مختبر أمريكي يكشف قصور الخبرة العملية للذكاء الاصطناعي
أسست شركة سي 5 آر الناشئة في سان فرانسيسكو منشأة بحثية آلية باسم فاسيليتي-0 في غضون اثني عشر أسبوعاً، وأطلقت في 24 سبتمبر 2026 منصة تقييم ساينويفرس لقياس كفاءة النماذج اللغوية على العمل داخل مختبرات فيزيائية واقعية. يهدف المشروع، الذي يقوده المؤسس مايكل أكيليان، إلى معالجة الفجوة الجوهرية بين المعرفة النظرية للذكاء الاصطناعي وقدرته على التنفيذ المختبري في مجالات الأحياء والكيمياء وعلوم المواد. تعتمد البنية على نظام برمجي يتحكم بـ40 جهازاً علمياً عبر محولات عتاد مخصصة، حيث يترجم الخطط التجريبية إلى أوامر تشغيلية موجهة لكل من الآلات والباحثين البشر، مما يحافظ على نموذج تفاعلي يعتمد على التكامل بين الخوارزميات والخبرة البشرية دون الاعتماد الكامل على التشغيل المستقل. كشفت نتائج تقييم ساينويفرس على ستة نماذج رائجة أن الذكاء الاصطناعي يفتقر إلى الحس التجريبي اللازم للتعامل مع القيود الفيزيائية الحقيقية. رغم إتقان النماذج للمفاهيم الكيميائية والبيولوجية، ارتكبت أخطاء منهجية متكررة تشمل محاولة سحب عينات مجمدة، وإعادة استخدام طرف الماصة عبر ثقوب حمض نووي مسبباً تلوثاً واسعاً، وإهمال معدل تبخر المذيبات أثناء التحريك. سجل نموذج كلود فابل 5.1 أعلى معدل نجاح بنسبة 45.3 في المئة بتكلفة قدرها 49.61 دولاراً لكل مهمة، متقدماً على جي بي تي-6 أسترا وكلوبيس 5، فيما لم يُظهر ارتفاع التكلفة الحسابية تحسناً خطياً في الدقة، مما يؤكد أن العائق الرئيسي ليس في المعالجة الحسابية بل في ترجمة التخطيط إلى إجراءات فيزيائية دقيقة. تغطي الاختبارات مراحل تحضير العينات، والتحكم بالعتاد، وتعديل البروتوكولات تحت ضغط الموارد، ومعالجة البيانات الفيزيائية، مع إدراك صريح أن المهام التي تستغرق ساعات للباحثين البشر لا تزال تشكل تحدياً كبيراً للنماذج الحالية. يأتي هذا التطور في مرحلة ينتقل فيها قطاع الذكاء الاصطناعي البحثي من عقبات الحوسبة إلى تحديات التنفيذ المادي. وعلى الرغم من مبادرات دمج الروبوتات humanoid في مختبرات الأدوية وجامعة طوكيو للعلوم، تظل قدرة الأنظمة الحالية على التكيف مع الظروف غير المتوقعة أو معالجة النتائج الفاشلة محدودة، مما يعزز الحاجة المستمرة للبشر في اتخاذ القرارات الاستراتيجية والتعامل مع التناقضات التجريبية. تهدف سي 5 آر إلى جعل المنشأة نفسها منتجاً قابلاً للتطوير يقيّم أداء النماذج ويعزز موثوقية التجارب العلمية، مع التركيز في التطوير القادم على زيادة إنتاجية المختبر وتقليل التباين في النتائج، مما يمهّد الطريق لمختبرات ذاتية أكثر استقراراً تعتمد على تكامل دقيق بين البرمجيات المتقدمة والأدوات الفيزيائية والإشراف البشري المتخصص.
