هل يتفوق الابتكار متعدد التخصصات على القدرات البشرية؟ يطرح علماء الذكاء الاصطناعي فرضيات، ويجرون تجارب، ويشاركون في مؤتمرات مرموقة، مُبشّرين بنموذج جديد للبحث العلمي.

في أغسطس 2024، تم تأسيس شركة Sakana AI، وهي شركة أسسها Llion Jones، أحد مؤلفي ورقة Transformer.أعلنوا عن إطلاق أول "عالم الذكاء الاصطناعي" في العالم.من خلال توليد أفكار بحثية بشكل مستقل، وتصميم التجارب، وكتابة الأكواد البرمجية، وتنفيذ التجارب، وحتى كتابة الأوراق البحثية، وبمساعدة "مراجعي الذكاء الاصطناعي" لتقييم النتائج وتحسينها، تم تشكيل نظام بحث علمي متكامل ذي حلقة مغلقة. في مارس من هذا العام، أنتج النظام ورقة بحثية في علوم الحاسوب...تم اجتياز المراجعة المزدوجة العمياء في ورشة عمل ICLR 2025.وفي الوقت نفسه، أعلن معهد العلوم التلقائية أيضًا أن ورقة بحثية كتبها نظام الذكاء الاصطناعي كارل الخاص به تم قبولها في مسار Tiny Papers التابع لـ ICLR.

وفي بعض النواحي، خرج علماء الذكاء الاصطناعي من المختبر ويصعدون تدريجيا إلى مستوى مماثل لمستوى الباحثين البشريين.

ومع ذلك، عندما تركز الذكاء الاصطناعي على الاكتشافات العلمية، فإن النتيجة قد تكون مريرة وحلوة بالنسبة للبشرية.من ناحية،لا شك أن مزايا الذكاء الاصطناعي في معالجة البيانات وكفاءة تكامل المعلومات هي المفتاح لدخوله إلى مجتمع البحث العلمي، الأمر الذي يمكن أن يحرر العلماء البشريين لإكمال المزيد من التفكير والاستكشاف عالي الأبعاد.على الجانب الآخر،إن معضلة الصندوق الأسود من الصعب حلها، وهناك فجوة لا يمكن ردمها في البحث العلمي، وهو مجال يفرض متطلبات صارمة فيما يتصل بالقدرة على التفسير.

إذن، كيف نُعرّف علماء الذكاء الاصطناعي تحديدًا؟ ما هي آفاقهم المستقبلية ومخاوفهم؟

عالم الذكاء الاصطناعي: دور مُعاد تعريفه

في الفهم التقليدي، يُمثل العلماء جوهر الاستكشاف العلمي: فهم يستخلصون الأسئلة من الظواهر المرصودة، ويطرحون فرضيات مبنية على النظريات القائمة، ويصممون خططًا تجريبية دقيقة، ويُشغّلون بأنفسهم المعدات لجمع البيانات، ويصلون في النهاية إلى الاستنتاجات من خلال التحليل والاستدلال. استمرت هذه العملية مئات السنين، مُشكّلةً فهم البشرية الأساسي للبحث العلمي.

لكن انفجار تكنولوجيا الذكاء الاصطناعي يعمل على تفكيك هذا الدور التقليدي.

في مشهد البحث العلمي اليوم، أصبحت أدوار العلماء متميزة بشكل متزايد: حيث أصبحت نماذج اللغة الكبيرة والخوارزميات المتخصصة مسؤولة عن استقراء الاحتمالات الهائلة وفحص الحلول المرشحة من مئات الملايين من الهياكل الجزيئية؛ وتنفذ الروبوتات الآلية والمنصات التجريبية عمليات متكررة بدقة مثل التركيب والملاحظة والكشف، وتعمل على مدار الساعة طوال أيام الأسبوع؛ بينما يركز العلماء البشريون على جانب القيمة الأكثر جوهرية - تفسير النتائج التي تولدها الذكاء الاصطناعي، والحكم على أهميتها العلمية، واقتراح اتجاهات جديدة للاستكشاف.

يعتقد ديميس هاسابيس، الرئيس التنفيذي لشركة ديب مايند، أن "علماء الذكاء الاصطناعي سيُصبحون نسخًا حديثة من المجاهر والتلسكوبات، مما يُساعدنا على اكتشاف أنماط لا يستطيع البشر رؤيتها". هذا يعني أن الذكاء الاصطناعي قد تجاوز دوره النفعي البحت، مُتطورًا من "مُسرّع" لعملية البحث إلى "عضو مُجتمعي" في التفكير العلمي والاستكشاف.

وتحدثت ريجينا بارزيلاي، أستاذة معهد ماساتشوستس للتكنولوجيا، عن هذه العلاقة بمزيد من التفصيل في محاضرتها في مؤتمر TED:لن يكون مستقبل العلم قائمًا على استبدال الذكاء الاصطناعي بالعلماء، بل على اختيار العلماء العمل معه. وترى أن العلاقة بين الذكاء الاصطناعي والعلماء ليست لعبة محصلتها صفر، بل هي تعاون قائم على نقاط قوة كلٍّ منهما - تمامًا كما لم يحل اختراع المجهر محل علماء الأحياء، بل دشن عصرًا جديدًا من البحث البيولوجي على المستوى الخلوي.

الحائز على جائزة نوبل في الكيمياء لعام 2025 عمر موانس ياغي، "أبو الإطار المعدني العضوي"، لديه أيضًا ثقة في علماء الذكاء الاصطناعي.وقال بصراحة: "إن الذكاء الاصطناعي لا يهدف فقط إلى مساعدة العلماء، بل إلى إعطاء العلم نفسه طريقة جديدة للتفكير".

التصنيفات الواقعية وتقدم علماء الذكاء الاصطناعي

في الواقع، إن أهمية علماء الذكاء الاصطناعي تتجاوز مجرد جعل البحث العلمي "أسرع"؛ فهم يتحولون تدريجيا إلى لاعب رئيسي في نظام الابتكار العلمي.

حاليًا، تتسابق العديد من مؤسسات البحث وشركات التكنولوجيا حول العالم لاستكشاف أنظمة ذكاء اصطناعي علمية ذات ميزات فريدة. بناءً على موقعها الوظيفي، يمكن تصنيف هذه الأنظمة عمومًا إلى نهجين: مساعدو أبحاث مُحسّنون ومكتشفون علميون مستقلون.

الهدف الأساسي للنوع الأول من النظام هو جعل الذكاء الاصطناعي بمثابة "دماغ ثانٍ" للعلماء البشريين.بعبارة أخرى، بناءً على فرضية أن البشر هم من يقودون اتجاه البحث، فإن الوكلاء الأذكياء مسؤولون عن تقديم الدعم مثل تكامل المعرفة متعددة التخصصات، وتوليد الأفكار التجريبية، وتحليل البيانات.

يُجسّد المختبر الافتراضي بجامعة ستانفورد، وهو نظام إلكتروني، هذا النهج. يُجمّع هذا النظام تلقائيًا فرقًا من علماء الذكاء الاصطناعي ذوي خلفيات تخصصية متنوعة لحل المشكلات المعقدة بشكل تعاوني بناءً على احتياجات الباحثين. تشمل فرق المختبر الافتراضي التعاونية أدوارًا مثل "علماء المناعة" و"علماء الأحياء الحاسوبية"، وقد اقترحوا إطار عمل تصميم حاسوبي مبتكرًا للأجسام النانوية، مما ساعد العلماء بنجاح في تصميم 92 جسمًا نانويًا مضادًا للفيروسات.

إن ظهور مثل هذه الأنظمة يعيد تشكيل حدود التعاون في مجال البحث العلمي، فالبحث العلمي لم يعد مجرد تعاون بين الناس، بل يمكن أن يكون أيضًا تعاونًا عميقًا بين الناس والوكلاء الأذكياء.
رابط الورقة:
https://www.nature.com/articles/s41586-025-09442-9

أما النوع الثاني من النظام فهو أكثر طموحا، ويهدف إلى بناء محرك مستقل بالكامل للاكتشاف العلمي.

لم يعد علماء الذكاء الاصطناعي يعتمدون على التوجيه البشري، بل على تعاون عدة عناصر ذكية لإكمال دورة البحث بأكملها، بدءًا من صياغة المشكلات وتوليد الفرضيات، وصولًا إلى التحقق التجريبي وكتابة الأوراق البحثية. ويتحول دور العلماء البشريين بشكل أكبر نحو وضع أهداف بحثية شاملة، والتحقق من النتائج، وتقديم المراجعة الأخلاقية.

على سبيل المثال،في مايو 2025، أعلنت مؤسسة أبحاث الذكاء الاصطناعي الأمريكية Future House أن نظامها متعدد العوامل Robin قد اكتشف بشكل مستقل دواءً مرشحًا لعلاج الضمور البقعي الجاف (أحد الأسباب الرئيسية للعمى).تم التحقق من آلية العمل من خلال تجارب الحمض النووي الريبوزي (RNA). أكمل روبن جميع الفرضيات والبروتوكولات التجريبية وتحليل البيانات ومخططات البيانات في الورقة البحثية المنشورة، مما يجعله أول نظام ذكاء اصطناعي يكتشف ويتحقق من فعالية الأدوية الجديدة بشكل مستقل ضمن إطار دورة مختبرية متكررة.

وهذا يعني أن علماء الذكاء الاصطناعي لا يستطيعون فقط طرح أسئلة بحثية، بل يمكنهم أيضًا تحقيق اكتشافات سريرية واعدة في مجال علوم الحياة المعقد للغاية.
موقع الشركة:https://www.futurehouse.org/

وبشكل عام، سواء كان من النوع "المدعوم" الذي يهدف إلى تحسين كفاءة البحث أو النوع "المستقل" الذي يسعى إلى التفكير المستقل والتصميم التجريبي، فإن علماء الذكاء الاصطناعي ينتقلون من المفهوم إلى التنفيذ.

إن هذه التطورات السريعة في الواقع هي التي تسمح لنا بمراقبة المزايا التي يجلبها الذكاء الاصطناعي والتي تفوق تلك التي يجلبها البشر عندما يشاركون حقًا في البحث العلمي.

المزايا: سرعة الإنجاز، والنطاق الموسع، والابتكار عبر الصناعات

ميزة السرعة: من "سنوات من البحث" إلى "ساعات من التحقق"

لفترة طويلة، أثقلت تكلفة الوقت ودورة البحث والتطوير الطويلة كاهل العلماء. حتى مع التحديث المستمر للمعدات، كان من الصعب تحقيق قفزات هائلة في السرعة. في علم المواد، غالبًا ما يستغرق فحص مركب وظيفي جديد والتحقق من صحته عدة سنوات؛ وفي تطوير الأدوية، قد تستغرق مرحلة التحسين قبل السريرية للجزيئات المرشحة وحدها من 3 إلى 5 سنوات. هذه الدورة الطويلة تُقيّد بشدة وتيرة التقدم العلمي.

لقد أدى ظهور علماء الذكاء الاصطناعي إلى كسر هذا القيد الزمني تمامًا.ومن خلال نظام حلقة مغلقة يتكون من "التنبؤ بالنموذج - التحقق التجريبي - ردود الفعل على البيانات - التحسين التكراري"، يتم ضغط دورة البحث إلى جزء بسيط من طولها الأصلي، أو حتى جزء بسيط من طولها الأصلي.يستطيع نظام ساكانا للذكاء الاصطناعي إكمال العملية برمتها، من مراجعة الأدبيات إلى صياغة الأوراق البحثية، في غضون ساعات قليلة، بينما حقق "العالم المشارك في الذكاء الاصطناعي" من جوجل ديب مايند رقمًا قياسيًا في حل مشكلة استغرق البشر سنوات لحلها في يومين فقط. وقد حلّ النظام بدقة لغز انتقال الحمض النووي بين الأنواع، الذي يدرسه فريق البروفيسور خوسيه بيناديس في إمبريال كوليدج لندن منذ سنوات. وتتوافق فرضيته الأساسية تمامًا مع نتائج الفريق غير المنشورة، حتى أن الفرضيات البديلة المصاحبة أثبتت صحتها بعد التحقق الأولي.
موقع الشركة:https://deepmind.google/

ومن الأمثلة الأكثر تمثيلا أداء عالم الذكاء الاصطناعي كوزموس: ففي تشغيل واحد، يمكنه قراءة 1500 ورقة أكاديمية تلقائيا وتنفيذ 42 ألف سطر من التعليمات البرمجية، مما يؤدي إلى توليد 9.8 مرات أكثر من التعليمات البرمجية من الأنظمة المماثلة.لا يستغرق الأمر سوى يوم واحد لإكمال ما يعادل ستة أشهر من العمل البحثي للعلماء البشريين.
موقع الشركة:https://edisonscientific.com/

ميزة الحجم: التعامل مع مئات الملايين من المهام في وقت واحد

الميزة الأساسية الثانية لعلماء الذكاء الاصطناعي تكمن في قدرتهم على الاستكشاف على نطاق واسع.

إن حدود الإدراك البشري تملي على البحث العلمي التقليدي التركيز فقط على عدد محدود من الاتجاهات البحثية، في حين يمتلك علماء الذكاء الاصطناعي القدرة على "البحث البانورامي"، القادرة على التعامل مع مئات الملايين من المهام المتوازية في وقت واحد، مما يوسع نطاق الاستكشاف العلمي إلى نطاق لا يمكن للبشر الوصول إليه.

على سبيل المثال، في مجال تطوير الأدوية، يُمكن للذكاء الاصطناعي توليد آلاف الجزيئات المُرشحة واختبارها مباشرةً، وفرز أكثرها واعدةً، ثم تسليمها إلى منصات تجريبية آلية للتحقق منها. وقد حرر ظهور هذا النوع من "التجارب العلمية الموازية" العلم من القيود المادية للمختبر، وسمح له بدخول "عالم تجريبي افتراضي" قائم على الحوسبة.

في مجال علم الأحياء الجزيئي،يمكن لعالم الذكاء الاصطناعي محاكاة تفاعلات مئات الآلاف من البروتينات والجزيئات الصغيرة في وقت واحد، وبالتالي فحص أهداف الأدوية المحتملة. منصة "من الجزيئات إلى المجتمع" التي طورها فريق البروفيسور ياغي قادرة على توليد عشرات الآلاف من الهياكل الجزيئية للإطار العضوي المعدني دفعةً واحدةً في طبقة التصميم الخاصة بها. ومن خلال فرز أفضل المرشحين بناءً على معايير متعددة الأبعاد، يفوق هذا الحجم مئات المرات حجم العمل الذي يمكن لفريق بشري إنجازه في عام واحد.

في أبحاث المواد الطاقية،يقوم نظام SciAgents بربط 230 مليون مفهوم علمي باستخدام رسم بياني للمعرفة الوجودية.يمكنه محاكاة أداء مواد مختلفة في وقت واحد تحت ظروف درجة الحرارة والضغط المتغيرة باستمرار، وهو مقياس يتجاوز بكثير قدرات أي فريق بحث بشري.

عنوان الورقة:
https://arxiv.org/abs/2409.05556

اختراقات متعددة التخصصات: كسر "الحواجز الأبعادية" في البحث العلمي

يتميز البحث العلمي التقليدي بالحواجز التأديبية الصارمة.يواجه علماء الأحياء صعوبة في فهم الإطار النظري للكيمياء الكمومية بشكل كامل.غالبًا ما يفتقر مهندسو المواد إلى الخبرة في مجال تحرير الجينات. هذا الفصل بين التخصصات يُضيّع العديد من فرص الابتكار في المجالات متعددة التخصصات، وهو تحديدًا ما يتمتع فيه علماء الذكاء الاصطناعي بميزة طبيعية.

لا يتقيد علماء الذكاء الاصطناعي بحدود المعرفة البشرية، ويمكنهم التنقل بحرية بين مختلف التخصصات لتحقيق التكامل المعرفي والابتكار بين التخصصات. يُعد نظام Coscientist الذي طورته جامعة كارنيجي ميلون مثالاً نموذجياً: فعندما يتلقى النظام أمراً بلغة طبيعية "لتركيب بوليمر موصل جديد"، فإنه يستطيع البحث بشكل مستقل في أدبيات التركيب الكيميائي، وقواعد بيانات علوم المواد، ومعايير الهندسة الإلكترونية، ودمج أساليب متعددة التخصصات مثل تصميم مسار التركيب الكيميائي، والتنبؤ بالموصلية، واختبار الاستقرار، وأخيراً إكمال التجربة من خلال منصة روبوتية. ولا تتطلب العملية برمتها تكاليف التكيف اللازمة للتعاون البشري متعدد التخصصات.

وأظهرت التجارب التعاونية السبع التي أجراها البروفيسور ياغي باستخدام وكلاء الذكاء الاصطناعي عمق التعاون بين التخصصات المختلفة: كان مخطط التجربة مسؤولاً عن تصميم المخطط الشامل، وركز محلل الأدبيات على أدبيات علوم المواد، وقام مبرمج الخوارزمية بتطوير برنامج التحسين البايزي، وتم توصيل وحدة التحكم في الروبوت بالمعدات التجريبية، وقام مستشار السلامة بإجراء إدارة المخاطر وفقًا لمعايير السلامة الكيميائية.عملت وكلاء الذكاء الاصطناعي هؤلاء، الذين ينتمون إلى تخصصات مختلفة، معًا بنجاح لحل المشكلة الطويلة الأمد المتمثلة في عدم قدرة مادة COF-323 على التبلور.يمثل هذا إنجازًا كبيرًا في تحقيق أشكال غير متبلورة إلى أشكال بلورية للغاية.
رابط الورقة:
https://pubs.acs.org/doi/10.1021/acscentsci.3c01087

تتجلى هذه الميزة بشكل أوضح في المجالات متعددة التخصصات. تُظهر أبحاث جامعة ستانفورد أن من بين فرضيات البحث التي طرحها علماء الذكاء الاصطناعي...ومن بين هذه الفرضيات، تنتمي 37% إلى الابتكار متعدد التخصصات، في حين تمثل مثل هذه الفرضيات أقل من 5% في المقترحات المقدمة من العلماء البشريين.

وفي حين أظهر علماء الذكاء الاصطناعي مزايا غير مسبوقة في السرعة والحجم والقدرات متعددة التخصصات، فقد جلب هذا التطور السريع أيضًا مشاكل ومخاطر جديدة، وتبعتها تحديات.

التحديات: الصندوق الأسود لعلماء الذكاء الاصطناعي، والأخلاقيات، والحدود المعرفية

معضلة الصندوق الأسود: "عدم التوازن السببي" حيث يتم تقديم الإجابات فقط دون تفسيرات.

إن جوهر البحث العلمي لا يكمن فقط في "ما الذي يجب اكتشافه"،إن الأمر يتعلق أكثر بـ "لماذا الأمر كذلك".إن القدرة على التفسير والاستدلال السببي هما حجر الزاوية في بناء النظرية العلمية، وأكبر عيب لدى علماء الذكاء الاصطناعي الحاليين يكمن بالتحديد في طبيعتهم التي تشبه "الصندوق الأسود" - فهم قادرون على تقديم نتائج دقيقة، لكنهم لا يستطيعون تفسير العملية المنطقية التي أدت إلى تلك النتائج.

أشار أندريه كارباثي، العالم السابق في OpenAI، بحدة ذات مرة: "لا يزال فهمنا للنماذج الكبيرة المتطورة في مستوى تجريبي. إنهم أشبه بطلاب يجيدون أداء الامتحانات لكنهم لا يستطيعون شرح استراتيجياتهم في حل المشكلات". أدى هذا النقص في قابلية التفسير إلى سلسلة من المشاكل: ففي علم المواد، يتنبأ مشروع DeepMind GNoME بأكثر من 380,000 بنية بلورية مستقرة، لكن الدراسات تشير أيضًا إلى أن قابلية تفسير الآلية لا تزال تُشكل عائقًا.في المجال الطبي، حدد نموذج TxGNN التابع لكلية الطب بجامعة هارفارد أكثر من 17,000 دواء مرشح لعلاج الأمراض النادرة. ومع ذلك، تشير الأبحاث بوضوح إلى أنه "بينما يوفر النموذج درجات تنبؤ، يتعين على الخبراء فهم منطقه التنبئي للتحقق من صحة الفرضيات وفهم آليات العلاج المحتملة".وهذا يعني أن الذكاء الاصطناعي لا يزال يعاني من قصور في تفسير آلياته.

وقد كشف المؤتمر التجريبي Agents4Science الذي استضافته جامعة ستانفورد في عام 2025 عن مشاكل أعمق:يتطلب هذا المؤتمر من جميع الأوراق البحثية إدراج AI كمؤلف أول، وسيتم إكمال عملية المراجعة بأكملها بواسطة AI.أظهرت النتائج أنه على الرغم من خلوّ الأوراق البحثية التي راجعها الذكاء الاصطناعي من أي أخطاء تقنية واضحة، إلا أن عددًا كبيرًا من الدراسات كان "غير مثير للاهتمام ولا مهم". طرحت البروفيسورة ريسا ويشلر من جامعة ستانفورد سؤالًا مُثيرًا للتفكير: "كيف نُعلّم الذكاء الاصطناعي أن يكون ذا ذوق علمي رفيع؟" يُشير هذا السؤال مباشرةً إلى جوهر معضلة الصندوق الأسود - إذ يفتقر الذكاء الاصطناعي إلى القدرة على تقدير القيمة التي يبنيها العلماء البشريون استنادًا إلى التاريخ الأكاديمي والمعرفة التخصصية، وهو عاجز عن تحديد النقاط الابتكارية الحقيقية والأهمية العلمية للبحث.

فجوة الموثوقية: يجب التحقق من صحة البيانات

إن آلية الاستجابة التي تقدم إجابات فقط دون تفسيرات تؤدي إلى خطر خفي كبير آخر - وهو أن الناس يشككون في موثوقية علماء الذكاء الاصطناعي.

يعتمد علماء الذكاء الاصطناعي على مجموعات البيانات والنماذج النظرية للتدريب والتشغيل، ولكن هناك فجوة هائلة بين هذه "المحاكاة" الافتراضية والعالم المادي الحقيقي. فالعديد من الحلول التي تعمل بكفاءة في النماذج لا يمكن إعادة إنتاجها في التجارب الفعلية. وقد أصبحت هذه "الفجوة في الموثوقية" عائقًا رئيسيًا يحد من التطبيق العملي للذكاء الاصطناعي.

وتنعكس فضيحة تصنيع الورق في معهد ماساتشوستس للتكنولوجيا، التي خرجت إلى النور في عام 2025، هذه المشكلة من منظور آخر.زعمت الورقة البحثية أن مساعدة الذكاء الاصطناعي يمكن أن تزيد عدد اكتشافات المواد الجديدة بمقدار 441 TP3T وعدد طلبات براءات الاختراع بمقدار 391 TP3T، وقد أُشيد بها سابقًا باعتبارها "أفضل دراسة حول تأثير الذكاء الاصطناعي على العلوم"، حتى أنها نالت إشادة عدد من العلماء البارزين. ومع ذلك، كشفت التحقيقات اللاحقة أن بيانات الورقة البحثية مُفبركة. ورغم أن الجامعة لم تكشف عن نتائج التحقيق حفاظًا على الخصوصية، إلا أنها صرحت صراحةً في بيان لها بأنها "تشكك في مصدر وموثوقية البيانات المستخدمة في الورقة، بالإضافة إلى صحة استنتاجات البحث".

الأمر الأكثر خطورة هو احتمال أن تقوم الذكاء الاصطناعي "بتجميل" نتائجها الخاصة.توصلت الأبحاث إلى أن بعض أنظمة الذكاء الاصطناعي تتجاهل بشكل انتقائي البيانات التي لا تتطابق مع التوقعات، وقد تقوم حتى بإنشاء سجلات تجريبية خاطئة لتتوافق مع استنتاجات النموذج.إذا لم يتم اكتشاف هذا النوع من "الخداع الذاتي" في الوقت المناسب، فقد يؤدي ذلك إلى تضليل اتجاه البحث بأكمله.

أزمة المواهب: تراجع وتحول قدرات البحث العلمي التقليدية

إن صعود علماء الذكاء الاصطناعي يعيد تشكيل هيكل الطلب على المواهب في مجال البحث العلمي، والعلماء المنفردون التقليديون يفقدون ميزتهم تدريجيا."المواهب المزدوجة" التي تتمتع بالمعرفة في مجالاتها المهنية والكفاءة في تكنولوجيا الذكاء الاصطناعي مطلوبة بشدة ونادرة.في مقابلة، أكد جورج تشرش، الأستاذ بجامعة هارفارد، أن علماء الأحياء ليسوا بحاجة إلى إتقان خوارزميات الذكاء الاصطناعي، بل يجب عليهم فهم حدوده والقدرة على تقييم منطقية نتائجه. وستُصبح هذه "القدرة التعاونية المهنية مع الذكاء الاصطناعي" جوهر القدرة التنافسية للباحثين.

ويطرح هذا التحول تحديات كبيرة أمام الباحثين الحاليين.وفقًا لمسح الباحثين العالمي الذي أجرته شركة Wiley في عام 2025 (حجم العينة 2430)، فإن 841 ألف باحث (TP3T) يستخدمون بالفعل أدوات الذكاء الاصطناعي في أبحاثهم.مع ذلك، لم يعتقد سوى 48% من المشاركين أن الذكاء الاصطناعي يمكن أن يُحسّن التفكير النقدي، وأعرب أكثر من نصفهم عن مخاوفهم بشأن استخدامه. تركزت المخاوف الأساسية على جانبين: أولاً، تواجه المهارات التقليدية إعادة هيكلة. أعرب 64% من المشاركين عن قلقهم من أن الذكاء الاصطناعي قد يُنتج أخطاءً أو "أوهامًا"، بينما أبدى 58% قلقهم بشأن قضايا الخصوصية والأمان. يجد الباحثون الكبار، الذين اعتادوا على تصميم التجارب وتحليل البيانات يدويًا، صعوبة في التكيف بسرعة مع أسلوب العمل الجديد المتمثل في "طرح أسئلة الذكاء الاصطناعي وتفسير نتائجه".

علاوة على ذلك، يُفاقم تأخر نظام التعليم أزمة المواهب. حاليًا، لا تزال معظم برامج العلوم والتكنولوجيا والهندسة والرياضيات في جامعات العالم تعتمد بشكل كبير على المقررات التقليدية، مع نقص حاد في دمج الذكاء الاصطناعي مع منهجيات البحث في التدريس.لا تقدم سوى عدد قليل من الجامعات دورات عملية مثل "تطبيق أدوات البحث في الذكاء الاصطناعي" و"تصميم التجارب التعاونية بين الإنسان والآلة".يؤدي هذا إلى امتلاك الطلاب للمعرفة النظرية المهنية، لكنهم يفتقرون إلى القدرة على التعاون مع الذكاء الاصطناعي. يُظهر استطلاع رأي أجرته شركة وايلي أن الباحثين في مختبر 57% يعتقدون أن "نقص إرشادات الاستخدام والتدريب" هو العائق الرئيسي أمام تعزيز الذكاء الاصطناعي، وغالبًا ما يحتاج الخريجون الجدد إلى تدريب إضافي للتكيف مع سير العمل الجديد في المختبر.

والأمر الأكثر إثارة للقلق هو أن الإفراط في الاعتماد على الذكاء الاصطناعي قد يضعف القدرات الأساسية: إذ تشير أبحاث معهد ماساتشوستس للتكنولوجيا إلى أن الذكاء الاصطناعي قد يقلل من نشاط الدماغ، وعندما يستخدم الذكاء الاصطناعي على نطاق واسع لمعالجة البيانات واستنتاج الصيغ، فقد يهمل الطلاب الأسس الرياضية وتدريب المهارات التجريبية إذا كانوا يفتقرون إلى التوجيه، وهو ما يشكل على وجه التحديد أساس الابتكار العلمي.

وعلى الرغم من التحديات العديدة، فإن التكامل العميق بين الذكاء الاصطناعي والبحث العلمي يشكل اتجاها لا رجعة فيه. أظهر استطلاع رأي أجرته شركة وايلي أن 831% من المشاركين يعتقدون أن الذكاء الاصطناعي سيصبح جزءًا أساسيًا من البحث العلمي بحلول عام 2027، وأشار 571% منهم إلى استعدادهم للسماح لبرامج الذكاء الاصطناعي بأداء بعض مهام البحث بشكل مستقل إذا ما اكتسبت هذه البرامج نضجًا كافيًا. هذا يعني أن على الباحثين والنظام التعليمي التكيف مع التغيير بشكل استباقي - إذ يتعين على الباحثين تعزيز مهاراتهم في استخدام أدوات الذكاء الاصطناعي وتفسير النتائج، بينما يتعين على الجامعات تسريع إصلاح المناهج الدراسية ودمج أساليب البحث في مجال الذكاء الاصطناعي في التدريس الأساسي لتنمية "مواهب ثنائية المهارات" تلبي احتياجات المستقبل.

الخلاصة: عصر علمي جديد من صنع الذكاء الاصطناعي والبشرية

من نظام سكنا للذكاء الاصطناعي المؤتمت بالكامل إلى دورة البروفيسور ياغي "من الجزيء إلى المجتمع"، يُعيد علماء الذكاء الاصطناعي تشكيل مشهد البحث العلمي بشكل لا رجعة فيه. هذه الثورة لا تقتصر على السرعة والنطاق، بل تشمل أيضًا التفكير - فعندما يتمكن الذكاء الاصطناعي من استكشاف مسارات علمية لا يمكن للبشر تخيلها، وعندما لا يعود التعاون بين التخصصات محدودًا بحدود المعرفة البشرية، تدخل كفاءة الاكتشاف العلمي واتساع نطاقه مرحلة من النمو الهائل.

ومع ذلك، يتعين علينا أن ندرك تمامًا أن علماء الذكاء الاصطناعي هم في نهاية المطاف امتداد للذكاء البشري، وليسوا بديلاً عنه.إنها تفتقر إلى الحدس البشري الفريد، وحكم القيمة، والإلهام الإبداعي، ولا يمكنها اغتنام الفرص العلمية من الظواهر العرضية مثل البشر، ولا يمكنها فهم الأهمية الاجتماعية وراء نتائج الأبحاث.

الهدف الأسمى للعلم هو استكشاف المجهول وتحسين مصير البشرية. ويُسهّل صعود علماء الذكاء الاصطناعي تحقيق هذا الهدف ويزيد من فعاليته. ولعلّ كلمات ياغي، الحائز على جائزة نوبل في الكيمياء لعام ٢٠٢٥، خير دليل على ذلك: "نحن لا نُسرّع التجارب، بل نُسرّع قدرة البشرية على حل المشكلات".

روابط مرجعية:
1.https://sakana.ai/ai-scientist/
2.http://m.toutiao.com/group/7559872054532407823/
3.https://www.businessinsider.com/openai-cofounder-andrej-karpathy-keep-ai-on-the-leash-2025-6
4.https://www.dwarkesh.com/p/andrej-karpathy
5.https://mp.weixin.qq.com/s/qUL3jhyZcIZI7cBQac1vbg