الذكاء الاصطناعي الوكيل هو المستقبل للعلم لا مجرد النماذج الكبيرة للبيانات

استغرق بناء قاعدة البيانات التي أتاحت لنموذج AlphaFold التنبؤ ببنية البروتينات 53 سنةً ونحو 21 مليار دولار من الجهود التجريبية التراكمية، وهذا تحديداً ما يجعل نجاح AlphaFold استثناءً لا قاعدةً يمكن تطبيقها في كل فروع العلم. هكذا يُجادل باحثون نشرت مجلة MIT Technology Review حججهم في دراسة تدعو إلى إعادة التفكير في استراتيجية بناء الذكاء الاصطناعي للاكتشاف العلمي.

النموذج الذي نال جزءاً من جائزة نوبل في الكيمياء عام 2024 لمُخترعيه ديمس حسابيس وجون جمبر يقوم على مبدأ التعلم الإحصائي العميق من بيانات هائلة؛ حُلّ مُعادلة واحدة بإتقان فائق بفضل عقود من الجهود العلمية المتراكمة. لكن معظم ميادين العلم تفتقر إلى رصيد بيانات مماثل: لا يوجد بنك بيانات يُضاهي قاعدة هياكل البروتين في معظم تخصصات الفيزياء والكيمياء والبيولوجيا الجزيئية.

هنا يُطرح البديل: الذكاء الاصطناعي الوكيل. بدلاً من نموذج يتدرب على بيانات تاريخية ضخمة، تتبنّى هذه المقاربة وكلاء قادرين على التخطيط واقتراح الفرضيات وتوليد الفرضيات آلياً وتفسير النتائج واقتراح التجارب التالية، في دورة تحاكي ما يفعله العلماء البشر بالفعل.

ومن الأمثلة الملموسة على هذا النهج ما أنجزته Google مع نموذجها «المساعد العلمي بالذكاء الاصطناعي»، الذي نجح في ساعات في الوصول إلى الاستنتاجات التي استغرق علماء كلية إمبريال كوليدج عقداً كاملاً للتوصل إليها بشأن آليات مقاومة بكتيريا معينة للمضادات الحيوية. لم يكن ذلك بفضل تدريب على بيانات ضخمة، بل بفضل قدرة استدلالية تجمع أدوات متعددة في سياق موجَّه.

وتُشبّه الدراسة دور الذكاء الاصطناعي الوكيل في العلم بدور الاختراعات الكبرى عبر التاريخ -كالتفاضل والتكامل والإحصاء والطيف الكهرمغناطيسي والحاسوب- التي ظهرت مرات قليلة فحسب في تاريخ البشرية ثم أعادت تشكيل العلوم برمّتها.

غير أن التحديات التقنية لا تزال قائمة؛ فوكلاء الذكاء الاصطناعي يعانون من ظاهرة «الهلوسة» أحياناً، أي توليد معلومات واثق منها لكنها خاطئة، وهو ما قد يُشكّل خطراً في السياق العلمي حيث يؤدي خطأ واحد إلى سلسلة من الاستنتاجات المعيبة. ويُطرح في هذا السياق مفهوم «أزمة الاستنساخ» التي تعاني منها بعض فروع العلم حين لا يمكن تكرار نتائج بحثية منشورة، ومدى خطر تفاقمها إذا دخل الذكاء الاصطناعي في حلقة إنتاج الأبحاث.

ومع ذلك، تبقى الحجة الرئيسية مُقنعة: النماذج اللغوية الكبيرة والنماذج التأسيسية وحدها ليست كافية للعمل كأدوات علم اكتشافية، لأنها تتوقع وتلخّص وتُعيد توليف ما هو موجود. أما الاكتشاف العلمي الحقيقي فيحتاج إلى ما هو أبعد: القدرة على صياغة الفرضيات والتجربة والتحقق والتكيّف، وهو ما يُعدّ الذكاء الاصطناعي الوكيل أكثر استعداداً لأدائه.

وتستعد المنطقة العربية لاستيعاب هذا التحول في أساليب البحث العلمي؛ فمسبار الأمل الإماراتي الذي أنجز أول مهمة عربية مستقلة لاستكشاف المريخ أثبت أن المنطقة قادرة على إنتاج علم رصين. وتُمثّل وكلاء الذكاء الاصطناعي فرصة ذهبية للمختبرات العربية التي تعاني من شُح الكوادر المتخصصة وضخامة التكاليف، إذ يمكنها عبر هذه الأدوات مضاعفة طاقتها البحثية دون الحاجة إلى موارد بشرية ضخمة. وتُولي مراكز بحثية في الإمارات والسعودية ومصر اهتماماً متصاعداً بتوظيف الذكاء الاصطناعي في تسريع الاكتشاف العلمي.

ويُخلص الباحثون إلى أن المرحلة المقبلة ستشهد على الأرجح تعاوناً وثيقاً بين العلماء البشر والوكلاء الاصطناعيين، بحيث يتولى الوكيل إنجاز المهام الاستكشافية المُكرَّرة والكثيفة، فيما يحتفظ العالم بزمام توجيه الأسئلة الكبرى وتفسير النتائج.