تخيل أنك تحاول تعليم روبوت عبقري ولكنه فوضوي قليلاً كيف يصبح كيميائياً. تعطيه أمراً بلغة طبيعية مثل، "اكتشف لماذا تفوح من هذا الجزيء رائحة بيض فاسد،" فيبدأ بكتابة الأكواد، وتشغيل عمليات المحاكاة، وقراءة الأوراق البحثية. هذا هو عالم الوكلاء الذكيّين في العلوم (AI agents in science): استخدام النماذج اللغوية الكبيرة (LLMs) لتخطيط التجارب ومعالجة الأرقام. ولكن هنا تكمن المشكلة: هذه "الأدمغة" الاصطناعية بارعة في التحدث والتخطيط، لكنها سيئة جداً في تذكر التفاصيل الثقيلة والمعقدة للتفاعل الكيميائي. إذا طلبت من ذكاء اصطناعي قياسي أن يوازن بين نموذج ثلاثي الأبعاد ضخم لجزيء بينما يحاول أيضاً حساب مستويات الطاقة، فإنه غالباً ما يفقد التركيز، أو ينسى الإحداثيات، أو يهلوِس بنتيجة لأنه يحاول حشر كتاب مكتبة داخل بطاقة بريدية.

لفترة طويلة، حاول العلماء إصلاح ذلك عبر بناء فرق "متعددة الوكلاء"، حيث يقوم روبوت بالتخطيط، وآخر بكتابة الكود، وثالث بمراجعة الحسابات. هذا الأسلوب يعمل، لكنه يشبه وجود لجنة من عشرة أشخاص يحاولون بناء قلعة من قطع الليغو؛ يتحدثون كثيراً، ويصابون بالارتباك، ويستغرق الأمر وقتاً طويلاً جداً. كان السؤال الكبير هو: هل يمكننا بناء نظام واحد ذكي يحافظ على إبداع الذكاء الاصطناعي ولكنه يجبره على اتباع قواعد صارمة وغير قابلة للكسر حتى لا يفسد العلم؟ هنا يأتي دور الورقة البحثية الجديدة، El Agente Gráfico، التي تقترح طريقة جديدة لتشغيل هذه الروبوتات العلمية تعامل سير عملها كخريطة مرسومة مسبقاً وصارمة بدلاً من كونها محادثة حرة.

الخريطة مقابل المتجول

يقدم المؤلفون El Agente Gráfico (والذي يترجم إلى "الوكيل الرسومي"). لفهم ما يجعله مميزاً، تخيل طريقتين للتنقل في مدينة ما.

الطريقة القديمة (نهج "متعدد الوكلاء") تشبه إعطاء سائح تعليمات غامضة: "اذهب وابحث عن أفضل بيتزا". السائح (الذكاء الاصطناعي) يسأل صديقاً له: "أين يوجد البيتزا؟"، فيقول الصديق: "ربما ذلك المكان؟"، فيذهب السائح إلى هناك، ليكتشف أنه مغلق، فيسأل صديقاً آخر: "أين مكان آخر؟"، وهكذا. إنهم يتجولون، ويهدرون الوقت والمال، وقد ينتهي بهم الأمر في محطة وقود وهم يعتقدون أنها مطعم بيتزا. في النسخة السابقة من الورقة البحثية، كانت وكلاء الذكاء الاصطناعي تفعل ذلك بالضبط: يتجاذبون أطراف الحديث حول الخطوة التالية، مما يؤدي غالباً إلى إهدار الموارد ووقوع الأخطاء.

الطريقة الجديدة (El Agente Gráfico) تشبه إعطاء السائح خريطة مترو صارمة. الخريطة لا تخبره فقط إلى أين يذهب، بل تحدد بالضبط أي المحطات (الخطوات) متصلة ببعضها البعض. لا يمكنك القفز من "المنزل" إلى "البيتزا" إذا لم يكن هناك مسار يربطهما. يجب أن تذهب: المنزل ← المحطة (أ) ← المحطة (ب) ← البيتزا. إذا حاولت تخطي خطوة أو اتخاذ منعطف خاطئ، فإن القطار (النظام) يوقفك فوراً.

في هذا النظام الجديد، تُسمى "الخريطة" بـ مخطط التنفيذ المُنظم (Typed Execution Graph).

• مُنظم (Typed): وهذا يعني أن كل قطعة من البيانات لها تسمية محددة، مثل "شكل الجزيء" أو "رقم الطاقة". يرفض النظام السماح بمعاملة "شكل الجزيء" على أنه "رقم". إنه يشبه آلة البيع الآلي التي تقبل العملات المعدنية فقط، ولا تقبل قطع الحلوى.
• مخطط التنفيذ (Execution Graph): هذا هو المخطط الانسيابي للتجربة. يوضح أن الخطوة 1 يجب أن تحدث قبل الخطوة 2، وإذا فشلت الخطوة 2، عليك الذهاب إلى محطة "إصلاح" محددة، وليس العودة إلى البداية.

كيف يعمل: أمين المكتبة الذكي والصناديق الثقيلة

الجزء الأكثر ذكاءً في El Agente Gráfico هو كيفية تعامله مع "الأعمال الشاقة". في الكيمياء، تُمثل الجزيئات بكميات هائلة من البيانات (مثل لغز ثلاثي الأبعاد بآلاف القطع). إذا حاولت إرسال هذا اللغز إلى دماغ الذكاء الاصطناعي (LLM) ليقرر ما سيفعله بعد ذلك، فإن ذلك سيسد ذاكرة الدماغ.

يعمل El Agente Gráfico مثل أمين مكتبة فائق الكفاءة.

1. ينظر الذكاء الاصطناعي (الدماغ) فقط إلى ملخص اللغز، وليس اللغز نفسه. يقول: "حسناً، الجزيء مستقر. بعد ذلك، دعونا نتحقق من طاقته".
2. قطع اللغز "الثقيلة" (الإحداثيات ثلاثية الأبعاد الفعلية والحسابات) تبقى في الغرفة الخلفية للمكتبة (ذاكرة الكمبيوتر). يتم تمريرها مباشرة من آلة إلى أخرى دون أن تدخل أب ever إلى دماغ الذكاء الاصطناعي.
3. يتدخل الذكاء الاصطناعي فقط عند "نقاط قرار" محددة على الخريطة ليقول: "أي مسار يجب أن نتخذ بعد ذلك؟"

هذا الفصل يعني أن الذكاء الاصطناعي لا يصاب بالتعب أو الارتباك بسبب البيانات الثقيلة. هو فقط يتخذ القرارات، والنظام ينفذها بدقة.

النتائج: أسرع، أرخص، وأذكى

اختبر المؤلفون هذا النظام الجديد على ست مسائل كيميائية مختلفة بمستوى جامعي، من حساب كيفية اهتزاز الجزيئات إلى التنبؤ بحموضة الخل. وقارنوا El Agente Gráfico بفريقهم القديم "متعدد الوكلاء". كانت النتائج مذهلة:

• السرعة: أنهى النظام الجديد المهام بسرعة أكبر بأكثر من أربع مرات (انخفض من حوالي 30 دقيقة إلى 7 دقائق فقط في المتوسط).
• التكلفة: كان أقل تكلفة بنسبة 80%. نظرًا لأن الذكاء الاصطناعي لم يكن مضطرًا للدردشة ذهابًا وإيابًا كثيرًا، فقد استخدم عدداً أقل من "التوكنز" (العملة المستخدمة في الحوسبة الذكية).
• الدقة: حقق درجات أفضل بالفعل. فمن خلال إجبار الذكاء الاصطناعي على اتباع الخريطة الصارمة، ارتكب أخطاءً أقل تفاهة.

أثبت النظام أيضًا قدرته على التعامل مع علوم معقدة وواقعية. في أحد الاختبارات، قام بمحاكاة سلوك جزيء في الماء عن طريق تشغيل آلاف الحسابات في وقت واحد (التنفيذ المتوازي)، وهو أمر كان النظام القديم يكافح لتنسيقه. وفي اختبار آخر، ساعد في تصميم مواد جديدة تسمى الأطر المعدنية العضوية (MOFs)، والتي تشبه الإسفنجات المجهرية المستخدمة لالتقاط الكربون أو تخزين الغاز. استطاع النظام تذكر الأجزاء التي بناها بالفعل من الإسفنجة وإعادة استخدام تلك المعلومات في جلسة جديدة، وكأنه عالم يمتلك ذاكرة مثالية.

ترقية "المهارة": تعليم الذكاء الاصطناعي رسم خرائطه الخاصة

ربما يكون الاكتشاف الأكثر إثارة هو أن المؤلفين علموا الذكاء الاصطناعي مهارة جديدة: كيف يرسم خرائطه الخاصة.

عادةً، يجب على عالم بشري رسم المخطط الانسيابي (الرسم البياني) قبل أن يتمكن الذكاء الاصطناعي من تشغيله. لكن في الجزء الأخير من الدراسة، طلبوا من ذكاء اصطناعي متخصص في البرمجة أن يكتب الكود الخاص بالخريطة نفسها بناءً على طلب بسيط مثل: "استخرج البيانات من هذه الورقة العلمية". نجح الذكاء الاصطناعي في إنشاء رسم بياني تنفيذي جديد وصارم يمكنه قراءة الأوراق، وإيجاد البيانات، والتحقق مما إذا كانت الأرقام منطقية.

هذا أمر بالغ الأهمية لأن هذا يعني أن النظام يمكنه تعلم إجراءات جديدة دون الحاجة إلى إعادة كتابة البرنامج من قبل البشر في كل مرة. إنه يشبه تعليم روبوت ليس فقط كيفية القيادة، بل كيفية رسم خريطة طريق جديدة لمدينة لم يزرها من قبل.

لماذا هذا مهم؟

لا تدعي الورقة البحثية أنها حلت جميع مشاكل العلم. هي لا تقول إن الذكاء الاصطناعي أصبح الآن عبقرياً يمكنه اكتشاف أدوية جديدة بمفرده. بدلاً من ذلك، هي تظهر مساراً ملموساً لجعل العلماء من الذكاء الاصطناعي أكثر موثوقية.

من خلال الابتعاد عن "الدردشة" مع الذكاء الاصطناعي والتوجه نحو "قيادته" باستخدام خرائط مُنظمة وصارمة، أظهر المؤلفون أننا نستطيع جعل علماء الذكاء الاصطناعي:

1. أكثر صدقاً: لا يمكنه تهلوس بالنتائج لأن النظام يتحقق من الحسابات.
2. أكثر كفاءة: لا يهدر المال أو الوقت في محادثات لا نهاية لها.
3. أكثر قدرة على التكيف: يمكن تعليمه مهارات جديدة للتعامل مع تجارب مختلفة.

باختصار، El Agente Gráfico هو الفرق بين روبوت يتجول في المختبر آملاً أن يجد وعاءً كيميائياً، وروبوت يتبع بروتوكولاً دقيقاً وموافقاً عليه مسبقاً لخلط المواد الكيميائية بشكل مثالي في كل مرة. إنه يحول الإمكانات الفوضوية للذكاء الاصطناعي إلى أداة منضبطة وقوية للاكتشاف.