الذكاء الاصطناعي في البحث العلمي: مكاسب الإنتاجية مقابل مخاطر الجودة

الذكاء الاصطناعي كمساعد بحث

يُحدث الذكاء الاصطناعي ثورة حقيقية في مجالات علمية كثيرة، إذ يتيح معالجة البيانات ونمذجة المواد والظروف الواقعية بطرق لم تكن حتى أقوى الحواسيب الفائقة قادرة عليها قبل بضع سنوات فقط.

ومن الأمثلة الحديثة استخدام أشكال متنوعة من الذكاء الاصطناعي من أجل:

• العثور على مواد جديدة لمفاعلات الاندماج النووي.
• استعادة وضوح صور التلسكوب الفضائي.
• تحسين عمليات الطباعة ثلاثية الأبعاد للمعادن.
• اكتشاف مواد جديدة للخلايا الشمسية، ومحفزات الهيدروجين الكهروكيميائية، والمواد فائقة الصلابة، والبوليمرات، والإلكتروليتات الصلبة.

تعتمد هذه التطبيقات عادةً على نماذج ذكاء اصطناعي عالية التخصص، دُرّبت بدقة لفحص فئة محددة من البلورات أو معالجة مجموعة فريدة من الصور.

لكن عندما نتحدث عن الذكاء الاصطناعي، يفكر الجمهور غالبًا في نماذج اللغة الكبيرة العامة. وتُستخدم هذه النماذج حاليًا بصورة أساسية في الكتابة وتحسين النصوص وإجراء استعلامات متقدمة وسهلة القراءة مقارنة بمحركات البحث التقليدية.

نظريًا، ينبغي ألا يقتصر ذلك على مقالات الطلاب والشعر الرديء وعروض PowerPoint، بل أن يشمل أيضًا البحث العلمي والأوراق المنشورة.

غير أن ذلك قد يكون سلاحًا ذا حدين، كما أوضح تحليل حديث نُشر في المجلة العلمية المرموقة Science¹ بعنوان “الإنتاج العلمي في عصر نماذج اللغة الكبيرة”.

في هذا التحليل، قارن باحثون من جامعة كاليفورنيا وجامعة كورنيل إنتاج العلماء الذين يستخدمون نماذج اللغة الكبيرة بأعمالهم السابقة. ووجدوا أن هذه النماذج قد تحسن جودة الأوراق العلمية، لكنها تولد أيضًا حجمًا أكبر من الأبحاث الأقل جودة، بما يفاقم مشكلات قائمة في الوسط الأكاديمي.

اكتشاف استخدام الذكاء الاصطناعي في أوراق البحث العلمي

يتمثل التحدي الأول في تحديد مدى انتشار استخدام نماذج اللغة الكبيرة في الكتابة العلمية ومعرفة من يستخدمها.

ليس من المستغرب أن الباحثين لا يفصحون عن ذلك تلقائيًا؛ فهذه الأدوات ما زالت جديدة وقد تخطئ، ولا سيما عند التعامل مع البيانات التقنية أو الموضوعات شديدة التخصص.

جمع الباحثون أكثر من مليوني ورقة من قواعد بيانات علمية كبيرة مثل arXiv وbioRxiv وشبكة أبحاث العلوم الاجتماعية (SSRN)، نُشرت بين يناير 2018 ويونيو 2024.

ثم قارنوا الأوراق المنشورة قبل عام 2023، والتي يُفترض أن البشر كتبوها، بنصوص مولدة بالذكاء الاصطناعي.

وباستخدام هذه البيانات، طوروا نموذجًا لرصد استخدام الذكاء الاصطناعي. واستطاعوا بواسطته تحديد العلماء الذين يستخدمون نماذج اللغة الكبيرة وموعد بدء استخدامها بدقة معقولة. ثم تتبعوا حجم منشوراتهم قبل تبني الأدوات وبعده، وما إذا كانت المجلات العلمية قد قبلت تلك الأوراق لاحقًا.

تأثير الذكاء الاصطناعي على البحث العلمي

اسحب للتمرير →

إنتاجية أعلى

كانت الخلاصة الأولى أن استخدام نماذج اللغة الكبيرة يعزز إنتاجية العلماء، على الأقل عند قياسها بعدد المنشورات.

على arXiv، نشر العلماء الذين رُصد استخدامهم لنماذج اللغة الكبيرة أوراقًا أكثر بنحو الثلث مقارنة بمن لم يبدُ أنهم يستخدمون الذكاء الاصطناعي. وعلى bioRxiv وSSRN تجاوزت الزيادة 50%.

وبما أن ثقافة “انشر أو اندثر” تحدد المسار المهني لمعظم العلماء، فإن هذه الزيادة في حجم النشر تؤثر بوضوح في مستقبلهم الوظيفي.

وأظهرت النتائج أيضًا أن الزيادة كانت أكبر لدى العلماء الذين يُعتقد أن الإنجليزية ليست لغتهم الأم.

فعلى سبيل المثال، نشر الباحثون المنتسبون إلى مؤسسات آسيوية أوراقًا أكثر بنسبة تراوحت بين 43.0% و89.3% بعد أن أشار نظام الرصد إلى بدء استخدامهم نماذج اللغة الكبيرة.

وهذا منطقي؛ فكثير من العلماء متفوقون تقنيًا وقادرون على قراءة الإنجليزية، وهو شرط في الأوساط الأكاديمية الحديثة، لكنهم قد يواجهون صعوبة في صياغة جمل واضحة وأنيقة بلغة ثانية.

وقد يحقق الاستخدام الواسع لنماذج اللغة الكبيرة قدرًا أكبر من تكافؤ الفرص لغير الناطقين بالإنجليزية، ويساعد الأبحاث عالية الجودة على نيل اعتراف دولي بغض النظر عن طلاقة مؤلفيها اللغوية.

اكتشاف أفضل للمعرفة العلمية

يمكن أيضًا استخدام نماذج اللغة الكبيرة للعثور على أوراق مرتبطة بموضوع محدد عبر أدوات متخصصة مثل Elicit وResearchRabbit وScite.

يتكون جزء كبير من البحث العلمي من العثور على أوراق أخرى وقراءتها لاستخلاص المعلومات أو تحديد بروتوكولات تجريبية يمكن إعادة استخدامها في سياقات جديدة.

تميل أدوات الذكاء الاصطناعي إلى تفضيل الأوراق الأحدث وإعطاء عدد الاستشهادات وزنًا أقل من محركات البحث التقليدية. ولذلك توفر بديلًا للعلماء الذين يبحثون عن أفكار جديدة أو تجارب لم تحظَ بنقاش واسع.

“يتصل مستخدمو نماذج اللغة الكبيرة بمعارف أكثر تنوعًا، وربما يؤدي ذلك إلى أفكار أكثر إبداعًا.”

كيغو كوسوميغي، طالب دكتوراه في جامعة كورنيل

يمكن اختبار هذه الفرضية مستقبلًا من خلال التحقق مما إذا كانت الأوراق المكتوبة بمساعدة الذكاء الاصطناعي تحتوي على مراجع أكثر تنوعًا أو تتسم بقدر أكبر من الابتكار والتداخل بين التخصصات.

الذكاء الاصطناعي كقضية جديدة في العلوم والأكاديمية

شهد البحث العلمي في السنوات الأخيرة، ولا سيما في العلوم الاجتماعية، أزمة في قابلية تكرار النتائج.

ولأن باحثين آخرين لا يستطيعون إعادة إنتاج نتائج كثير من الأوراق، فقد تكون دراسات تبدو جادة معيبة أو حتى احتيالية. وقد وُصف ذلك بأنه “أزمة وجودية للعلم”.

تاريخيًا، عُدّت الكتابة المعقدة، بما فيها الجمل الطويلة والمفردات المتقدمة، مؤشرًا تقريبيًا على البحث الأعلى جودة. ورغم أن هذا المعيار لم يكن معصومًا، فإنه ساعد على التمييز بين البحث الذي يكتبه خبراء والتحليل الرديء.

في المقابل، تقل حاليًا احتمالات قبول المجلات للأوراق المكتوبة بمساعدة الذكاء الاصطناعي.

يهدد ذلك عمومًا بزيادة الفصل بين مقياس “الأوراق المنشورة” والموهبة الفعلية للباحث. وقد يواجه المحررون والمراجعون صعوبة في تحديد الأعمال الأكثر قيمة، خصوصًا مع ازدياد كفاءة الذكاء الاصطناعي وتشابهه مع الإنسان.

وأخيرًا، يمكن للذكاء الاصطناعي توليد كميات هائلة من المحتوى الرديء، أي أوراق بحثية زائفة تبدو معقولة. ولا يقتصر الخطر على وسائل التواصل الاجتماعي؛ فهو مشكلة كبيرة للبحث العلمي، إذ كان وقت المراجعين موردًا نادرًا حتى قبل ظهور نماذج اللغة الكبيرة.

ماذا يعني الذكاء الاصطناعي لمستقبل البحث العلمي

بما أن الذكاء الاصطناعي أداة، فعلى الباحثين تعلم استخدامه بفاعلية. ويكاد يكون حظر نماذج اللغة الكبيرة في المختبرات مستحيلًا، كما سيزداد اكتشافها صعوبة.

سيكون التكيف والاستخدام المنتج للذكاء الاصطناعي في الكتابة العلمية من أبرز القضايا في المرحلة المقبلة.

“لم يعد السؤال الآن: ‘هل استخدمت الذكاء الاصطناعي؟’ بل: ‘كيف استخدمته تحديدًا، وهل كان مفيدًا؟’”

قد تستفيد ممارسات التوظيف العلمي من العودة إلى معايير نوعية، مثل المقابلات المتعمقة والاختبارات التقنية، بدلًا من الاعتماد حصريًا على حجم المنشورات.

وبالمثل، يجب أن يتكيف المراجعون والمجلات العلمية. وقد نحتاج إلى أنظمة تتحقق، قبل التقييم، من أن البحث صادر عن مختبر شرعي لمنع الإنتاج الواسع للأوراق المزيفة.

في النهاية، سيصبح الفهم العميق للعناصر التقنية في الورقة، لا أناقة لغتها، المعيار الأهم للحكم على الجودة.

الاستثمار في ابتكار الذكاء الاصطناعي

نڤيديا

تحولت Nvidia من شركة لبطاقات الرسوم الموجهة للاعبين إلى أكبر شركة في العالم، بفضل دورها المركزي في توفير عتاد الذكاء الاصطناعي لقطاع التكنولوجيا بأكمله.

وبوصفها رائدة في العتاد المخصص للذكاء الاصطناعي، كانت Nvidia أول من ساعد الباحثين على الاستفادة من هذه الأدوات. فقد أتاحت CUDA، وهي واجهة برمجة عامة لوحدات معالجة الرسوم من Nvidia، استخدامات تتجاوز الألعاب ومهدت الطريق لتطبيقات الذكاء الاصطناعي الحالية.

“أدرك الباحثون أن شراء بطاقة ألعاب تسمى GeForce وإضافتها إلى الحاسوب يمنحهم عمليًا حاسوبًا فائقًا شخصيًا.

الديناميكيات الجزيئية، ومعالجة البيانات الزلزالية، وإعادة بناء التصوير المقطعي، ومعالجة الصور، ومجموعة كبيرة من المهام الأخرى.”

جنسن هوانغ، في مقابلة مع Sequoia

من المرجح أن يبقى عتاد Nvidia، سواء بصورة مباشرة أو مدمجًا في خدمات Microsoft (MSFT ) وGoogle وMeta وOpenAI السحابية، الخيار المفضل للباحثين.

يُتوقع أن تصل النفقات الرأسمالية على الذكاء الاصطناعي إلى 200 مليار دولار في 2025، علاوة على الإنفاق التراكمي المتزايد لأكبر شركات التكنولوجيا. كما بدأت مكونات إلكترونية أخرى، مثل ذاكرة RAM عالية الأداء، تشهد نقصًا مع زيادة إنتاج شرائح Nvidia.

رغم أن البحث العلمي قد لا يمثل معظم القدرة الحاسوبية للذكاء الاصطناعي مقارنة بالاستخدامات الاستهلاكية أو المؤسسية، فقد يصبح المحرك الأطول أثرًا بفضل ما يعد به من سبائك وأدوية ومنهجيات علمية جديدة.

(يمكنك قراءة المزيد عن تاريخ Nvidia وأعمالها الحالية وآفاقها المستقبلية في تقريرنا الاستثماري المخصص للشركة.)

الدراسة المشار إليها

^{1. Keigo Kusumegi، Xinyu Yang، Paul Ginsparg، Mathijs de Vaan، Toby Stuart، وYian Yin. الإنتاج العلمي في عصر نماذج اللغة الكبيرة. Science. 18 ديسمبر 2025. المجلد 390، العدد 6779، ص 1240-1243. DOI: 10.1126/science.adw3000}