختبار خصامي، وتحقق صوري، ونقد نموذج-لنموذج، وتدقيقات، وضوابط مؤسسية.

الفرق 4: الأثر الاقتصادي

قد يُؤتمت AGI جزءًا كبيرًا من العمل المعرفي أو يعزّزه. يمكن لـ ASI تغيير معدل التقدم العلمي والتقني نفسه. لهذا تضم نقاشات ASI مصطلحات مثل "انفجار الذكاء"، "التحسّن الذاتي التكراري"، و"الذكاء التحوّلي".

يشير Stanford AI Index 2026 إلى أن الذكاء الاصطناعي بات ذا أهمية اقتصادية بالفعل. يسجل استثمار الشركات العالمي في الذكاء الاصطناعي 581.7$ مليار في 2025، والاستثمار الخاص 344.7$ مليار، واعتماد المنظمات للذكاء الاصطناعي 88%، واستخدام الذكاء الاصطناعي التوليدي في وظيفة واحدة على الأقل لدى 70% من المنظمات. هذه أرقام تسبق AGI. إذا وصل AGI أو ASI، قد تكون التأثيرات الاقتصادية أكبر بكثير.

متى سنرى AGI وASI؟ الجداول الزمنية والتوقعات (تحديث 2026)

تقاصرت الجداول الزمنية بشكل كبير. توقعات الخبراء:

• AGI: يشير قادة كثر (OpenAI وAnthropic وDeepMind) إلى 2026–2029. Metaculus والمحلّلون الفائقون: ~25% بحلول 2029، و50% بحلول 2033. أشار Dario Amodei من Anthropic إلى أنظمة قوية أواخر 2026/بدايات 2027. Ray Kurzweil متمسّك بـ 2029.
• ASI: غالبًا 1–10 سنوات بعد AGI. تستكشف DeepMind مسارات سريعة؛ يذهب بعضهم إلى 2030–2040. الشكوك تشمل الحوسبة والبيانات والطاقة وعنق الزجاجة.

بيانات داعمة:

• تستمر قوانين التوسيع لكنها تواجه احتكاكات (جودة البيانات، الطاقة). قد تخفف البيانات المُولّدة ذاتيًا والوكلاء ذلك.
• تُظهر معايير 2026 مكاسب سريعة (أكثر من 30 نقطة في اختبارات صعبة)، لكن التعميم (مثل ARC-AGI-3 التفاعلي) يبقى تحديًا.
• عوامل اقتصادية وتنظيمية: استثمارات ضخمة في مراكز البيانات، لكن توترات جيوسياسية ومخاوف السلامة قد تُبطئ التقدم.

متفائل: AGI في 2027، ASI في 2028–2030 عبر التحسّن التكراري. متشكك: عقود بسبب التجسيد أو المحاذاة أو حدود النماذج.

المسارات الأربعة من AGI إلى ASI

تُعد ورقة DeepMind لعام 2026 من أكثر المصادر فائدة لأنها تسأل عمّا يحدث بعد AGI بدلًا من التوقف عند محطة AGI.

1. توسيع AGI

المسار الأول هو استمرار التوسيع: حوسبة أكثر، بيانات أفضل، نماذج أكبر أو أكفأ، استدلال أقوى وقت الاستدلال، واستخدام أدوات أكثر قدرة. التوسيع مألوف لأنه قاد معظم التقدم الأخير. عدم اليقين هو ما إذا كان التوسيع وحده يمكن أن يتغلب على عنق الزجاجة في الاستدلال، جودة البيانات، الطاقة، الذاكرة، التجسيد، والمحاذاة.

2. تحولات في نماذج الذكاء الاصطناعي

المسار الثاني هو التغيير الخوارزمي. قد لا تكون الأنظمة المستقبلية مجرد نسخ أكبر من المحوّلات الحالية. قد تستخدم معماريات جديدة، ذاكرة أفضل، نماذج عالم، استدلالًا عصبيًا-رمزيًا، تعلّمًا نشطًا، لعبًا ذاتيًا، أو أنظمة تخطيط تغيّر منحنى القدرة.

3. التحسّن التكراري

المسار الثالث هو التحسّن التكراري، حيث تساعد أنظمة الذكاء الاصطناعي في تحسين أنظمة الذكاء الاصطناعي. قد يبدأ ذلك بتواضع: كتابة كود التدريب، تصميم التقييمات، توليد بيانات اصطناعية، تحسين الاستدلال، أو إيجاد تحسينات في المعمارية. إذا أصبح قويًا بما يكفي، قد يسرّع التقدم بشكل كبير.

4. جماعـات متعددة الوكلاء

المسار الرابع هو جماعات كبيرة متعددة الوكلاء. قد لا يكون ASI عقلًا واحدًا. قد يظهر من وكلاء متخصصين كثر يتحاورون ويتحققون ويبحثون ويُحاكون ويتنسّقون. بمصطلحات الشركات، تخيّل منظمة ذكاء اصطناعي مكوّنة من باحثين ومهندسين ومديري منتجات ومراجعي أمن ومحللي مالية ووكلاء عمليات يعملون معًا بسرعة رقمية.n، حواجز التجريد، القيود الاقتصادية. المضادات: مكاسب الكفاءة، البيانات الاصطناعية، تصميم الآليات.

هل ذكاء اليوم هو بالفعل AGI؟

لا يوجد إجماع واسع على أن ذكاء اليوم هو AGI. يمكن للنماذج الحدّية في 2026 الاستدلال والبرمجة وإنشاء الصور والفيديو وتحليل الوثائق واستخدام الأدوات وتشغيل المتصفحات والمساعدة في البحث. ومع ذلك، كثيرًا ما تفشل في التخطيط طويل الأمد، الارتكاز على الحقائق، الاستدلال السببي، الذاكرة، التعلّم المُتجسّد، والتصحيح الذاتي المتين.

يشير Stanford 2026 AI Index إلى أن الذكاء الاصطناعي حقق مكاسب كبيرة لكنه لا يزال متأخرًا في مهام مثل الفيديو الواقعي المتماسك، التخطيط متعدد الخطوات، التحليل المالي، وبعض الامتحانات الأكاديمية المتخصصة. يبرز International AI Safety Report 2026 أيضًا أعطالًا مثل معلومات مختلقة، كود معيب، ونصائح مضللة. هذه ليست تفاصيل بسيطة. إذا كان من المفترض أن يعمل النظام على عمومية بمستوى الإنسان، تصبح إخفاقات الاعتمادية دليلًا مركزيًا.

لذا، أفضل جواب هو: ذكاء اليوم حدّي وذا صلة بـ AGI، لكنه ليس بوضوح AGI. يُوصف بشكل أفضل بأنه ذكاء اصطناعي متعدّد الأغراض متقدم مع قدرات وكيلية متزايدة.

البناء نحو AGI/ASI باستخدام CometAPI

يقف المطورون والباحثون في الطليعة. جرّب النماذج الحدّية اليوم لبناء وكلاء ومقوّمين وحلقات تحسين.

توصية CometAPI: توفّر CometAPI وصولًا موحّدًا إلى 500+ نموذج ذكاء اصطناعي (OpenAI وAnthropic وGoogle ومفتوح المصدر مثل Llama وغير ذلك) عبر واجهة برمجة تطبيقات متوافقة مع OpenAI. لا انحباس لدى المورّد، تسعير تنافسي، منصة تجريب للاختبار، وميزات على مستوى المؤسسة. مثالية لتجارب فعّالة التكلفة، وبناء الوكلاء، وتوسيع النماذج الأولية من دون إدارة عشرات المفاتيح.

تدعم سرعة التكرار—وهو أمر حاسم لاختبار الاستدلال وإعدادات الوكلاء المتعددين أو مسارات الضبط الدقيق نحو قدرات AGI. تتبّع التكاليف والأداء بسلاسة، خاصة لوكلاء البرمجة أو البحث.

لماذا CometAPI لأبحاث AGI/ASI:

• توفير في التكلفة (>20% بحسب التقارير) للتجارب واسعة النطاق.
• الوصول إلى نماذج متقدمة لبناء نماذج التحسّن التكراري أو محاكاة متعددة الوكلاء.
• منصة وتج marketplace للاختبار السريع.
• خيارات تركّز على الخصوصية؛ تتكامل مع سير العمل لبناء أنظمة ذكاء اصطناعي آمنة وقابلة للرصد.

ابدأ من cometapi لتسريع مشاريعك.

الآفاق المستقبلية والتوصيات

قد يعيد المسار من الذكاء الحالي إلى AGI ثم ASI تشكيل الحضارة.
خطوات عملية:

1. جرّب النماذج الحدّية عبر منصات موحّدة مثل CometAPI.
2. ساهم في المعايير المفتوحة (ARC Prize) وبحوث السلامة.
3. ادعم التطوير الأخلاقي والتعاون الدولي.
4. ابنِ تطبيقات مرنة تعزّز القدرات البشرية.

مع اقترابنا من هذه المحطات، الابتكار المسؤول هو المفتاح. يزوّد CometAPI المطورين بالأدوات للمشاركة بفاعلية—إطلاق الإبداع من دون أعباء البنية التحتية.