DOI: https://doi.org/10.1155/hbe2/9946143
تاريخ النشر: 2026-01-01
المؤلف: Sébastien Tremblay وآخرون
الموضوع الرئيسي: الطب النفسي، الصحة العقلية، علوم الأعصاب
نظرة عامة
تجمع هذه المراجعة السردية النتائج من علوم الإدراك وبحوث الذكاء الاصطناعي (AI) لتحدي الثنائية التقليدية بين الإدراك البشري والاصطناعي. تفترض أن كلا الشكلين من الإدراك يشتركان في آليات أساسية مشابهة، مثل المعالجة الإحصائية والتعرف على الأنماط الارتباطية، بدلاً من الاعتماد فقط على المنطق المثالي. من خلال تحليل منهجي لـ 363 مقالة، تكشف المراجعة عن أوجه التشابه في القدرات والقيود، بما في ذلك القابلية للتحيز وغموض اتخاذ القرار. تنتقد السرديات الشائعة مثل حجة الببغاء العشوائية وخرافة العقلانية البشرية، مشيرة إلى أن هذه الآراء المثالية غالبًا ما تتعارض مع الأدلة التجريبية.
تتناول المراجعة أيضًا مفارقة مورايف، التي تبرز الفجوة بين المتطلبات الحسابية لمهام التفكير عالية المستوى مقابل المهام الحسية الحركية والإدراكية. بينما يتفوق الذكاء الاصطناعي في التفكير المعقد والتخطيط الاستراتيجي، فإنه يواجه صعوبة في المهام التي يجدها البشر سهلة، مثل التعرف على الأشياء والتلاعب بها. وهذا يشير إلى أن الدوائر العصبية البشرية قد تم تحسينها تطوريًا لمهام الحسية الحركية، على الرغم من تعقيدها. يدعو المؤلفون إلى فهم دقيق لكل من الإدراك البشري والاصطناعي، مؤكدين أن كلاهما تكيفي واحتمالي ولكنهما يعملان ضمن قيود مختلفة. يقترحون أن تركز التطورات المستقبلية في الذكاء الاصطناعي على تكملة القدرات البشرية، وتعزيز التعاون بدلاً من المنافسة، وتشجيع الحوار بين التخصصات لفهم نقاط القوة والضعف في كلا النظامين الإدراكيين بشكل أفضل.
مقدمة
تسلط مقدمة الورقة الضوء على التأثير التحويلي للذكاء الاصطناعي (AI) على مختلف قطاعات الاقتصاد الرقمي، متوقعة مساهمة تبلغ حوالي 19.9 تريليون دولار في إنتاجية التجزئة العالمية بحلول عام 2030. يتم التأكيد على التبني السريع للذكاء الاصطناعي في المؤسسات من خلال زيادة الاستخدام المبلغ عنه من 55% في 2022 إلى 78% في 2025، مع تخطيط 91% من المنظمات لدمج تقنيات الذكاء الاصطناعي بحلول عام 2030. تبرز المناقشة أهمية الذكاء الاصطناعي المتمحور حول الإنسان ضمن إطار الصناعة 5.0 وتطبيقاته في مجالات مثل توقع الطلب، التسعير الديناميكي، وتحسين حركة المرور.
على الرغم من التكامل المتزايد للذكاء الاصطناعي في المجالات الحيوية، تفتقر الأدبيات إلى رسم شامل للأبعاد الإدراكية الوظيفية بين الذكاء البشري والاصطناعي. تجادل الورقة ضد المفاهيم الخاطئة السائدة بشأن استثنائية البشر وقيود الذكاء الاصطناعي، داعية إلى فهم دقيق لقدرات كلا النظامين الإدراكيين. تفترض أن الإدراك البشري يعمل بشكل أساسي من خلال الاستدلال الاحتمالي، متماشيًا مع الرؤى من علوم الإدراك، التي تتحدى فكرة التفكير المنطقي البحت. علاوة على ذلك، تميز الورقة بين نماذج الذكاء الاصطناعي الرمزية وغير الرمزية، مشيرة إلى ظهور أنظمة هجينة تجمع بين نقاط القوة في كلا النهجين لتقليد عمليات التفكير واتخاذ القرار البشرية بشكل أفضل.
مناقشة
ت outlines قسم المناقشة في ورقة البحث تصنيف قدرات الذكاء الاصطناعي (AI)، مميزًا بين الذكاء الاصطناعي الضيق (ANI)، والذكاء الاصطناعي العام (AGI)، والذكاء الاصطناعي الفائق (ASI). تم تصميم ANI، أو “الذكاء الضعيف”، لمهام محددة، كما يتضح من أنظمة مثل AlphaFold وGPT-4، التي تتفوق في مجالات ضيقة دون فهم حقيقي. يمثل AGI الطموح لآلات يمكنها التعلم والتفكير بمرونة عبر مجالات متنوعة، على الرغم من أن الأنظمة الحالية لا تزال تواجه صعوبة في التعميم والاستدلال السببي. ASI، وهو بناء نظري، يقترح ذكاء يتجاوز القدرات البشرية، مما يثير مخاوف أخلاقية وإدارية بشأن عدم التوافق المحتمل مع القيم البشرية وآثار اتخاذ القرار المستقل.
تصنف الورقة أيضًا وظائف الذكاء الاصطناعي إلى خمسة أدوار أساسية: الأنظمة التنبؤية، الأنظمة التوليدية، أنظمة الإشراف والتحكم، أنظمة التوصية، والأنظمة الوكيلة. يعزز الذكاء الاصطناعي التنبؤي اتخاذ القرار في مجالات مثل المالية والصحة العامة من خلال توقع النتائج استنادًا إلى البيانات التاريخية، بينما ينشئ الذكاء الاصطناعي التوليدي محتوى جديدًا، على الرغم من مخاطر المعلومات المضللة. تضمن الأنظمة الإشرافية السلامة في المجالات الحيوية، وتخصص أنظمة التوصية تجارب المستخدمين، على الرغم من أنها قد تعزز التحيزات عن غير قصد. تمثل الأنظمة الوكيلة تحولًا نحو العمليات المستقلة، مما يثير مناقشات حول المساءلة والشفافية. بشكل عام، تؤكد الورقة على الحاجة إلى فهم دقيق لقدرات الذكاء الاصطناعي وقيوده، داعية إلى منظور تعاوني يعترف بكل من أوجه التشابه والاختلاف بين الإدراك البشري والاصطناعي.
DOI: https://doi.org/10.1155/hbe2/9946143
Publication Date: 2026-01-01
Author(s): Sébastien Tremblay et al.
Primary Topic: Psychiatry, Mental Health, Neuroscience
Overview
This narrative review synthesizes findings from cognitive science and artificial intelligence (AI) research to challenge the conventional dichotomy between human and artificial cognition. It posits that both forms of cognition share similar underlying mechanisms, such as statistical processing and associative pattern recognition, rather than relying solely on perfect logic. By systematically analyzing 363 articles, the review reveals parallels in capabilities and limitations, including susceptibility to biases and decision-making opacity. It critiques popular narratives like the stochastic parrot argument and the myth of human rationality, arguing that these often idealized views of human cognition are contradicted by empirical evidence.
The review also addresses Moravec’s paradox, which highlights the disparity between the computational demands of high-level reasoning tasks versus sensorimotor and perceptual tasks. While AI excels in complex reasoning and strategic planning, it struggles with tasks that humans find effortless, such as object recognition and manipulation. This suggests that human neural circuitry is evolutionarily optimized for sensorimotor tasks, despite their complexity. The authors advocate for a nuanced understanding of both human and artificial cognition, emphasizing that both are adaptive and probabilistic but operate within different constraints. They propose that future advancements in AI should focus on complementing human capabilities, fostering collaboration rather than competition, and encouraging interdisciplinary dialogue to better understand the strengths and weaknesses of both cognitive systems.
Introduction
The introduction of the paper highlights the transformative impact of artificial intelligence (AI) on various sectors of the digital economy, projecting a contribution of approximately $19.9 trillion to global retail productivity by 2030. The rapid adoption of enterprise AI is underscored by a rise in reported usage from 55% in 2022 to 78% in 2025, with 91% of organizations planning to integrate AI technologies by 2030. The discussion emphasizes the importance of human-centered AI within the framework of Industry 5.0 and its applications in areas such as demand forecasting, dynamic pricing, and traffic optimization.
Despite the growing integration of AI into critical domains, the literature lacks a comprehensive mapping of cognitive-functional dimensions between human and artificial intelligence. The paper argues against prevailing misconceptions regarding human exceptionalism and AI limitations, advocating for a nuanced understanding of both systems’ cognitive capabilities. It posits that human cognition operates primarily through probabilistic inference, aligning with insights from cognitive science, which challenge the notion of purely logical reasoning. Furthermore, the paper distinguishes between symbolic and subsymbolic AI paradigms, noting the emergence of hybrid systems that combine the strengths of both approaches to better emulate human reasoning and decision-making processes.
Discussion
The discussion section of the research paper outlines the classification of artificial intelligence (AI) capabilities, distinguishing between artificial narrow intelligence (ANI), artificial general intelligence (AGI), and artificial superintelligence (ASI). ANI, or “weak” AI, is designed for specific tasks, exemplified by systems like AlphaFold and GPT-4, which excel in narrow domains without true understanding. AGI represents the aspiration for machines that can learn and reason flexibly across various domains, though current systems still struggle with generalization and causal inference. ASI, a theoretical construct, suggests an intelligence that surpasses human capabilities, raising ethical and governance concerns about potential misalignment with human values and the implications of autonomous decision-making.
The paper also categorizes AI functionality into five core roles: predictive systems, generative systems, supervisory and control systems, recommender systems, and agentic systems. Predictive AI enhances decision-making in fields like finance and public health by forecasting outcomes based on historical data, while generative AI creates new content, albeit with risks of misinformation. Supervisory systems ensure safety in critical domains, and recommender systems personalize user experiences, though they may inadvertently reinforce biases. Agentic systems represent a shift towards autonomous operations, prompting discussions about accountability and transparency. Overall, the paper emphasizes the need for a nuanced understanding of AI’s capabilities and limitations, advocating for a collaborative perspective that recognizes both the parallels and distinctions between human and artificial cognition.