Reimagining computational quantum research with AI scientists

لطالما اعتمد العلم على طقس بشري بسيط: ينشر باحثٌ اكتشافاً، ويحاول باحثٌ آخر تكرار التجربة ليرى ما إذا كانت ستصمد. عملية التحقق هذه هي حجر الزاوية للثقة في أي مجال، من الطب إلى الفيزياء. ومع ذلك، ومع ازدياد تعقيد الأسئلة التي نطرحها، نمت التجارب المطلوبة للإجابة عليها لتصبح بناءات رقمية ضخمة ومعقدة. وفي مجال العلوم الكمومية، الذي يدرس سلوك المادة عند أصغر المقاييس، تتضمن هذه البناءات محاكاة أنظمة يصعب حتى على أقوى الحواسيب الفائقة التعامل معها مباشرة. وللتنقل عبر هذا التعقيد، يتجه العلماء بشكل متزايد نحو الذكاء الاصطناعي، آملين في بناء باحثين رقميين يمكنهم قراءة ورقة بحثية، وفهم الأساليب، وتشغيل الكود البرمجي بأنفسهم. ولكن لكي تتحقق هذه الرؤية للاكتشاف المستقل، يجب على هذه الأنظمة الذكية أولاً أن تثبت قدرتها على إعادة إنتاج عمل العلماء البشر بأمانة؛ فإذا لم يتمكن الذكاء الاصطناعي من إعادة إنتاج نتيجة منشورة بشكل موثوق، فلا يمكن الوثوق به لتوليد نتائج جديدة.

لقد ألقى فريق من الباحثين نظرة فاحصة على هذا التحدي الآن، وطرحوا سؤالاً جوهرياً: هل يمكن لعلماء الذكاء الاصطناعي الحاليين إعادة إنتاج نتائج الأبحاث الكمومية المنشورة بالفعل؟ لمعرفة ذلك، أنشأوا أرضية اختبار صارمة تسمى "OmniQ". هذا مختبر افتراضي حيث أخذ الفريق ستين دراسة منشورة تغطي ثلاثة مجالات رئيسية في العلوم الكمومية: محاكاة الأنظمة الكمومية على الحواسيب الكلاسيكية، وتصميم خوارزميات كمومية جديدة، وقياس خصائص الأنظمة الكمومية. قاموا بتغذية هذه الأوراق، إلى جانب الأشكال والبيانات المستهدفة، في خمسة أنظمة ذكاء اصطناعي مختلفة مدعومة بنماذج لغوية كبيرة. كان الهدف بسيطاً ولكنه شاق: كان على الذكاء الاصطناعي قراءة الورقة، وكتابة الكود اللازم، وتشغيل الحسابات، وإنتاج نتيجة تطابق ما نُشر في الأصل.

كانت النتائج كاشفة. فقد فشل علماء الذكاء الاصطناعي، رغم قدراتهم الاستدلالية المتقدمة، في إعادة إنتاج النتائج المنشورة بشكل متكرر. وفي كثير في الحالات، لم يكن الفشل بسبب نقص في الذكاء، بل بسبب فجوة في المعلومات المقدمة من السجل العلمي نفسه. اكتشف الباحثون أنه في ثماني عشرة دراسة من أصل ستين، كانت الورقة المنشورة، والكود المفرج عنه، والنتائج المذكورة غير متوافقة مع بعضها البعض. فأحياناً تصف الورقة منهجاً لا يستخدمه الكود فعلياً؛ وفي أحيان أخرى، ينتج الكود أرقاماً لا تطابق الرسوم البيانية في الورقة. خلقت هذه التناقضات ضباباً من الغموض أربك الذكاء الاصطناعي، مما جعل من المستحيل معرفة أي نسخة من الحقيقة يجب اتباعها. وحتى عندما كان السجل العلمي واضحاً، غالباً ما واجه الذكاء الاصطناعي صعوبة في المتطلبات الدقيقة والمحددة للبحوث الكمومية، مثل التفسير الصحيح لكيفية إجراء القياس أو كيفية هيكلة عملية رياضية معقدة.

ومع ذلك، لم تنتهِ القصة بالفشل. فقد وجد الباحثون أنه عندما يتدخل الخبراء البشريون لتوضيح حالات الغموض هذه أو إصلاح التناقضات، يمكن للذكاء الاصطناعي إعادة إنتاج النتائج بنجاح. أدت هذه الملاحظة إلى رؤية حاسمة: المعلومات المفقودة اللازمة للنجاح يمكن تحديدها، وتصحيحها، وتحويلها إلى معرفة قابلة لإعادة الاستخدام. وبناءً على ذلك، طور الفريق نوعاً جديداً من علماء الذكاء الاصطناعي يسمى "الوكلاء المتبقيين" (Residual Agents). وخلافاً للذكاء الاصطناعي القياسي الذي يحاول حل المشكلة من الصفر في كل مرة، تم تصميم هذا النظام للتعلم من أخطائه. فعندما يفشل في إعادة إنتاج نتيجة ما، يقوم خبير بشري بمراجعة الفشل، وتحديد الخطأ المحدد، ثم يقوم النظام باستخلاص هذا التصحيح وتحويله إلى درس. يُخزن هذا الدرس بعد ذلك في بنك ذاكرة ويُستخدم لتوجيه المحاولات المستقبلية.

كان تأثير هذا النهج القائم على التحسين الذاتي كبيراً. فباستخدام هذه الدروس المستخلصة، حقق نظام "الوكيل المتبقي" تحسناً كبيراً في أدائه. على سبيل المثال، عندما استخدم نموذج أساسي نجح في البداية في 68% فقط من المهام، رفع "الوكيل المتبقي" نسبة النجاح تلك إلى 85%. ومن المثير للاهتمام أنه حقق هذا المستوى العالي من الأداء بتكلفة ضئيلة مقارنة بالأنظمة الأخرى رفيعة المستوى، والتي تطلبت قوة حوسبة وأموالاً أكبر بكثير للوصول إلى نتائج مماثلة. دمج الباحثون جميع هذه النتائج المعاد إنتاجها في منصة مفتوحة، مما خلق مكتبة متنامية من سير العمل العلمي المتحقق منها والتي يمكن لأنظمة الذكاء الاصطناعي الأخرى الوصول إليها واستخدامها.

يؤسس هذا العمل مساراً جديداً للعلوم الحسابية. فهو يوضح أنه بينما لا تستطيع أنظمة الذكاء الاصطناعي الحالية استبدال الباحثين البشر تماماً في التحقق من التجارب الكمومية المعقدة، إلا أنه يمكن جعلها موثوقة من خلال عملية تعلم موجهة. ومن خلال تحويل المهمة الصعبة المتمثلة في إعادة إنتاج الأوراق العلمية إلى تجربة تعلم مهيكلة، خلق الباحثون أساساً لمستقبل يمكن فيه لعلماء الذكاء الاصطناعي استكشاف العالم الكمومي بشكل مستقل، والبناء على ركيزة من المعرفة المتحقق منها والقابلة لإعادة الاستخدام، بدلاً من التعثر في تناقضات الماضي.