💬 NLP

Scientific Knowledge Discovery in the Age of Large Language Models

يستعرض هذا الفصل 34 دراسة مُحكمة تستكشف كيف يمكن لنماذج اللغات الكبيرة التوليدية تحسين اكتشاف المعرفة العلمية من خلال أتمتة استرجاع الأدبيات وفحص الدراسات المرشحة مقابل معايير الأهلية، مما يعالج التحديات التي يفرضها النمو المتسارع للأدبيات البحثية.

المؤلفون الأصليون: Eleni Adamidi, Serafeim Chatzopoulos, Thanasis Vergoulis

نُشر 2026-07-30

📖 5 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Eleni Adamidi, Serafeim Chatzopoulos, Thanasis Vergoulis

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

تخيل عالم العلوم كمكتبة ضخمة، متوسعة باستمرار. في كل يوم، تُكتب آلاف الكتب الجديدة (الأوراق البحثية) وتُضاف إلى الرفوف. في الماضي، كان بإمكان أمين المكتبة (الباحث) التجول في الممرات، والعثور على الكتب التي يحتاجها، والتحقق مما إذا كانت جيدة بما يكفي لاستخدامها. ولكن الآن، تنمو المكتبة بسرعة كبيرة لدرجة أن أمين المكتبة يغرق؛ فهو لا يستطيع قراءة كل كتاب، وقد يفوت الكتب الأكثر أهمية أو يشتري نفس الكتاب مرتين عن طريق الخطأ. هذه هي مشكلة "اكتشاف المعرفة العلمية". ولمساعدة البشر، يحاول العلماء تجربة نوع جديد من الأدوات: النماذج اللغوية الكبيرة (LLMs). فكر في هذه النماذج ليس كمجرد محركات بحث بسيطة تطابق الكلمات المفتاحية مثل "كلب" أو "قطة"، بل كروبوتات قراءة ذكية للغاية يمكنها فهم معنى السؤال، وتصفح ملايين الصفحات في لمح البصر، وإخبارك: "مهلاً، هذا الكتاب هو بالضبط ما تبحث عنه"، أو "كلا، هذا الكتاب لا يتناسب مع القواعد".

هذا البحث يشبه تقرير المحقق حول مدى جودة أداء روبوتات القراءة هذه في وظيفتها بالفعل. فقد جمع المؤلفون، إيليني آدميدي، وسيرافيم تشاتزوبولوس، وثاناسيس فيرغوليس، 34 دراسة حديثة (نُشرت بين عامي 2024 و2026) لمعرفة كيف تُستخدم أدوات الذكاء الاصطنا هذه لحل مشكلتين محددتين: استرجاع الأدبيات (إيجاد الكتب المناسبة) وفحص الأدبيات (تقرير ما إذا كانت الكتب جيدة بما يكفي للاحتفاظ بها). أرادوا معرفة: هل هذه الروبوتات ذكية بما يكفي لتحل محل أمين المكتبة المتعب؟ وما نوع الروبوتات التي يستخدمها الناس؟ وكيف نعرف ما إذا كانت تقوم بعمل جيد حقاً؟

رحلة البحث في المكتبة العظيمة: إيجاد الكتب المناسبة

يتناول النصف الأول من التقرير استرجاع الأدبيات. هذه هي مرحلة "البحث". تخيل أنك تسأل أمين مكتبة: "أحتاج إلى كتاب حول كيفية إصلاح ذراع روبوت مكسورة". محرك البحث التقليدي قد يجلب لك كل كتاب يحتوي على كلمتي "روبوت" و"ذراع" في العنوان، حتى لو كان الكتاب عن لعبة روبوت أو ذراع بشرية. أما أدوات الذكاء الاصطنا الجديدة فتحاول فهم أنك تقصد ذراعاً ميكانيكية لآلة.

وجد البحث أن الباحثين يجربون العديد من الحيل المختلفة لجعل هذه الروبوتات أكثر ذكاءً. يستخدم البعض الذكاء الاصطناعي لتفكيك سؤال كبير إلى أسئلة أصغر وأسهل (مثل المحقق الذي يفكك قضية ما). ويستخدم آخرون الذكاء الاصطناعي لبناء خريطة من الروابط بين الكتب المختلفة، بحيث يمكنه العثور على روابط خفية قد تغفل عنها عملية البحث البسيطة. كما تستخدم بعض الأنظمة عدة "وكلاء" ذكاء اصطناعي يعملون معاً: وكيل يخطط للبحث، وآخر يبحث عن الكتب، وثالث يتحقق مما إذا كانت النتائج منطقية.

ومع ذلك، يشير التقرير إلى مشكلة شائكة: بينما تبرع أدوات الذكاء الاصطنا هذه في توليد الإجابات، إلا أنها لا تُختبر دائماً في مدى جودة إيجادها للإجابات. في العديد من الدراسات، تحقق الباحثون فقط مما إذا كانت القصة النهائية التي كتبها الذكاء الاصطناعي جيدة، وليس ما إذا كان الذكاء الاصطناعي قد اختار الكتب الصحيحة لكتابة تلك القصة. الأمر يشبه الحكم على طباخ من خلال طعم الحساء فقط، دون التحقق مما إذا كان قد استخدم المكونات الصحيحة. ويشير الورقة إلى أنه رغم وجود أنظمة جديدة ذكية، إلا أنه ليس لدينا دليل كافٍ بعد على أنها أفضل من الطرق القديمة في إيجاد الأوراق البحثية الصحيحة فعلياً. أيضاً، معظم هذه "الروبوتات" تستخدم مجرد نماذج جاهزة ومعدة مسبقاً (مثل طلب طباخ مشهور ليطبخ لك) بدلاً من تدريب روبوت مخصص لهذه المهمة المحددة.

حراس البوابة: تقرير ما يجب الاحتفاظ به

يركز النصف الثاني من التقرير على فحص الأدبيات. هذه هي مرحلة "التصفية". تخيل أن لديك كومة من 1000 كتاب، لكنك تريد فقط الكتب التي تتحدث عن "أذرع الروبوتات" والتي كُتبت في السنوات الخمس الماضية. يجب على الإنسان قراءة عنوان وملخص كل كتاب ليقرر ما إذا كان ينتمي للمجموعة أم لا. وهذا أمر بطيء وممل.

هنا، يتم استخدام روبوتات الذكاء الاصطناعي كحراس للبوابة. يجد البحث أن الباحثين يختبرون طريقتين رئيسيتين للقيام بذلك. الطريقة الأولى هي طريقة "المرة الواحدة" (One-Shot): تعطي الكتاب للروبوت، وتسأله "احتفظ به أم ارمه؟"، ويعطيك إجابة. والطريقة الثانية هي طريقة "العمل الجماعي": حيث تستخدم فريقاً كاملاً من الروبوتات؛ أحدهم يقرأ الكتاب، وآخر يتحقق من الحقائق، وإذا اختلفوا، يعمل روبوت ثالث كحكم لاتخاذ القرار النهائي.

ويشير التقرير إلى أن نهج "العمل الجماعي" يبدو أكثر واعداً. الأمر يشبه امتلاك لجنة من الحكام بدلاً من شخص واحد؛ فإذا أخطأ أحد الحكام، يمكن للآخرين تصحيح خطئه. كما يسلط الورق الضوء على أن معظم هذه الاختبارات تحدث في عالم الطب وعلم الأحياء. لماذا؟ لأنه في الطب، توجد قواعد صارمة بشأن ما يعتبر "دليلاً"، وهناك بالفعل أكوام ضخمة من القرارات السابقة (مثل الدراسات التي تم الاحتفاظ بها لمراجعة طبية) التي يمكن للباحثين استخدامها لاختبار مدى دقة روبوتاتهم. وفي المجالات الأخرى، مثل التاريخ أو الهندسة، لا نملك هذه القواعد الواضحة أو أكوام الاختبار هذه بعد، لذا فمن الصعب معرفة ما إذا كانت الروبوتات تقوم بعمل جيد.

الصورة الكبيرة

إذاً، ما هو الحكم النهائي؟ يشير البحث إلى أننا في الأيام الأولى والمثيرة لاستخدام الذكاء الاصطناعي لإدارة المكتبة. الروبوتات تصبح أفضل في فهم الأسئلة المعقدة والعمل معاً في فرق. ومع ذلك، لا يزال استخدامها يتركز بشكل أساسي في العالم الطبي، ونحن بحاجة إلى مزيد من الأدلة على أنها تجد الكتب الصحيحة بشكل أفضل من البشر.

يشير المؤلفون إلى أنه بينما تتحرك التكنولوجيا بسرعة، فإننا بحاجة إلى توخي الحذر. فمجرد قدرة الروبوت على كتابة ملخص جيد لا يعني أنه وجد المصادر الصحيحة. وبينما يستخدم البعض روبوتات "مغلقة" قوية ومكلفة (مثل تلك الشهيرة من شركات التقنية الكبرى)، بدأ آخرون في استخدام روبوتات "مفتوحة" وقابلة للتخصيص يمكن تشغيلها على أجهزتهم الخاصة لتوفير المال والحفاظ على الأسرار.

باختصار، أمين مكتبة الذكاء الاصطناي هو مساعد جديد مفيد، لكنه ليس مستعداً تماماً لتولي مسؤولية المكتبة بأكملة بعد. إنه يحتاج إلى مزيد من التدريب، واختبارات أفضل، وربما القليل من العمل الجماعي قبل أن يتمكن من استبدال الباحثين البشر الذين قاموا بهذا العمل الشاق لفترة طويلة. المستقبل يبدو مشرقاً، ولكن في الوقت الحالي، نحن لا نزال نراقب الروبوتات وهي تتعلم كيف تقرأ.

ملخص تقني: اكتشاف المعرفة العلمية في عصر النماذج اللغوية الكبيرة

بيان المشكلة

أدى التوسع السريع في الأدبيات العلمية إلى جعل سير عمل البحث والمراجعة التقليدي غير فعال بشكل متزايد. تعتمد الأنظمة التقليدية بشكل كبير على مطابقة الكلمات المفتاحية، والتصنيف القائم على الاستشهاد، والفرز اليدوي الذي يتطلب جهداً مكثفاً، مما يؤدي إلى مخاطر تتمثل في إغفال الأعمال ذات الصلة، وتكرار الجهود، وتأخر توليف الأدلة. ورغم وجود أدوات شبه آلية، إلا أنها تهدف أساساً إلى المساعدة في تحديد الأولويات بدلاً من استبدال التقييم البشري. يحدد المؤلفون حاجة ماسة لطرق أكثر مرونة قادرة على تفسير اللغة الطبيعية، واستيعاب العلاقات الدلالية، وإنتاج أحكام مهيكلة لدعم اكتشاف المعرفة العلمية، مع التركيز بشكل خاص على مهمتين جوهريتين:

استرجاع الأدبيات (Literature Retrieval): تحديد أو ترتيب أو توصية المنشورات ذات الصلة باستعلام، أو ورقة بحثية مرجعية، أو ملف تعريف مستخدم.
فحص الأدبيات (Literature Screening): تقييم المنشورات المرشحة مقابل معايير الأهلية المحددة مسبقاً، وعادةً ما يكون ذلك ضمن سياق المراجعات المنهجية وسير عمل توليف الأدلة.

المنهجية

يقدم هذا الفصل مسحاً منهجياً لـ 34 ورقة بحثية محكمة نُشرت بين عامي 2024 و2026 طبقت النماذج اللغوية الكبيرة التوليدية (LLMs) في هذه المهام.

استراتيجية البحث: استخدم المؤلفون BIP! Finder، وهو محرك بحث أكاديمي يفهرس أكثر من 250 مليون منشور عبر OpenAIRE Graph. أُجري بحث منطقي (Boolean search) في مايو 2026 باستخدام مصطلحات تتعلق بـ "النموذج اللغوي الكبير" مقترنة بكلمات مفتاحية محددة للاسترجاع والفحص.
معايات الاختيار: من بين مجموعة أولية تضم 1,589 سجلاً، تم تضمين الدراسات إذا كانت: (1) تعالج الاسترجاع أو الفحص؛ (2) تستخدم نموذجاً لغوياً كبيراً توليدياً كمكون أساسي؛ (3) تقدم تفاصيل منهجية كافية للمقارنة؛ و(4) كُتبت باللغة الإنجليزية. استُبعدت الملخصات الموسعة، والمسودات الأولية (ما لم يتم العثور على نسخة محكمة)، والدراسات التي تركز على مهام خارج النطاق (مثل التلخيص).
خصائص المتن البحثي: يُظهر المتن النهائي المكون من 34 ورقة نمواً سريعاً (9 في 2024، 24 في 2025، 1 في أوائل 2026). تتركز الأدبيات بكثافة في المجالات الطبية الحيوية والسريرية، ويعد "تنقيب النصوص الطبية الحيوية والأنطولوجيا" و"نمذجة المواضيع" من أكثر المواضيع البحثية تكراراً.
إطار التحليل: يصنف المسح الأعمال إلى مجالين موضوعيين (الاسترجاع والفحص) ويقسمها فرعياً حسب النهج التقني. يتم تحليل كل مجموعة بناءً على:
- النماذج المستخدمة: نماذج لغوية كبيرة محددة، طرق الوصول (واجهة برمجة التطبيقات API، محلي، واجهة ويب)، واستراتيجيات التكيف (الضبط الدقيق مقابل هندسة الأوامر).
- اتجاهات التقييم: مصادر الحقيقة الأرضية (المعايير المرجعية الموجودة مقابل المعايير التي أنشأها المؤلفون) والمقاييس (مقاييس الترتيب، الدقة التشخيصية، الكفاءة).

المساهمات والنتائج الرئيسية

1. النماذج اللغوية الكبيرة لاسترجاع الأدبيات

يحدد المسح نمطين رئيسيين لتطبيقات الاسترجاع:

البحث الأساسي والتوصية: هذا هو المجال الأكثر تنوعاً، ويشمل خمسة مسارات بحثية:
- البحث الدلالي (Semantic Search): استخدام النماذج اللغوية الكبيرة لاستخراج مفاهيم متعددة المستويات (مثل SemRank) أو إعادة وزن التضمينات لتقليل التكرار (مثل Zheng et al.).
- البحث الوكيل (Agentic Search): أنظمة حيث يقوم النماذج اللغوية الكبيرة بالتخطيط، والتوجيه، وتحسين عملية الاسترجاع (مثل LitChat، LITERAS). غالباً ما تستخدم هذه الأنظمة بنيات متعددة الوكلاء لتوليد الاستعلامات، والبحث، والتحقق، والتحسين.
- الترسيخ المعرفي المهيكل (Structured Knowledge Grounding): استرجاع مستند إلى الرسوم البيانية للمعرفة (مثل GPTscholar الذي يولد استعلامات SPARQL؛ وLiu et al. الذي يولد استعلامات Cypher) للحد من الهلوسة.
- تدقيق الاستشهادات (Citation Auditing): دراسات مضبوطة تفحص قدرة النماذج اللغوية الكبيرة على إعادة إنتاج قوائم المراجع من الذاكرة دون الاستناد إلى قاعدة بيانات (مثل Chelli et al.).
- التوصية القائمة على الملف الشخصي: استخدام النماذج اللغوية الكبيرة لتحسين إشارات التشابه لأنظمة التوصية القائمة على الرسوم البيانية (مثل MCAP).
- النماذج والتقييم: تستخدم معظم الأنظمة نماذج تجارية (GPT-4، Claude، Gemini) عبر واجهة برمجة التطبيقات (API) دون ضبط دقيق. يعتمد التقييم غالباً على مقاييس استرجاع المعلومات الكلاسيكية (الاستدعاء، الدقة، nDCG) مقابل المعايير المرجعية الموجودة. ومع ذلك، غالباً ما يغيب التقييم المركز لمكون الاسترجاء نفسه، حيث يُعامل الاسترجاع كخطوة داعمة لمهام لاحقة.
الاسترجاع بنمط RAG للمهام اللاحقة:
- تدمج هذه الأنظمة الاسترجاع في مسارات العمل لعمليات مراجعة النظراء الآلية، أو دعم القرار السريري، أو توليد المسوحات.
- يُستخدم الاسترجاع لسياق الحداثة، أو توضيح القيود، أو دعم القرارات القائمة على الأدلة.
- فجوة التقييم: في هذه الدراسات، نادراً ما يتم تقييم جودة الاسترجاع مقابل حقيقة أرضية مخصصة. يركز التقييم على المخرج اللاحق (مثل جودة المراجعة أو خطة العلاج)، باستخدام إشارات غير مباشرة مثل بروكسي الاستشهادات أو دراسات الاستئصال.

2. النماذج اللغوية الكبيرة لفحص الأدبيات

تنقسم مناهج الفحص إلى نمطين معماريين:

الفحص بمرور واحد (Single-Pass Screening):
- يعامل الفحص كاستدعاء نموذج واحد لكل ورقة بحثية.
- يكمن التباين التقني في هندسة الأوامر (Prompt Engineering): المعايير الثابتة، أمثلة قليلة (few-shot)، سلسلة الأفكام (CoT)، والتحسين التكراري للأوامر (مثل Tao et al.، Ruan et al.).
- التقييم: صارم للغاية، باستخدام مقاييس الدقة التشخيصية القياسية (الدقة، الاستدعاء، النوعية، F1، MCC) مقابل المراجعات المنهجية القائمة أو الحقيقة الأرضية التي أنشأها المؤلفون.
- النماذج: مزيج من النماذج التجارية (GPT، Claude، Gemini) والنماذج مفتوحة الأوزان (Llama، Mistral، Gemma). ومن الجدير بالذكر أن Delgado-Chaves et al. أجروا أوسع مقارنة بين 18 نموذجاً. لم يُلاحظ أي ضبط دقيق لأوزان النماذج؛ حيث اقتصر التكيف على هندسة الأوامر.
خطوط العمل الهندسية متعددة المكونات:
- مصممة لمحاكاة فرق المراجعة البشرية من خلال الترشيح المسبق، أو التحكيم بين النماذج، أو الفحص المعزز بالاسترجاع.
- التحكيم (Arbitration): تقوم نماذج متعددة بالفحص بشكل مستقل، مع وجود نموذج ثالث أو خبير بشري لحسم الخلافات (مثل Dai et al.، Pan et al.).
- المعزز بالاسترجاع (Retrieated-Augmented): تسترجع الأنظمة مقاطع من النص الكامل للإجابة على أسئلة الأهلية (مثل Trad et al.).
- الوكيل/التكراري (Agentic/Iterative): أنظمة متعددة الوكلاء تعمل على تحسين الأوامر بناءً على التغذية الراجعة أو تطبيق عتبات تقليل عبء العمل (مثل GREP-Agent).
- التقييم: يستخدم مقاييس تشخيصية قياسية جنباً إلى جنب مع إحصائيات الاتفاق (Cohen's $\kappa$ ، PABAK) ومقاييس الكفاءة (تقليل عبء العمل، التكلفة). تُشتق الحقيقة الأرضية عادةً من المراجعات المنهجية القائمة أو مجموعات فرعية مصنفة من قبل الخبراء.

الأهمية والادعاءات

يدعي البحث تقديم نظرة شاملة للمشهد سريع التطور للاكتشاف المدعوم بالنماذج اللغوية الكبيرة للمعرفة العلمية. وتكمن أهميته الأساسية في:

رسم معالم المشهد: يحدد التحول من استدعاء النموذج المنفرد إلى الأنظمة المركبة، والوكيلة غالباً، ومتعددة المكونات لكل من الاسترجاع والفحص.
تحديد التباين المنهجي:
- الاسترجاع متنوع تقنياً ولكنه مجزأ منهجياً، مع غياب التقييم الموحد لمكون الاسترجاع نفسه.
- الفحص أكثر توحيداً من الناحية المنهجية، حيث يستخدم معايير دقة تشخيصية صارمة ويتجه نحو أدوات قابلة للاستخدام في الإنتاج عبر التوافق بين النماذج المتعددة.
التركيز المجالي: يسلط المسح الضوء على أن التطورات الحالية مركزة بشدة في التطبيقات الطبية الحيوية والسريرية. ويُعزى ذلك إلى نضج منهجيات المراجعة المنهجية في الطب الحيوي، والتي توفر حقائق أرضية مستقرة ومعايير تقييم واضحة.
اتجاهات الاعتماد: يشهد المجال صعوداً في النماذج مفتوحة الأوزان (غالباً للخصوصية والتحكم في التكلفة) إلى جانب النماذج التجارية المهيمنة عبر واجهات برمجة التطبيقات. ومع ذلك، لا يزال الضبط الدقيق الخاص بالمجال نادراً، حيث يقتصر التكيف أساساً على مستوى هندسة الأوامر.

يخلص المؤلفون إلى أنه بينما ينتقل الاسترجاع والفحص المدعوم بالنماذج اللغوية الكبيرة من مجرد تجارب معزولة نحو ممارسات راسخة، فإن المجال لا يزال مرتبطاً بمجالات محددة. إن قابلية نقل هذه النهج إلى المجالات غير الطبية الحيوية غير واضحة حالياً بسبب نقص المعايير المرجعية ومعايير المراجعة المقارنة خارج نطاق الطب الحيوي.