صادفتُ خبرًا عن إطلاق OpenAI معيارًا قويًا آخر: BioBasicsBench، الذي أُعدّ بالتعاون مع شركة تصميم الإنزيمات Ligo، لقياس قدرة الذكاء الاصطناعي على قراءة الأدلة الأولية الفوضوية في «التجارب الرطبة».
يضمّ المعيار 100 سؤال: صور هلامية، وأطباق مستعمرات، ومجموعات صور مجهرية، وملفات تصدير من أجهزة القياس، وحتى مقاطع فيديو لأسطح العمل؛ وكلها تمثّل تحديات يومية في المختبر، وليست صورًا منتقاة وجميلة من أوراق بحثية. في وضع الاستدلال xhigh، حقق GPT-6 Astra نحو 66.7% من النقاط المتاحة، مقابل نحو 43.8% لـ GPT-5.6 Sol من الجيل السابق. وكان التحسن الأوضح في تفاصيل تعدد الوسائط، ومجموعات الضبط، ومدى كفاية الأدلة لدعم الاستنتاجات.
لكن الجهة الرسمية أشارت أيضًا إلى نقاط الضعف: ترجيح الفرضية على حساب مجموعة الضبط، والمبالغة في عدّ المستعمرات، والإصرار على استخلاص نتيجة رغم ملاحظة التناقض. ولا شك أن جانب السلامة البيولوجية سيظل بحاجة إلى مراقبة. قبل أن يدخل الذكاء الاصطناعي المختبر، عليه أن يتعلم أولًا أن يقول: «هذه الصورة لا تكفي فعلًا للجزم».
#AI #OpenAI #BioBasicsBench
يضمّ المعيار 100 سؤال: صور هلامية، وأطباق مستعمرات، ومجموعات صور مجهرية، وملفات تصدير من أجهزة القياس، وحتى مقاطع فيديو لأسطح العمل؛ وكلها تمثّل تحديات يومية في المختبر، وليست صورًا منتقاة وجميلة من أوراق بحثية. في وضع الاستدلال xhigh، حقق GPT-6 Astra نحو 66.7% من النقاط المتاحة، مقابل نحو 43.8% لـ GPT-5.6 Sol من الجيل السابق. وكان التحسن الأوضح في تفاصيل تعدد الوسائط، ومجموعات الضبط، ومدى كفاية الأدلة لدعم الاستنتاجات.
لكن الجهة الرسمية أشارت أيضًا إلى نقاط الضعف: ترجيح الفرضية على حساب مجموعة الضبط، والمبالغة في عدّ المستعمرات، والإصرار على استخلاص نتيجة رغم ملاحظة التناقض. ولا شك أن جانب السلامة البيولوجية سيظل بحاجة إلى مراقبة. قبل أن يدخل الذكاء الاصطناعي المختبر، عليه أن يتعلم أولًا أن يقول: «هذه الصورة لا تكفي فعلًا للجزم».
#AI #OpenAI #BioBasicsBench
