جوجل تُقدّم ثورة في الذكاء الاصطناعي البحثي: كيف يُقلّد "التمايز في وقت الاختبار" سير عمل الباحثين البشر بفعالية 74%

Google أحدث ثورة في عالم الذكاء الاصطناعي بتحديث جديد يُعرف بـ"Deep Research 2.0"، يُعدّ خطوة جذرية نحو تمكين الذكاء الاصطناعي من التفكير والعمل كباحث بشري حقيقي، وليس مجرد معالج سريع للمعلومات. الفكرة الأساسية لا تكمن في سرعة المعالجة، بل في القدرة على محاكاة الطريقة التي يفكر بها الباحثون الحقيقيون: غير منتظمة، متكررة، وغنية بالتحولات والانعطافات. النظام الجديد، المسمى "Test-Time Diffusion Deep Researcher" (TTD-DR)، يكسر نمط العمل التقليدي للذكاء الاصطناعي في المهام البحثية، والذي يعتمد على مسار خطي ثابت: فهم السؤال → وضع خطة → بحث عبر الإنترنت → كتابة التقرير → الانتهاء. هذا النموذج يفتقر إلى المرونة، ولا يسمح بالعودة إلى مراحل سابقة، أو إعادة التفكير في الفرضيات عند مواجهة أدلة جديدة. أما TTD-DR، فيُحاكي عملية البحث البشري الحقيقية: يبدأ بفكرة أولية، يُصيغ فقرات مبدئية، يبحث في مصادر متعددة، وعندما يعثر على معلومة متعارضة مع استنتاجه، لا يتجاهلها، بل يعيد تقييم كامل فرضياته، يُعيد صياغة الأفكار، ويُعيد بناء الاستنتاجات من جديد. هذه الدورة التكرارية، التي تُعرف بـ"التمايز أثناء التشغيل" (Test-Time Diffusion)، تمنح النظام مرونة غير مسبوقة في التفكير العميق. النتائج الأولية مذهلة: في اختبارات مقارنة مباشرة مع نموذج OpenAI، حقق TTD-DR معدل نجاح بلغ 74%، متفوقًا في جودة الاستنتاجات، وعمق التحليل، وتماسك السرد. لا يقتصر التفوق على كمية المعلومات، بل على جودة التفكير: كيف يربط الباحث بين مصادر متعددة، وكيف يتجاوز التحيّزات، ويُصيغ استنتاجات مدعومة بأدلة متعددة. ما يميز هذا النظام أيضًا هو قدرته على التعامل مع الغموض والتعقيد. في مهام بحثية معقدة، مثل تحليل تأثير سياسة اقتصادية على قطاع معين، لا يكتفي بجمع البيانات، بل يُعيد تقييم التأثيرات المحتملة عند ظهور بيانات جديدة، ويُعدّل النموذج التفسيري تلقائيًا. هذه الميزة تجعله أقرب إلى باحث بشري متمرس، لا مجرد آلة تُعيد صياغة معلومات. التطبيقات المستقبلية واعدة جدًا. يمكن استخدامه في مجالات مثل تطوير الأدوية، تحليل السياسات العامة، أو حتى في إعداد تقارير الأبحاث العلمية. كما أنه يُعدّ خطوة مهمة نحو تطوير أنظمة ذكاء اصطناعي قادرة على التفكير التأملي، وليس فقط الاستنتاجات السطحية. بشكل عام، تُظهر Google أن مستقبل الذكاء الاصطناعي لا يكمن في السرعة أو الحجم، بل في القدرة على التفكير بعمق، والانعطاف عند الحاجة، والقدرة على التعلم من الأخطاء — تمامًا كما يفعل البشر. TTD-DR ليس مجرد تحسين تقني، بل تحول فكري في كيفية تصوّر الذكاء الاصطناعي كشريك بحثي حقيقي.