الذكاء الاصطناعي يخفض اختبارات التجارب بنسبة 40%

طوّر فريق بحثي بالمعهد الاتحادي السويسري للتكنولوجيا في لوزان، ويقوده الباحثان بوجانا رانكوفيتش وفيفيليب شوفالر، منهجية ذكاء اصطناعي جديدة تُعرف باسم GOLLuM، نُشرت نتائجها عام 2026 في مجلة نيتشر ماشين إنتليجنس. تهدف المنهجية إلى تسريع وتحسين تصميم التجارب الكيميائية والمواد بدقة عالية، عبر دمج نماذج اللغات الكبيرة مع عمليات غاوس الاحتمالية التي تعمل ككاشف للشك يقيّم درجة عدم اليقين في كل مقترح. ويعمل هذا المقياس كمؤثر تدريبي أساسي يصحح قصور النماذج اللغوية في التنبؤ ويحد من الهلوسة العلمية، مما يحولها إلى محسّن تجريبي فعال وقابل للتفسير. تعمل آلية النظام على إعادة تنظيم فضاء البحث التجريبي تلقائياً بناءً على نتائج التجارب السابقة، حيث تتقارب الظروف المتشابهة في النتائج وتتباعد المختلفة عنها. وقد أظهرت الاختبارات المباشرة للنماذج اللغوية دون هذا الإطار معدلات فشل تتراوح بين عشر إلى ثمانين بالمئة، بينما يعمل النظام المدمج على تصحيح هذه الثغرات بشكل منهجي. خضعت المنهجية لاختبار صارم عبر ثلاثة وعشرين مهمة معيارية تغطي التركيب العضوي والكيمياء التحليلية وتحفيز التفاعلات وتحسين الخواص الجزيئية. وبافتراض عشر ملاحظات أولية منخفضة الأداء، تصدر النظام على مستوى المتوسط العام، متجاوزاً أساليب التحسين البايزي التقليدي التي تعتمد على المؤشرات المصممة يدوياً. وخلال ميزانية خمسين تجربة، وقع ثلاثة وستون بالمئة من الظروف التي اختبرها النظام ضمن أفضل خمسة بالمئة من جميع النتائج الممكنة، مقارنة بحجم اثنين وتسعين بالمئة للطرق التقليدية. وبشكل عام، حقق النظام نفس دقة الحلول الموثوقة باستخدام تجارب أقل بنسبة تجاوزت الأربعين بالمئة، مما يدل على سرعة تقارب أعلى وتوفير كبير في التكاليف والزمن. يُمثل هذا التطور نقلة نوعية في دور الذكاء الاصطناعي بالمختبرات العلمية، حيث ينتقل من مجرد توليد اقتراحات قد تكون غير موثوقة، إلى أداة تحليلية دقيقة تستند إلى تمثيل اللغة الطبيعية للإجراءات التجريبية، دون حاجة لأيام أو أشهر من تصميم المؤشرات الحسابية. ويسمح هذا النهج للباحثين ببدء الحملات التجريبية فوراً، مما يعزز وتيرة الاكتشاف العلمي ويسرع عملية تحويل النظريات إلى منتجات كيميائية ومواد متقدمة قابلة للتطبيق الصناعي.