أين تكمن مشكلة الذكاء الاصطناعي؟ فشل قراءة الفواتير رغم حل المعادلات المعقدة

لماذا يفشل الذكاء الاصطناعي في قراءة الفواتير؟

منذ عشرين عاماً، أعمل على تطوير برامج الأتمتة لمعالجة المستندات لأكبر الشركات العالمية. خلال هذه الفترة، لاحظت فجوة غريبة: نماذج الذكاء الاصطناعي المتطورة تستطيع حل مسائل أولمبياد الرياضيات، لكنها تفشل في قراءة رقم بسيط في فاتورة. هذا ليس مجرد تساؤل أكاديمي، بل مشكلة حقيقية تؤثر على العمليات التجارية.

الرياضيات ليست المشكلة الحقيقية

عندما تحل نماذج الذكاء الاصطناعي مسائل رياضية معقدة، يبدو الأمر وكأنها تفكر بعمق. لكن الحقيقة هي أن مسائل الرياضيات الأولمبية تعتمد على أنماط متكررة. النموذج يتدرب على آلاف البراهين، ثم يعيد تجميع هذه الأنماط لحل مسائل جديدة. إنها مجرد مطابقةPatterns قابلة للتجميع، وليس تفكيراً حقيقياً.

على النقيض، في الشطرنج، كل موقف جديد يتطلب حسابات دقيقة. حتى لو عرفت جميع الاستراتيجيات، لا يمكنك التأكد من صحة قرار معين دون حساب جميع الاحتمالات. engines الشطرنج حلّت هذه المشكلة ليس بتكبير الشبكة العصبية، بل ببناء نظام حولها.

أين تكمن المخاطر الحقيقية؟

معظم الأعمال الإدارية تشبه مسائل الرياضيات: تطبيق قواعد معروفة على حالات جديدة. يمكن لنماذج الذكاء الاصطناعي التعامل مع 85% إلى 95% من هذه الحالات، وهو إنجاز حقيقي. لكن残り 5% إلى 15% هي حيث تكمن المخاطر. في هذه الحالات، لا يعرف النموذج أنه عالق، ويقدم إجابة واثقة رغم الخطأ.

اختبرنا نماذج الذكاء الاصطناعي في استخراج البيانات من الفواتير لأعوام. حتى أبسط مهمة—قراءة رقم ووضعه في الحقل الصحيح—لم تصل دقتها إلى 100%. بينما يستطيع إنسان أقل خبرة القيام بذلك بسهولة.

لماذا لا تكفي النماذج الحالية؟

الإجابة التقليدية تقول إن الرياضيات مشكلة تفكير، بينما الفواتير مشكلة إدراك (الخطوط غير المنظمة، المسح السيئ). لكن هذا التفسير خاطئ. المشكلة ليست في недостаток النماذج، بل في عدم قدرتها على الاعتراف بعدم قدرتها على حل المشكلة. إنها تقدم إجابات خاطئة بثقة، مما قد يؤدي إلى أخطاء مكلفة.

الحل: دمج الذكاء الاصطناعي مع أنظمة تحكم

كما حدث في الشطرنج، الحل يكمن في بناء نظام حول النموذج، وليس تكبيره. يجب أن تتعرف الأنظمة على الحالات التي لا تستطيع النماذج التعامل معها، وتحولها إلى تدخل بشري. هذا يقلل من المخاطر ويضمن دقة العمليات.

« المشكلة ليست في عدم قدرة النماذج على حل المسائل الصعبة، بل في عدم قدرتها على الاعتراف بعدم قدرتها على حل المسائل البسيطة »

ماذا يعني هذا للشركات؟

على الشركات أن تدرك أن الاعتماد الكامل على الذكاء الاصطناعي في العمليات الحساسة قد يكون محفوفاً بالمخاطر. يجب أن يكون هناك نظام مراقبة لضمان دقة النتائج، خاصة في الحالات التي لا تستطيع النماذج التعامل معها.