MDGYM: Benchmarking AI Agents on Molecular Simulations
تقدم الورقة البحثية MDGYM، وهو معيار مرجعي يوضح أن الوكلاء الحاليين في مجال الذكاء الاصطناعي يعانون في تنفيذ محاكاة الديناميكا الجزيئية بشكل مستقل بسبب فجوة جوهرية بين توليد الكود البرمجي بطلاقة وبين الاستدلال الفيزيائي القائم على الواقع والمطلوب لضمان استقرار ودقة المحاكاة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
الفكرة الكبرى: هل يمكن للذكاء الاصطناائي أن يكون عالماً؟
تخيل أنك تريد بناء روبوت لا يستطيع كتابة الأكواد البرمجية فحسب، بل يمكنه أيضاً التصرف كعالم حقيقي. تعطي له مشكلة، مثل "اكتشف كيف يتفاعل دواء جديد مع فيروس"، وتتوقع منه أن يصمم التجربة، ويشغل المحاكاة الحاسوبية، ويصلح أي أخطاء، ثم يخبرك بالنتيجة.
يطرح البحث سؤالاً بسيطاً: هل يمكن لوكلاء الذكاء الاصطناعي الحاليين القيام بذلك حقاً؟
ولمعرفة ذلك، أنشأ الباحثون "صالة رياضية" (معيار اختبار) جديدة تسمى MDGYM. فكر في هذا الأمر كأنه مسار عقبات عالي المخاطر للذكاء الاصطناعي، مصمم خصيصاً لاختبار ما إذا كان بإمكانهم التعامل مع الواقع الفيزيائي المعقد للعلم، بدلاً من مجرد كتابة أكواد برمجية نظيفة.
مسار العقبات: ما هي MDGYM؟
بنى الباحثون اختباراً يحتوي على 169 تحدياً مختلفاً. هذه ليست مسائل رياضية بسيطة؛ بل هي محاكاة جزيئية معقدة.
- الأدوات: يتعين على الذكاء الاصطناعي استخدام "مطبخين" مشهورين لإعداد المحاكاة: LAMPS و GROMACS. وهذان يشبهان علامتين تجاريتين مختلفتين من الأفران الراقية التي يستخدمها العلماء لطهي البيانات حول الذرات والجزيئات.
- مستويات الصعوبة:
- سهل: "اطبخ حساءً بسيطاً". (حساب درجة الحرارة أو الطاقة الأساسية).
- متوسط: "اطبخ يخنة معقدة". (تحليل كيفية حركة الجزيئات أو ترابطها).
- صعب: "اصنع طبقاً جزيئياً بـ 5 نجوم". (محاكاة الضغط الشديد، قوى القص، أو الخصائص المادية المعقدة).
- الفخ: في اختبار البرمجة العادي، إذا ارتكبت خطأً، سيصرخ الكمبيوتر "خطأ!" ويتوقف. أما في هذا "المطبخ" العلمي، فقد يقوم الكمبيوتر بتشغيل المحاكاة بشكل مثالي، ويولد ملفاً، ويقول "تم!"—لكن النتيجة قد تكون مستحيلة فيزيائياً (مثل حساء يغلي عند درجة حرارة -500 درجة). يجب على الذكاء الاصطناعي أن يدرك أن النتيجة غير منطقية دون أن يخبره الكمبيوتر بأنها خاطئة.
المتسابقون: من حاول؟
وضع الباحثون ثلاثة "طهاة ذكاء اصطناعي" (أطر عمل وكيلية) في المطبخ، مدعومين بأربعة نماذج لغوية كبيرة مختلفة (العقول وراء الطهاة):
- Claude Code (من شركة Anthanthropic)
- Codex (من شركة OpenAI)
- OpenHands (فريق مفتوح المصدر)
النتائج: كارثة في المطبخ
كانت النتائج صادمة. حتى أمهر طهاة الذكاء الاصطناعي فشلوا فشلاً ذريعاً.
- الدرجة: في المستوى "السهل"، حقق أفضل ذكاء اصطناعي 21% فقط من المهام بشكل صحيح. وفي المستويين "المتوسط" و"الصعب"، انخفضت الدرجات إلى خانة الآحاد (أقل من 10%).
- النماذج مفتوحة المصدر: النماذج مفتوحة المصدر (Qwen و GPT-OSS) سجلت تقريباً 0% في كل شيء تقريباً.
الأمر يشبه إعطاء روبوت وصفة لصنع "السوفليه"، فيتمكن الروبوت من تشغيل الفرن، لكن السوفليه يخرج مسطحاً، أو محترقاً، أو مصنوعاً من البلاستيك. لقد اتبع الروبوت الخطوات، لكنه لم يفهم فيزياء الخبز.
لماذا فشلوا؟ (الأخطاء "الصامتة")
وجد البحث أن الذكاء الاصطناعي فشل بطرق محددة وغريبة تختلف عن طريقة فشله في مهام البرمجة العادية.
- "الطباخ المزيف" (التلفيق): في بعض الأحيان، يقول الذكاء الاصطناعي: "إليك الإجابة"، ويعطي رقماً، لكنه لم يقم بتشغيل المحاكاة فعلياً. لقد خمن الرقم بناءً على ما يعتقد أن الإجابة يجب أن تكون عليه.
- "الانهيار والاحتراق" (الانسحاب المبكر): عندما تواجه المحاكاة عقبة (مثل رسالة خطأ غريبة)، يكتفي الذكاء الاصطناعي بالاستسلام ويقول: "لا أستطيع فعل هذا"، بدلاً من محاولة إصلاح الوصفة.
- "الكارثة الصامتة" (عدم الاستقرار الفيزيائي): هذه هي المشكلة الأكبر. يكتب الذكاء الاصطناعي نصاً برمجياً يعمل دون أن يتوقف (بدون انهيار)، لكن الفيزياء كانت خاطئة.
- تشبيه: تخيل أنك تطلب من روبوت بناء جسر. يبني الروبوت الجسر، ويبدو مثالياً. لكنه استخدم نوعاً خاطئاً من الغراء. يقف الجسر لثانية واحدة، ثم ينهار. في البرمجة العادية، سيسقط الجسر فوراً مع صوت "تحطم" عالٍ (رسالة خطأ). أما في المحاكاة الجزيئية، فالجسر يقف، لكن الفيزياء معطلة، والذكاء الاصطناعي لا يدرك ذلك إلا بعد فوات الأوان.
الخلاصة: الكود مقابل الفيزياء
يخلص البحث إلى أن كون الذكاء الاصطناعي جيداً في كتابة الكود لا يجعله بارعاً في القيام بالعلم.
نماذج الذكاء الاصطناعي الحالية تشبه الطابعين الممتازين الذين يمكنهم نسخ الوصفة بدقة، لكنهم لا يفهمون لماذا تتفاعل المكونات بالطريقة التي تفعلها. إنهم يفتقرون إلى "التجذر الفيزيائي". لا يمكنهم النظر إلى نتيجة وقول: "مهلاً، هذه درجة الحرارة مستحيلة"، لأنهم لا يفهمون قوانين الفيزياء حقاً، بل يفهمون فقط قواعد بناء الكود (Syntax).
باخت-اختصار: يمكن للذكاء الاصطناعي كتابة التعليمات، لكنه لا يستطيع بعد الثقة في طبخه الخاص. لكي يصبح شريكاً علمياً حقيقياً، يحتاج الذكاء الاصطناعي إلى تعلم كيفية التفكير في العالم المادي، وليس فقط كيفية كتابة الأوامر.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.