
الذكاء الاصطناعي والاكتشاف العلمي: ما بين الفرضية والدليل
· العلم والمعرفة والمجتمع · إعداد بمساعدة الذكاء الاصطناعي
قد تقترح الآلة تفسيرًا لمشكلة علمية، وتجمع له مراجع مقنعة، وتصوغ خطة لاختباره. لكن الفكرة، مهما بدت جديدة ومتماسكة، لا تصبح معرفة موثوقة بمجرد حسن عرضها. لا بد من قياس وتجربة ومقارنة، ومن باحث يستطيع أن يشرح كيف وصل إلى النتيجة وما الذي قد يغيّرها. يزداد هذا التمييز أهمية مع أنظمة الذكاء الاصطناعي التي تدخل مراحل أوسع من البحث؛ فقيمتها الحقيقية تتعلق بما تساعدنا على اختباره وفهمه، لا بعدد الاقتراحات التي تنتجها وحده.
من إنتاج جواب إلى بناء سؤال
في الاستعمال اليومي نطلب من الأداة جوابًا واضحًا. أما في البحث، فقد تكون المساهمة الأهم سؤالًا أفضل: ما التفسير البديل؟ وأي تجربة تستطيع التمييز بينه وبين التفسير السائد؟ الفرضية اقتراح قابل للفحص، وليست حقيقة مؤجلة الإعلان. وقد تكون مفيدة حتى إذا لم تؤيدها التجربة، لأنها تكشف حدود الفهم أو توجه العمل إلى مسار آخر.
يمكن للذكاء الاصطناعي أن يساعد في وصل معلومات متباعدة واقتراح علاقات لم ينتبه إليها الباحث. غير أن الجمع بين جمل صحيحة لا يضمن صحة العلاقة المستنتجة بينها. وقد تحمل عبارة «لأن» انتقالًا لا تسنده البيانات. لذلك تحتاج الفكرة إلى أكثر من قائمة مراجع؛ تحتاج إلى بيان ما نعرفه بالفعل، وما نستنتجه، وما ينبغي اختباره قبل أن نتبنى الاستنتاج.
دراستان تضعان الاقتراح أمام التجربة
نشرت Nature في 19 مايو 2026 دراسة عن Co-Scientist، وهو نظام يقترح فرضيات بحثية. اختبر المؤلفون تطبيقات في ثلاثة مجالات طبية حيوية، وبيّنوا أن التحقق التجريبي شارك فيه علماء وجّهوا العمل وحددوا أولويات الاختبارات. وتوضح الورقة أن تجارب الخلايا خطوة أولية لا تقوم مقام التقويم قبل السريري والسريري. [1] إنها نتيجة بحث منشور، لا إعلان عن علاج جاهز أو إثبات لاستقلال العلم عن الباحثين.
وفي اليوم نفسه نشرت المجلة دراسة عن Robin، تربط اقتراح الفرضيات بتحليل نتائج تجارب بيولوجية ثم تحديث المقترحات. يعرض الملخص تحققًا مختبريًا أوليًا لمرشحات علاجية، بينما يبين قسم مساهمات المؤلفين أن باحثين أجروا أعمال زرع الخلايا وتحضير العينات وراجعوا التحليل. [2] يوضح المثال توزيع العمل بين النظام والفريق، ولا يبرر اختزال القصة في آلة أنجزت الاكتشاف وحدها.
ليس المقصود هنا تقويم فاعلية المرشحات الطبية أو المقارنة بين النظامين. إنهما مثالان على انتقال الاهتمام من طلاقة الاقتراح إلى صلته باختبار خارج النص. ولا نعرض نتائج المختبر بوصفها منفعة سريرية مثبتة، كما لا نستنتج منها أن الطريقة نفسها ستنجح في كل تخصص.
ترتيب الأفكار لا يساوي إثباتها
عندما ينتج النظام عشرات الفرضيات، يحتاج إلى ترتيبها. يمكن أن يقارن بينها بحسب الجدة الظاهرة أو الترابط أو ملاءمة هدف البحث. يساعد الترتيب في اختيار ما يستحق وقت المختبر، لكنه يظل أداة لاتخاذ قرار أولي. فالفكرة التي يفضّلها نموذج أو خبير قد تخفق عند القياس، والفكرة الأقل جاذبية لغويًا قد تكشف علاقة مهمة.
لنتصور مثالًا تعليميًا من التحرير: يقترح برنامج أن مادة معينة تحسّن خاصية في منتج صناعي. لا يكفي أن يجد مقالات تتحدث عن تلك المادة وتلك الخاصية بصورة منفصلة. يجب تحديد الظروف والكميات وطريقة القياس والمقارنة المناسبة. وقد يتضح أن الارتباط يظهر في حرارة مختلفة أو مع تركيب آخر. التفاصيل التي تبدو هامشية في الملخص قد تكون هي الحد الفاصل بين اقتراح نافع واستنتاج خاطئ.
ما الذي لا تخبرنا به النتائج الناجحة؟
تجذبنا الحالات التي وصلت فيها الفكرة إلى نتيجة إيجابية، لكن تقييم طريقة بحث يحتاج أيضًا إلى معرفة المحاولات التي لم تنجح. فإذا عُرضت أفضل حالة فقط، يصعب تقدير مقدار الوقت والموارد اللازمين للوصول إليها. ويختلف نظام ينتج اقتراحًا مفيدًا من عشر محاولات عن نظام يصل إليه بعد آلاف المحاولات المكلفة، حتى لو تشابه العنوان الصحفي عن نجاحهما.
وتنبه ورقة Co-Scientist إلى حدود تشمل نقص الوصول إلى بعض الأدبيات والنتائج السلبية، وإمكان انتقال أخطاء المصادر إلى الفرضيات الجديدة. [1] والنتيجة التحريرية التي نضيفها هي أن زيادة القدرة على التوليد ترفع أهمية حسن الانتقاء والتوثيق. فقد تنقل الأتمتة موضع الاختناق من العثور على فكرة إلى توفير وسائل اختبارها، بدل أن تلغي الاختناق تمامًا.
مسؤولية الباحث لا تختفي بتوزيع المهام
حين تتوزع المساهمة بين اقتراح آلي وتنفيذ مختبري وتحليل برمجي، تصبح معرفة من فعل ماذا جزءًا من فهم النتيجة. يحتاج القارئ إلى التمييز بين بيانات قِيست فعلًا ومحاكاة حاسوبية، وبين تفسير قدّمه النظام وحكم أقرّه الفريق. وتحتاج المؤسسة إلى سجل يسمح بالعودة إلى المواد والخطوات والنسخ المستخدمة، خصوصًا عندما تتغير النماذج والخدمات بمرور الوقت.
ولا يكفي أن يضع الباحث اسمه في نهاية نص ليؤدي هذه المسؤولية. عليه أن يستطيع شرح القرارات الأساسية والدفاع عن حدود الاستنتاج وتصحيح الخطأ إذا ظهر. وقد يختلف مقدار الإسهام الآلي بين مشروع وآخر، لكن الإفصاح المفيد يصف موضع الإسهام، لا يكتفي بعبارة عامة عن استعمال التقنية. هذه توصية تحريرية لتنظيم العمل، وليست ادعاءً بأن كل استعمال للأداة يخل بالنزاهة.
التحكيم محطة مهمة، والمعرفة قابلة للمراجعة
تتضمن صفحتا الدراستين معلومات تؤكد إجراء تحكيم علمي. وتعلن ورقة Co-Scientist تمويلًا من Alphabet أو جهة تابعة لها، فيما يفصح بعض مؤلفي Robin عن امتلاك أسهم في شركة مرتبطة بالمشروع. [1، 2] ينبغي إظهار هذه العلاقات دون اعتبارها وحدها دليلًا على بطلان النتيجة أو صحتها. المعيار هو قوة المنهج وإمكان فحص الدليل، مع وعي المصالح التي قد تؤثر في طريقة عرضه.
التحكيم ليس شهادة بأن كل تجربة أُعيدت في مختبر مستقل. كما أن إتاحة الورقة لا تعني بالضرورة إتاحة جميع أدوات إعادة العمل. لذلك يحسن السؤال عن البيانات والبرمجيات وإجراءات القياس، وما إذا كانت النتيجة تصمد عند تغيير شروط معقولة. لا تنتقص هذه الأسئلة من قيمة الإنجاز؛ إنها تجعل النقاش أدق وتمنع تحويل ورقة واحدة إلى نهاية للبحث.
للترجمة والصحافة دور في حفظ درجة اليقين
يبدأ التضخيم أحيانًا من كلمة صغيرة. فترجمة «قد يسهم» إلى «يضمن»، أو نقل نتيجة في الخلايا على أنها نجاح لدى المرضى، يبدّل قيمة الخبر. وفي مثال تحريري، يمكن لعنوان أن يقول إن نظامًا اقترح مسارًا واعدًا دعمه اختبار أولي، بدل أن يعلن أنه حل المشكلة. الوضوح لا يقتضي حذف القيد الذي يجعل العبارة صحيحة.
تساعد بطاقة موجزة للمصدر على ذلك: تاريخ النشر، ونوع الدراسة، وما اختبر فعلًا، وحدود العينة أو البيئة، والجهة التي أنجزت العمل، وما بقي غير محسوم. ويمكن للمترجم والصحفي استخدام أدوات لغوية لتيسير الصياغة، مع العودة إلى الورقة عند مراجعة المصطلح والاستنتاج. لا تعني اللغة التعليمية تسطيح البحث؛ إنها تتيح للقارئ فهم الفرق بين خبر يفتح احتمالًا ودليل يبرر قرارًا.
أي معرفة تصبح متاحة، ولمن؟
تقدم توصية اليونسكو بشأن العلم المفتوح، المعتمدة في 2021، إطارًا يقوم على الإتاحة والتعدد اللغوي والإنصاف والشفافية وقابلية إعادة الإنتاج، مع الاعتراف بقيود مشروعة مثل السرية والخصوصية. [3] إنها وثيقة معيارية وليست دراسة تثبت أثر أداة بعينها. لكنها تساعد على طرح سؤال لا تحسمه سرعة الحوسبة: من يستطيع المشاركة في صنع المعرفة وفحصها؟
بالنسبة إلى الجامعات ومؤسسات البحث في المغرب، يمكن أن يبدأ العمل من مشروعات محددة وأسئلة محلية وبيانات موثقة، ومن تدريب يجمع القراءة النقدية بالقياس والتحليل. ولا يلزم أن يبدأ كل مشروع ببناء نموذج ضخم. قد يكون الاستثمار الأجدى في إتاحة مورد معرفي جيد، أو تحسين وصف البيانات، أو تمكين فريق صغير من إعادة اختبار نتيجة مهمة ومناقشتها بالعربية ولغات البحث الأخرى.
السرعة تخدم العلم حين تصاحبها قابلية الفحص
اعتمد هذا المقال الملخصات ومقاطع محددة من عرض التحقق والمناقشة ومساهمات المؤلفين وإفصاحاتهم في الدراستين، مع صفحة اليونسكو التعريفية. لم نراجع كامل الأوراق والملاحق أو تقارير المحكمين، ولم نحلل البيانات أو نكرر التجارب. والأمثلة والتوصيات تحليل تحريري؛ فلا نزعم أنها نتائج اختبرت في المغرب. يرد نطاق الاعتماد وتواريخه مفصلًا في صفحة المصادر.
يمكن للآلة أن توسع ما نقترحه وأن تقلل زمن بعض الأعمال، لكن المعرفة العلمية تحتاج إلى علاقة واضحة بين الادعاء والدليل. وحين تساعد التقنية على كشف هذه العلاقة وتوثيقها وفحصها، تتجاوز فائدتها إنتاج نص أكثر إقناعًا. يصبح التقدم عندئذ قدرة أكبر على التمييز بين ما نأمله وما نعرفه، وعلى تحويل السؤال الجيد إلى اختبار يمكن للآخرين مناقشته والبناء عليه.