Science Edge Evaluation: SEE the Missing Step Toward Real Scientific Discovery
يكشف تقييم "ساينس إيدج" (SEE) أن النماذج اللغوية الكبيرة متعددة الوسائط الحالية تواجه صعوبة في استخلاص رؤى موثوقة قائمة على الأدلة من البيانات التجريبية في مجالات الكيمياء والأحياء وعلوم المواد، حيث تحقق بحد أقصى دقة تبلغ 52.7% حتى مع استخدام الأدوات، مما يسلط الضوء على فجوة حرجة بين شرح المفاهيم الراسخة وبين القيام باكتشاف علمي حقيقي.
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 أنك محقق تحاول حل لغز، ولكن بدلاً من مجرد قراءة إفادة شاهد، يتعين عليك النظر إلى صورة ضبابية، وبصمة إصبع، ونتيجة اختبار كيميائي، وخريطة ممزقة في نفس الوقت. هذا هو الشعما الحقيقي للاكتشاف العلمي. العلماء لا يكتفون بمجرد حفظ الحقائق من كتاب مدرسي؛ بل يتعين عليهم النظر إلى بيانات العالم الحقيقي الفوضوية — مثل صور الخلايا الصغيرة، والخطوط المتعرجة الناتجة عن الآلات، والأرقام المستخرجة من التجارب — واستنتاج ما يحدث بالفعل. يجب أن يكونوا حذرين لكي لا يخمنوا بناءً على ما "يعتقدون" أنه يجب أن يحدث، بل بناءً على ما تظهره الأدلة "فعلياً".
لفترة طويلة، كنا نختبر عقولاً حاسوبية، تُسمى "نماذج اللغات الكبيرة" (LLMs)، لنرى ما إذا كانت ذكية بما يكفي للمساعدة في هذا العمل التحقيقي. هذه هي نفس أنواع الذكاء الاصطناعي التي يمكنها كتابة القصص أو الإجابة على أسئلة المعلومات العامة. ولكن هناك سؤال كبير: هل يمكنها التعامل مع الواقع المختبري الفوضوي والبصري والمعقد؟ إذا كان الذكاء الاصطناعي سيساعد العلماء في اكتشاف أدوية أو مواد جديدة، فلا يكفي أن يكون "متحدثاً جيداً"؛ بل يجب أن يكون مراقباً جيداً ومفكراً حذراً يعرف متى يقول: "ليس لدي ما يكفي من الأدلة بعد".
اختبار المختبر الكبير: هل يستطيع الذكاء الاصطناعي "رؤية" العلم؟
قرر فريق من الباحثين وضع هؤلاء المحققين من الذكاء الاصطناعي في الاختبار النهائي. لقد ابتكروا تحدياً جديداً يسمى تقييم حافة العلوم (SEE). فكر في (SEE) كأنه امتحان ضخم وشديد الصعوبة لا يسأل "ما هي عاصمة فرنسا؟" أو "ما هي صيغة الماء؟"، بل يقدم للذكاء الاصطناعي لغزاً علمياً حقيقياً: صورة لشريحة مجهرية، ورسماً بيانياً من تجربة كيميائية، وسؤالاً يتطلب ربط كل تلك النقاط ببعضها لإيجاد الإجابة.
يغطي الامتحان ثلاثة مجالات كبرى: الكيمياء (كيف تتغير الأشياء)، والأحياء (كيف تعمل الحياة)، وعلم المواد (كيف نبني أشياء جديدة). تأتي الأسئلة من أوراق بحثية علمية حقيقية وتجارب مختبرية حقيقية. يبلغ عدد الأسئلة 1,116 سؤالاً، وهي مصممة لتكون مخادعة. بعضها يطلب من الذكاء الاصطناعي قراءة رقم محدد من رسم بياني، وبعضها الآخر يطلب منه رصد خطأ في مخطط بيولوجي، وبعضها يتطلب من الذكاء الاصطناعي دمج المعرفة من الأحياء والكيمياء معاً.
النتائج: مواجهة الواقع
اختبر الباحثون 19 نموذجاً مختلفاً من نماذج الذكاء الاصطناعي. شمل ذلك أكبر النماذج "العامة" الشهيرة (التي يمكنها فعل كل شيء) وبعض نماذج "العلوم المتخصصة" (التي تم تدريبها خصيصاً على الكتب العلمية).
وهنا كانت المفاجأة الكبرى: لم ينجح أي منها بتفوق باهر.
في الواقع، أفضل النماذ أداءً، وهو نموذج قوي يُدعى GPT-5.6-Sol (Max)، حصل فقط على 48.7% من الإجابات الصحيحة. هذا أقل من النصف! كانت النماذج الأخرى أسوأ حالاً، حيث سجل بعضها 15.9% فقط. الأمر يشبه طالباً يؤدي امتحاناً نهائياً ويحصل على تقدير "مقبول ضعيف".
والأمر الأكثر إثارة للاهتمام هو أن "النماذج المتخصصة في العلوم" (التي درست بجد في حصة العلوم) حققت في المتوسط نتائج أسوأ من النماذج العامة. سجلت النماذج العامة متوسط 34.9%، بينما سجلت الخبراء العلميين متوسط 22.2% فقط. وهذا يشير إلى أن مجرد حفظ الكثير من الحقائق العلمية ليس كافياً؛ إذ يحتاج الذكاء الاصطناعي إلى معرفة كيفية استخدام تلك الحقائق عند النظر إلى صورة حقيقية فوضوية.
مشكلة "الأداة": هل تساعد الآلة الحاسبة؟
تساءل الباحثون: "ماذا لو أعطينا الذكاء الاصطناعي آلة حاسبة ومحرك بحث؟" سمحوا لأفضل ستة نماذج باستخدام أدوات مثل البحث عبر الويب (للبحث عن الحقائق) ومفسر الأكواد (للقيام بالرياضيات أو تحليل الصور).
ساعد منحهم الأدوات، ولكن ليس كثيراً. ارتفع مجموع أفضل نموذج من 48.7% إلى 52.7%. ورغم أن هذا تحسن طفيف، إلا أنه لا يزال لا يعتبر درجة نجاح. لقد منحت الأدوات الذكاء الاصطناعي مزيداً من المعلومات، لكن الذكاء الاصطناعي ظل يعاني في تحديد المعلومات المهمة وكيفية دمجها معاً. وفي بعض الأحيان، تسببت الأدوات في إرباك الذكاء الاصطناعي، مما جعله يختار المسار الخاطئ أو يعلق في حلقة مفرغة من التفكير المفرط.
المشكلة الحقيقية: لماذا يفشلون؟
تعمق البحث لمعرفة سبب فشل الذكاء الاصطناعي. اتضح أن المشكلة ليست في أن الذكاء الاصطناعي لا يعرف حقائق كافية، بل المشكلة هي أن الذكاء الاصطناعي سيء في الالتزام بالأدلة.
- عادة "التخمين الأعمى": عندما نزع الباحثون الصور وأعطوا الذكاء الاصطناعي النص فقط، لم يقل الذكاء الاصطناعي: "مهلاً، لا يمكنني حل هذا بدون الصورة!"، بل قام ببساطة بالتخمين بناءً على ما قرأه سابقاً. لقد حاول حل اللغز باستخدام ذاكرته بدلاً من النظر إلى القرائن. في الواقع، اعترف الذكاء الاصطناعي بنقص المعلومات في 4.6% فقط من الحالات.
- تجاهل الصورة: إذا أظهرت الصورة شيئاً غريباً لا يتوافق مع ما توقعه الذكاء الاصطناعي، فإن الذكاء الاصطناعي غالباً ما يتجاهل الصورة ويمضي قدماً مع "شعوره الداخلي" (ما تعلمه من بيانات التدريب). إنه يشبه محققاً يتجاهل بصمة إصبع لأنها لا تتطابق مع قصة المشتبه به.
- الثقة المفرطة: غالباً ما يحاول الذكاء الاصطناعي ملء الفراغات. إذا كانت التجربة غير مكتملة، يقوم الذكاء الاصطناعي باختراع استنتاج كما لو كان يمتلك جميع البيانات. يدرك العلماء الحقيقيون أنه في بعض الأحيان لا تملك أدلة كافية لتقديم ادعاء، لكن الذكاء الاصطناعي متحمس جداً لإعطاء إجابة.
الخطوة المفقودة
خلصت الورقة البحثية إلى أننا نفتقد خطوة حاسمة لجعل الذكاء الاصطناعي مفيداً للعلم. لقد كنا نحاول تعليم الذكاء الاصطناعي ليكون مكتبة (تخزن الحقائق) أو آلة حاسبة (تقوم بالرياضيات). لكن العلم الحقيقي يتطلب من الذكاء الاصطناعي أن يكون محققاً يمكنه النظر إلى أدلة فوضوية، والاعتراف عندما لا يعرف الإجابة، وتقديم استنتاجات مدعومة بصرامة بما يمكنه رؤيته فقط.
يقترح المؤلفون أنه لكي يساعد الذكاء الاصطناعي حقاً في الاكتشاف العلمي الحقيقي، فإنه يحتاج إلى تعلم كيفية إدارة الأدلة بشكل أفضل. يحتاج إلى تعلم متى يتوقف عن التخمين ومتى يطلب المزيد من البيانات. وحتى يتمكن الذكاء الاصطناعي من فعل ذلك، فقد يكون مساعداً رائعاً لكتابة التقارب، لكنه ليس مستعداً تماماً لإدارة المختبر بنفسه. إن الفجوة بين "معرفة الحقائق" و"الاستنتاج من الأدلة" هي الخطوة المفقودة نحو الاكتشاف العلمي الحقيقي.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.